1 圓網(wǎng)印花在線檢測系統(tǒng)
基于機器視覺的圓網(wǎng)印花質(zhì)量在線檢測系統(tǒng),采用圖像傳感器,在線以一定間隔攝取印花圖像,再通過圖像處理單元進行相關(guān)圖像處理及模式識別,將各個
2 視覺系統(tǒng)中圖像噪聲及預(yù)處理
印花圖像在采集、處理等環(huán)節(jié)都可能會引人噪聲,因此噪聲抑制對圖像處理及后續(xù)自動對花控制環(huán)節(jié)十分重要。噪聲主要來源于CCD(電荷耦合元件)的熱噪聲、電器機械運動產(chǎn)生的震動噪聲等,它們對圖像信號幅度和相位的影響十分復(fù)雜。為了抑制噪聲,改善圖像質(zhì)量,本項目采用中值濾波法(Median Filter)。中值濾波法具有去噪能力強、圖像邊界細節(jié)保持好、處理速度快等優(yōu)點。它是一種非線性的空間濾波技術(shù),在一定程度上可以克服線性濾波帶來的圖像細節(jié)模糊化。印花過程中獲取的圖像具有很強的紋理特征,使用中值濾波可以有效地保留細節(jié),詳見圖2。
3 對花偏差檢測
圓網(wǎng)印花在線智能監(jiān)測控制系統(tǒng)需要實時檢測多個圓網(wǎng)的相對位置是否產(chǎn)生偏差,并根據(jù)偏差在線調(diào)整圓網(wǎng)位置。采用圖像處理和分析,必須實現(xiàn)以下兩個目標:(1)判斷圓網(wǎng)之間是否存在相對位置偏差; (2)判斷出哪個圓網(wǎng)走偏,并根據(jù)走偏量自動調(diào)整。
當圓網(wǎng)個數(shù)較多(6個以上)時,相互之間的套色很復(fù)雜,直接根據(jù)特征點或者輪廓來判斷十分困難。本項目采用粗細結(jié)合的定位算法,首先采用粗定位算法,利用光流法獲取當前圖像與模板圖像之間的運動向量,從而判斷是否存在走偏,以及在哪個區(qū)域(或灰度值區(qū)域)產(chǎn)生了走偏。如果存在走偏(即存在較大光流向量),在走偏區(qū)域采用相位相關(guān)法得到走偏量,從而控制走偏圓網(wǎng)的位置,實現(xiàn)自動對花。
光流是空間運動物體在觀測成像面上像素運動的瞬時速度。光流法是利用目標像素亮度運動,來推導(dǎo)瞬時光流場,然后根據(jù)光流場進行目標運動檢測。在圓網(wǎng)印花中,由于圓網(wǎng)的走偏,導(dǎo)致當前圖像與模板之間存在光流。
結(jié)合約束條件求解該方程,常見的求解光流方程的算法為Lucas和Horn—Schunck。
用光流法對印花圖像進行檢測的效果圖見圖3。
光流法可以得到印花圖像中走偏的區(qū)域以及走偏的方向,但是無法得到走偏的具體位移。針對走偏區(qū)域,采用局部相位相關(guān)法獲得圓網(wǎng)的走偏位移。相位相關(guān)法基于傅里葉變換的良好特性,即圖像平移、旋轉(zhuǎn)和尺度變換均在頻率域有對應(yīng)特征。傳統(tǒng)的相位相關(guān)法能定位出整數(shù)(像素級)的平移。
相位相關(guān)法的理論依據(jù)是傅里葉變換的相移定理。相移定理是指空域內(nèi)函數(shù)的位移將會引起頻域內(nèi)變換函數(shù)的相移。設(shè)f(x,y)為在R2 上絕對可積的函數(shù),其傅里葉變換為F( u,v ),函數(shù)g( x,Y)在函數(shù)f(x, Y)發(fā)生( xo,yo )的位移:
兩幅圖片的相位相關(guān)計算可以歸納為:首先對圖片分別計算它們的離散傅里葉變換(DFT)形式,然后計算歸一化相關(guān)功率譜,最后對其求離散反傅里葉變換(IDFT)。
對于上述兩幅印花圖像,將圖像中發(fā)生走偏的灰度值從原圖中分割出來,得到的兩個分割圖形,形狀相似,只是在圖中的位置不同。再根據(jù)相位相關(guān)算法得到兩幅分割圖形之間的像素位移為3個像素,即圓網(wǎng)走偏位移。
4 結(jié)論
基于機器視覺的圓網(wǎng)印花機自動對花系統(tǒng),利用圖像傳感器在線實時地對印花圖案套色位置進行自動檢測與控制,極大地減輕了人工檢測的勞動強度。采用中值濾波法作為圖像預(yù)處理,結(jié)合基于光流法和相位相關(guān)法的技術(shù),大大提高了圓網(wǎng)印花機的對花精度。隨著圖像處理模塊的進一步發(fā)展,可以利用相位相關(guān)法獲得亞像素級的定位精度,從而進一步提高對花精度。
來源 顧金華 ,秦矗
該文章暫時沒有評論!
最新技術(shù)文章
點擊排行