摘要：為了滿足實(shí)際印刷生產(chǎn)中對(duì)大面積印品圖像進(jìn)行高速度、高精度配準(zhǔn)檢測(cè)的需要，設(shè)計(jì)出了一種新的印刷圖像檢測(cè)系統(tǒng)。該系統(tǒng)使用多個(gè)CCD同步獲取圖像信息，并采用CPLD配合PCI總線的方式實(shí)現(xiàn)圖像數(shù)據(jù)的采集和傳輸控制，并在圖像預(yù)處理時(shí)采用了一種新的圖像配準(zhǔn)算法。系統(tǒng)相關(guān)程序和算法由DDK結(jié)合VC語言編程實(shí)現(xiàn)。實(shí)驗(yàn)表明，該系統(tǒng)基本滿足了實(shí)時(shí)性要求，其圖像配準(zhǔn)的速度更快、精度更高、適應(yīng)性更強(qiáng)，具有一定的實(shí)用價(jià)值。

　　關(guān)鍵詞：印刷圖像檢測(cè)；圖像采集；圖像預(yù)處理；配準(zhǔn)定位；匹配檢測(cè)

　　中圖分類號(hào)：TS801.9文獻(xiàn)標(biāo)識(shí)碼：A

Design and implementation of a new kind of printing image detection system

                                  NIU Yi-fan

      (Jining College of Technician, Jining 272000, China)

      Abstract: In order to meet the needs of high-speed and high-precision registration and detection of large-area printing image in actual printing production, a new kind of printing image detection system is designed. In this system, many CCDs are used to acquire image information simultaneously，and the acquisition and transmission of image data are controlled by CPLD and PCI bus, and a new image registration algorithm is adopted in image preprocessing. The related programs and algorithms of this system are implemented by DDK and VC programming language. The experimental results show that this system meets real-time need basically, its image registration is faster, more accurate and its adaptability is stronger, so it has a certain practical value.

      Key words: printing image detection; image acquisition; image preprocessing; registration and positioning; matching and detection

　　1 引言

　　隨著生活水平的提高，人們對(duì)高品質(zhì)、多樣化的印刷品需求越來越多。印刷企業(yè)因此也面臨這樣一個(gè)問題：如何更快、更準(zhǔn)確地評(píng)定印刷質(zhì)量。傳統(tǒng)的利用人工檢測(cè)印品質(zhì)量的方法由于受主客觀因素的影響，不能保質(zhì)保量地完成檢測(cè)任務(wù)。隨著計(jì)算機(jī)軟硬件的發(fā)展，利用機(jī)器視覺和數(shù)字圖像處理技術(shù)來進(jìn)行印品表面圖像質(zhì)量的自動(dòng)檢測(cè)已變得切實(shí)可行[1]。該技術(shù)通過攝像機(jī)在線掃描印品圖像，由于設(shè)備及環(huán)境因素的影響，所采集的圖像不可避免的會(huì)混入噪聲，并存在旋轉(zhuǎn)、平移或縮放現(xiàn)象。為消除噪聲并使標(biāo)準(zhǔn)圖像與待檢測(cè)圖像對(duì)準(zhǔn)，需要將采集到的圖像送入內(nèi)存先通過圖像處理軟件進(jìn)行去噪、銳化增強(qiáng)、配準(zhǔn)定位等預(yù)處理，之后再進(jìn)行特征提取，匹配檢測(cè)，缺陷顯示、分析與存儲(chǔ)工作，進(jìn)而幫助操作人員找出故障原因，重新進(jìn)行調(diào)整設(shè)置，以確保缺陷產(chǎn)品不流入市場(chǎng)，從而提高印刷的成品合格率和生產(chǎn)效率。

　　由于單個(gè)攝像頭只適于攝取小范圍圖像，為了滿足實(shí)際印刷生產(chǎn)中對(duì)大面積印品圖像進(jìn)行高速度、高精度配準(zhǔn)檢測(cè)的需要，本文設(shè)計(jì)出了一種新的印刷圖像檢測(cè)系統(tǒng)。該系統(tǒng)采用多個(gè)CCD攝像頭同步獲取不同位置圖像信息，并利用CPLD[2]的邏輯控制功能配合PCI[3]總線以DMA方式同步傳輸圖像數(shù)據(jù)，以供上層的應(yīng)用軟件對(duì)采集到的圖像數(shù)據(jù)進(jìn)行實(shí)時(shí)處理與配準(zhǔn)檢測(cè)。并采用了一種配準(zhǔn)速度更快、配準(zhǔn)精度更高的圖像配準(zhǔn)新算法。最后通過實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)在圖像配準(zhǔn)速度、配準(zhǔn)精度方面的優(yōu)越性及更強(qiáng)的適應(yīng)性。系統(tǒng)相關(guān)的程序和算法由DDK結(jié)合VC語言編程實(shí)現(xiàn)。

　　2 系統(tǒng)設(shè)計(jì)與開發(fā)

　　本文設(shè)計(jì)的印刷圖像檢測(cè)系統(tǒng)是由硬件部分和軟件部分組成。硬件部分設(shè)計(jì)主要包括四路CCD攝像機(jī)圖像采集卡的電路設(shè)計(jì)和CPLD的邏輯控制功能設(shè)計(jì)；軟件部分設(shè)計(jì)包括底層的設(shè)備驅(qū)動(dòng)程序設(shè)計(jì)和上層的應(yīng)用程序設(shè)計(jì)，主要完成控制硬件電路實(shí)現(xiàn)對(duì)四路CCD圖像數(shù)據(jù)的采集，去噪、配準(zhǔn)定位等預(yù)處理，特征提取，匹配檢測(cè)，缺陷顯示、分析與存儲(chǔ)工作。

　　2.1系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

　　硬件部分主要包括圖像采集部分和計(jì)算機(jī)。其基本結(jié)構(gòu)框圖如下圖1所示：

　　圖1系統(tǒng)硬件結(jié)構(gòu)框圖

　　Fig.1Hardwarestructurediagramofsystem

　　圖像采集部分由照明光源、四路CCD相機(jī)、PCI圖像采集卡組成。其中，照明光源的好壞直接影響到整個(gè)檢測(cè)系統(tǒng)的品質(zhì)。PCI多路采集卡由PCI接口芯片、EEPROM、CPLD邏輯控制芯片、高速緩存（FIFO）、視頻解碼芯片等構(gòu)成，主要用來實(shí)現(xiàn)CCD圖像的采集、緩存和傳輸。采集卡利用S5933通過DMA實(shí)現(xiàn)采集數(shù)據(jù)的實(shí)時(shí)傳輸。本系統(tǒng)圖像采集各部分名稱及所選類型、作用見下表1所示。

　　表1圖像采集各部分名稱、選擇類型及作用

　　Tab.1Name、selectedtypeandfunctionofeverypartofimageacquisition

　　計(jì)算機(jī)用來完成圖像采集工作的控制、圖像數(shù)據(jù)的傳輸控制、去噪、配準(zhǔn)定位等預(yù)處理，特征提取，匹配檢測(cè)，缺陷顯示、分析與存儲(chǔ)工作。

　　其總的工作流程如下：PC機(jī)應(yīng)用程序通過PCI總線向CPLD邏輯控制電路發(fā)出“采集開始”命令，CPLD邏輯控制收到開始采集指令后通過虛擬12C總線控制方式來控制四路視頻解碼器開始解碼，解碼后同步輸出的高速圖像數(shù)據(jù)及同步信號(hào)到FIFO數(shù)據(jù)輸入端緩存，當(dāng)存儲(chǔ)空間將要滿時(shí)，向PCI總線控制器發(fā)出中斷請(qǐng)求信號(hào)，PCI總線控制器將中斷信號(hào)轉(zhuǎn)發(fā)到PCI圖像采集卡，PC機(jī)響應(yīng)此中斷信號(hào)，通過PCI總線控制器讀取FIFO中的數(shù)據(jù)，直至讀取FIFO空為止。圖像數(shù)據(jù)經(jīng)由PCI總線以DMA方式快速送入計(jì)算機(jī)內(nèi)存，由應(yīng)用程序根據(jù)需要對(duì)其進(jìn)行去噪、配準(zhǔn)定位等預(yù)處理，特征提取，匹配檢測(cè)，缺陷顯示、分析與存儲(chǔ)。

　　2.2系統(tǒng)軟件設(shè)計(jì)

　　本系統(tǒng)的軟件設(shè)計(jì)包括兩部分：底層的設(shè)備驅(qū)動(dòng)程序設(shè)計(jì)和上層的應(yīng)用程序設(shè)計(jì)。對(duì)于底層設(shè)備驅(qū)動(dòng)程序，我們選擇Microsoft提供的DDK作為其開發(fā)環(huán)境，并結(jié)合VisualC++6.0編程語言共同完成其開發(fā)，該程序主要用來實(shí)現(xiàn)對(duì)PCI接口芯片S5933的相關(guān)底層操作。上層的應(yīng)用程序主要對(duì)采集到的圖像進(jìn)行去噪、配準(zhǔn)定位等預(yù)處理，特征提取，匹配檢測(cè)，缺陷顯示、分析與存儲(chǔ)，其相關(guān)算法也是由VisualC++6.0語言編程實(shí)現(xiàn)。

　　3一種新的圖像配準(zhǔn)算法的設(shè)計(jì)實(shí)現(xiàn)與相關(guān)實(shí)驗(yàn)

　　3.1算法的設(shè)計(jì)與實(shí)現(xiàn)

　　圖像配準(zhǔn)是一種在空間域匹配多幅圖像的處理方法，它使同一場(chǎng)景的多幅圖像中對(duì)應(yīng)像素對(duì)準(zhǔn)到同一物理位置。高精度的圖像配準(zhǔn)是印品質(zhì)量檢測(cè)的前提，它直接影響到整個(gè)檢測(cè)工作的成功與否。針對(duì)現(xiàn)有圖像配準(zhǔn)算法處理圖像時(shí)速度較慢、精度較低且在特定情況下適應(yīng)性較差的缺陷，本系統(tǒng)采用了一種新的圖像配準(zhǔn)算法，即改進(jìn)的Plessey角點(diǎn)檢測(cè)算法（原始Plessey角點(diǎn)檢測(cè)算法參見文獻(xiàn)4）。角點(diǎn)是圖像像素點(diǎn)在其領(lǐng)域內(nèi)的各個(gè)方向上灰度變換值足夠高的點(diǎn)，它是一種非常重要的圖像點(diǎn)特征，包含了圖像中比較豐富的二維結(jié)構(gòu)信息，又稱為“興趣點(diǎn)”或“特征點(diǎn)算子”。該算法分為三步：第一，特征點(diǎn)提?。坏诙?，特征點(diǎn)匹配；第三，對(duì)應(yīng)到圖像間變換。該算法一方面用一種能夠更準(zhǔn)確提取角點(diǎn)的角點(diǎn)響應(yīng)函數(shù)式：

　　R=det(M)/[tr(M)+ε′]，其中，det(M)為與圖像的自相關(guān)函數(shù)相聯(lián)系的矩陣M的行列式，tr為矩陣對(duì)角線元素的和，ε′為一很小的數(shù)，同時(shí)利用窗口抑制非最大法[4]、閾值設(shè)置[4]以及邊界模板[4]加快了角點(diǎn)提取的速度和所取角點(diǎn)的合理性，另外采用二次多項(xiàng)式ax2+by2+cxy+dx+ey+f=R(x,y)來逼近角點(diǎn)反應(yīng)函數(shù)R找到角點(diǎn)的亞像素級(jí)精確位置。再用雙向最大相關(guān)系數(shù)[5]進(jìn)行特征點(diǎn)對(duì)的粗匹配，然后再用隨機(jī)采樣符合法[6]進(jìn)行特征點(diǎn)對(duì)的精匹配，并進(jìn)行歸一化坐標(biāo)處理，使算法更加穩(wěn)定，最后再用直接線性變換（DLT）算法[7]計(jì)算出準(zhǔn)確穩(wěn)定的投影變換矩陣。再根據(jù)該投影變換矩陣完成圖像變換，從而實(shí)現(xiàn)圖像的配準(zhǔn)定位。整個(gè)算法通過VisualC++6.0語言編程實(shí)現(xiàn)。

　　3.2實(shí)驗(yàn)及結(jié)果對(duì)比

　　下面就用該算法實(shí)現(xiàn)下圖2兩幅人物圖像的配準(zhǔn)。可以看到，下圖2（b）具有明顯的旋轉(zhuǎn)縮放，因此相對(duì)于一般人物圖像增加了難度。圖像存在旋轉(zhuǎn)縮放時(shí)，運(yùn)用文獻(xiàn)8算法進(jìn)行配準(zhǔn)不能得到正確的配準(zhǔn)圖，而實(shí)驗(yàn)驗(yàn)證本文算法能很好地適應(yīng)這種情況，得到穩(wěn)定準(zhǔn)確的配準(zhǔn)圖。首先分別對(duì)這兩幅圖像提取了103和85個(gè)角點(diǎn)，圖3為對(duì)兩幅角點(diǎn)提取圖用雙向最大相關(guān)系數(shù)進(jìn)行粗匹配的結(jié)果，得到了43對(duì)初始匹配對(duì)應(yīng)點(diǎn)，其中出現(xiàn)了偽匹配。再將兩幅圖像對(duì)應(yīng)的粗匹配角點(diǎn)疊加在一幅圖上，匹配成功的角點(diǎn)用線連接。結(jié)果表明仍存在部分偽匹配（與主導(dǎo)方向不一致的連線）。圖4為經(jīng)過隨機(jī)采樣符合法對(duì)粗匹配結(jié)果進(jìn)行提純后得到9對(duì)特征點(diǎn)對(duì)的結(jié)果?？梢钥吹剑切﹤纹ヅ鋵?duì)已經(jīng)被剔除，實(shí)現(xiàn)了特征點(diǎn)對(duì)的正確匹配。再根據(jù)投影變換矩陣對(duì)圖2（a）進(jìn)行逆向映射變換后得到效果很好的配準(zhǔn)圖，如圖5所示。

　　圖2人物角點(diǎn)提取圖

　　Fig.2Cornerextractionintheimagesofperson

　　圖3BGCC算法粗匹配對(duì)

　　Fig.3RoughmatchingbyBGCC

　　圖4RANSAC精匹配對(duì)

　　Fig.4ExactmatchingbyRANSAC

　　圖5人物配準(zhǔn)結(jié)果圖

　　Fig.5Registeredimageofperson

　　為了對(duì)比算法性能，給出定量的評(píng)價(jià)，本文同時(shí)應(yīng)用改進(jìn)前后的配準(zhǔn)算法來對(duì)上面的人物圖像進(jìn)行配準(zhǔn)實(shí)驗(yàn)，原始算法采用無閾值算法提取角點(diǎn)，并在匹配時(shí)沒有進(jìn)行坐標(biāo)的歸一化變換。算法比較如表2所示。

　　表2兩種算法對(duì)比

　　Tab.2Comparisonbetweentwoalgorithms

　　算法提取角點(diǎn)數(shù)/像素粗匹配特征點(diǎn)對(duì)精匹配特征點(diǎn)對(duì)匹配率運(yùn)行時(shí)間/秒變換矩陣

　　原始配準(zhǔn)算法289/214791215%8.214不穩(wěn)定

　　本文改進(jìn)算法103/8543921%1.025相對(duì)穩(wěn)定

　　從表2可以看出，本文的圖像配準(zhǔn)算法與原始算法相比較，在運(yùn)行時(shí)間和匹配率（精匹配與粗匹配特征點(diǎn)對(duì)比值）上都有較大提高，并且采用歸一化坐標(biāo)和DLT算法避免了圖像配準(zhǔn)過程中變換矩陣的不穩(wěn)定導(dǎo)致的錯(cuò)誤匹配，使算法的精度和實(shí)用性大大加強(qiáng)。

　　4結(jié)束語

　　本文設(shè)計(jì)出了一種新的印刷圖像檢測(cè)系統(tǒng)，其相關(guān)程序和算法由DDK結(jié)合VC語言編程實(shí)現(xiàn)。該系統(tǒng)能實(shí)時(shí)采集、處理和分析多通道圖像數(shù)據(jù)，實(shí)現(xiàn)大容量圖像數(shù)據(jù)的傳送和大面積印品圖像的高速度、高精度配準(zhǔn)檢測(cè)，其適應(yīng)性和實(shí)用性更強(qiáng)。該系統(tǒng)的采集卡已制作完成，經(jīng)測(cè)試性能完全達(dá)到設(shè)計(jì)要求。并采用了專用PCI接口控制芯片，簡(jiǎn)化了設(shè)計(jì)工作，縮短了設(shè)計(jì)周期。而且采用現(xiàn)場(chǎng)可編程器件CPLD，實(shí)現(xiàn)了對(duì)PCI、FIFO、虛擬12C、SA7110的控制，使得系統(tǒng)的集成度和自動(dòng)化程度大大提高，檢測(cè)控制周期縮短，人為因素干擾減少。并在圖像配準(zhǔn)時(shí)采用了一種新的算法，并通過實(shí)驗(yàn)驗(yàn)證了該算法的優(yōu)越性。

　　參考文獻(xiàn)

　　[1]龔修瑞，劉昕.印刷品質(zhì)量實(shí)時(shí)檢測(cè)技術(shù)[J].包裝工程，2003，24（6）：45-49.

　　[2]龍姝穎，汪渤，谷重陽(yáng).一種基于CPLD的多通道數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)[J].微計(jì)算機(jī)信息，2006(22)7-2：203-205.

　　[3]徐濤，黃魯，王榮生.一種多PCI卡組成的高速同步圖像獲取系統(tǒng)[J].計(jì)算機(jī)工程與應(yīng)用，2004，2：124-126.

　　[4] C. Harris，M. Stephens. A combined corner and edge detector[C]. Proceedings of the 4th Alvey Vision Conference，UK，1988.147-151.

      [5] Luigi Di Stefano，Stefano Mattoccia，Martino Mola. An efficient algorithm for exhaustive template matching based on normalized cross correlation[C]. Proceedings of the 12th International Conference on Image Analysis and Processing，Los Atamitos CA，USA，2003.322-327.

      [6] Charles V. Stewart. MINPRAN：A new robust estimator for computer vision [J]. IEEE Trans. on Pattern Analysis and Machine Intelligence，1995，17(10) ：925-938.

      [7] Richard Hartley，Andrew Zisserman. Multiple View Geometry in Computer Vision[M]. Cambridge：Cambridge University Press，2003.23-150.

      [8] Zhengyou Zhang，Rachid Deriche，Olivier Faugeras etal. . A robust technique for matching two uncalibrated images through the recovery of the unknown epipolar geometry[R].INRIA Sophia-Antipolis，1994.1-38.

　　聯(lián)系人:牛一帆

　　E-mail:nyf13319224072@163.com

　　手機(jī):13355370980

　　地址:山東省濟(jì)寧市高新區(qū)崇文大道3166號(hào)濟(jì)寧技師學(xué)院基礎(chǔ)部

　　郵編：272000