摘要：為了滿足實際印刷生產(chǎn)中對大面積印品圖像進行高速度、高精度配準檢測的需要，設(shè)計出了一種新的印刷圖像檢測系統(tǒng)。該系統(tǒng)使用多個CCD同步獲取圖像信息，并采用CPLD配合PCI總線的方式實現(xiàn)圖像數(shù)據(jù)的采集和傳輸控制，并在圖像預(yù)處理時采用了一種新的圖像配準算法。系統(tǒng)相關(guān)程序和算法由DDK結(jié)合VC語言編程實現(xiàn)。實驗表明，該系統(tǒng)基本滿足了實時性要求，其圖像配準的速度更快、精度更高、適應(yīng)性更強，具有一定的實用價值。

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

　　中圖分類號：TS801.9文獻標識碼：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問題：如何更快、更準確地評定印刷質(zhì)量。傳統(tǒng)的利用人工檢測印品質(zhì)量的方法由于受主客觀因素的影響，不能保質(zhì)保量地完成檢測任務(wù)。隨著計算機軟硬件的發(fā)展，利用機器視覺和數(shù)字圖像處理技術(shù)來進行印品表面圖像質(zhì)量的自動檢測已變得切實可行[1]。該技術(shù)通過攝像機在線掃描印品圖像，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。為消除噪聲并使標準圖像與待檢測圖像對準，需要將采集到的圖像送入內(nèi)存先通過圖像處理軟件進行去噪、銳化增強、配準定位等預(yù)處理，之后再進行特征提取，匹配檢測，缺陷顯示、分析與存儲工作，進而幫助操作人員找出故障原因，重新進行調(diào)整設(shè)置，以確保缺陷產(chǎn)品不流入市場，從而提高印刷的成品合格率和生產(chǎn)效率。

　　由于單個攝像頭只適于攝取小范圍圖像，為了滿足實際印刷生產(chǎn)中對大面積印品圖像進行高速度、高精度配準檢測的需要，本文設(shè)計出了一種新的印刷圖像檢測系統(tǒng)。該系統(tǒng)采用多個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)用軟件對采集到的圖像數(shù)據(jù)進行實時處理與配準檢測。并采用了一種配準速度更快、配準精度更高的圖像配準新算法。最后通過實驗驗證了該系統(tǒng)在圖像配準速度、配準精度方面的優(yōu)越性及更強的適應(yīng)性。系統(tǒng)相關(guān)的程序和算法由DDK結(jié)合VC語言編程實現(xiàn)。

　　2 系統(tǒng)設(shè)計與開發(fā)

　　本文設(shè)計的印刷圖像檢測系統(tǒng)是由硬件部分和軟件部分組成。硬件部分設(shè)計主要包括四路CCD攝像機圖像采集卡的電路設(shè)計和CPLD的邏輯控制功能設(shè)計；軟件部分設(shè)計包括底層的設(shè)備驅(qū)動程序設(shè)計和上層的應(yīng)用程序設(shè)計，主要完成控制硬件電路實現(xiàn)對四路CCD圖像數(shù)據(jù)的采集，去噪、配準定位等預(yù)處理，特征提取，匹配檢測，缺陷顯示、分析與存儲工作。

　　2.1系統(tǒng)硬件結(jié)構(gòu)設(shè)計

　　硬件部分主要包括圖像采集部分和計算機。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、PCI圖像采集卡組成。其中，照明光源的好壞直接影響到整個檢測系統(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，主要用來實現(xiàn)CCD圖像的采集、緩存和傳輸。采集卡利用S5933通過DMA實現(xiàn)采集數(shù)據(jù)的實時傳輸。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

　　計算機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、配準定位等預(yù)處理，特征提取，匹配檢測，缺陷顯示、分析與存儲工作。

　　其總的工作流程如下：PC機應(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)及同步信號到FIFO數(shù)據(jù)輸入端緩存，當存儲空間將要滿時，向PCI總線控制器發(fā)出中斷請求信號，PCI總線控制器將中斷信號轉(zhuǎn)發(fā)到PCI圖像采集卡，PC機響應(yīng)此中斷信號，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方式快速送入計算機內(nèi)存，由應(yīng)用程序根據(jù)需要對其進行去噪、配準定位等預(yù)處理，特征提取，匹配檢測，缺陷顯示、分析與存儲。

　　2.2系統(tǒng)軟件設(shè)計

　　本系統(tǒng)的軟件設(shè)計包括兩部分：底層的設(shè)備驅(qū)動程序設(shè)計和上層的應(yīng)用程序設(shè)計。對于底層設(shè)備驅(qū)動程序，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)，該程序主要用來實現(xiàn)對PCI接口芯片S5933的相關(guān)底層操作。上層的應(yīng)用程序主要對采集到的圖像進行去噪、配準定位等預(yù)處理，特征提取，匹配檢測，缺陷顯示、分析與存儲，其相關(guān)算法也是由VisualC++6.0語言編程實現(xiàn)。

　　3一種新的圖像配準算法的設(shè)計實現(xiàn)與相關(guān)實驗

　　3.1算法的設(shè)計與實現(xiàn)

　　圖像配準是一種在空間域匹配多幅圖像的處理方法，它使同一場景的多幅圖像中對應(yīng)像素對準到同一物理位置。高精度的圖像配準是印品質(zhì)量檢測的前提，它直接影響到整個檢測工作的成功與否。針對現(xiàn)有圖像配準算法處理圖像時速度較慢、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算法，即改進的Plessey角點檢測算法（原始Plessey角點檢測算法參見文獻4）。角點是圖像像素點在其領(lǐng)域內(nèi)的各個方向上灰度變換值足夠高的點，它是一種非常重要的圖像點特征，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”或“特征點算子”。該算法分為三步：第一，特征點提?。坏诙?，特征點匹配；第三，對應(yīng)到圖像間變換。該算法一方面用一種能夠更準確提取角點的角點響應(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為矩陣對角線元素的和，ε′為一很小的數(shù)，同時利用窗口抑制非最大法[4]、閾值設(shè)置[4]以及邊界模板[4]加快了角點提取的速度和所取角點的合理性，另外采用二次多項式ax2+by2+cxy+dx+ey+f=R(x,y)來逼近角點反應(yīng)函數(shù)R找到角點的亞像素級精確位置。再用雙向最大相關(guān)系數(shù)[5]進行特征點對的粗匹配，然后再用隨機采樣符合法[6]進行特征點對的精匹配，并進行歸一化坐標處理，使算法更加穩(wěn)定，最后再用直接線性變換（DLT）算法[7]計算出準確穩(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，從而實現(xiàn)圖像的配準定位。整個算法通過VisualC++6.0語言編程實現(xiàn)。

　　3.2實驗及結(jié)果對比

　　下面就用該算法實現(xiàn)下圖2兩幅人物圖像的配準?？梢钥吹?，下圖2（b）具有明顯的旋轉(zhuǎn)縮放，因此相對于一般人物圖像增加了難度。圖像存在旋轉(zhuǎn)縮放時，運用文獻8算法進行配準不能得到正確的配準圖，而實驗驗證本文算法能很好地適應(yīng)這種情況，得到穩(wěn)定準確的配準圖。首先分別對這兩幅圖像提取了103和85個角點，圖3為對兩幅角點提取圖用雙向最大相關(guān)系數(shù)進行粗匹配的結(jié)果，得到了43對初始匹配對應(yīng)點，其中出現(xiàn)了偽匹配。再將兩幅圖像對應(yīng)的粗匹配角點疊加在一幅圖上，匹配成功的角點用線連接。結(jié)果表明仍存在部分偽匹配（與主導方向不一致的連線）。圖4為經(jīng)過隨機采樣符合法對粗匹配結(jié)果進行提純后得到9對特征點對的結(jié)果?？梢钥吹?，那些偽匹配對已經(jīng)被剔除，實現(xiàn)了特征點對的正確匹配。再根據(jù)投影變換矩陣對圖2（a）進行逆向映射變換后得到效果很好的配準圖，如圖5所示。

　　圖2人物角點提取圖

　　Fig.2Cornerextractionintheimagesofperson

　　圖3BGCC算法粗匹配對

　　Fig.3RoughmatchingbyBGCC

　　圖4RANSAC精匹配對

　　Fig.4ExactmatchingbyRANSAC

　　圖5人物配準結(jié)果圖

　　Fig.5Registeredimageofperson

　　為了對比算法性能，給出定量的評價，本文同時應(yīng)用改進前后的配準算法來對上面的人物圖像進行配準實驗，原始算法采用無閾值算法提取角點，并在匹配時沒有進行坐標的歸一化變換。算法比較如表2所示。

　　表2兩種算法對比

　　Tab.2Comparisonbetweentwoalgorithms

　　算法提取角點數(shù)/像素粗匹配特征點對精匹配特征點對匹配率運行時間/秒變換矩陣

　　原始配準算法289/214791215%8.214不穩(wěn)定

　　本文改進算法103/8543921%1.025相對穩(wěn)定

　　從表2可以看出，本文的圖像配準算法與原始算法相比較，在運行時間和匹配率（精匹配與粗匹配特征點對比值）上都有較大提高，并且采用歸一化坐標和DLT算法避免了圖像配準過程中變換矩陣的不穩(wěn)定導致的錯誤匹配，使算法的精度和實用性大大加強。

　　4結(jié)束語

　　本文設(shè)計出了一種新的印刷圖像檢測系統(tǒng)，其相關(guān)程序和算法由DDK結(jié)合VC語言編程實現(xiàn)。該系統(tǒng)能實時采集、處理和分析多通道圖像數(shù)據(jù)，實現(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、高精度配準檢測，其適應(yīng)性和實用性更強。該系統(tǒng)的采集卡已制作完成，經(jīng)測試性能完全達到設(shè)計要求。并采用了專用PCI接口控制芯片，簡化了設(shè)計工作，縮短了設(shè)計周期。而且采用現(xiàn)場可編程器件CPLD，實現(xiàn)了對PCI、FIFO、虛擬12C、SA7110的控制，使得系統(tǒng)的集成度和自動化程度大大提高，檢測控制周期縮短，人為因素干擾減少。并在圖像配準時采用了一種新的算法，并通過實驗驗證了該算法的優(yōu)越性。

　　參考文獻

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

　　[2]龍姝穎，汪渤，谷重陽.一種基于CPLD的多通道數(shù)據(jù)采集系統(tǒng)的設(shè)計[J].微計算機信息，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].計算機工程與應(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:13355370980

　　地址:山東省濟寧市高新區(qū)崇文大道3166號濟寧技師學院基礎(chǔ)部

　　郵編：272000