基于BLOB算法的缺陷在線檢測(cè)

1、基于BLOB算法的缺陷在線檢測(cè)    基于BLOB算法的缺陷在線檢測(cè)【摘要】機(jī)器視覺(jué)技術(shù)在工業(yè)在線檢測(cè)中的應(yīng)用逐漸廣泛,Blob分析是機(jī)器視覺(jué)系統(tǒng)中的一個(gè)重要組成部分,為滿足工業(yè)應(yīng)用的實(shí)時(shí)性要求需研究快速高效標(biāo)記算法。本文對(duì)圖像匹配和Blob分析算法進(jìn)行了研究。提出了一種基于連通區(qū)域標(biāo)記的快速Blob分析方法,算法使用游程鏈表和動(dòng)態(tài)數(shù)組的方法,只需掃描圖像一次,并且無(wú)需建立等價(jià)表和進(jìn)行等價(jià)標(biāo)記合并,解決了現(xiàn)有算法中的標(biāo)記冗余現(xiàn)象。實(shí)驗(yàn)結(jié)果表明,該算法對(duì)于任意復(fù)雜形狀、任意數(shù)目的Blob區(qū)域都能正確檢測(cè)并計(jì)算參數(shù),并且具有很快的速度和很好的穩(wěn)定性?！娟P(guān)鍵詞

2、】 印刷缺陷； 在線檢測(cè)； Blob算法；AbstractMachine vision technology is widely used in the on-line inspection system in the industry field.Blob analysis is an important part of machine vision system.Fast and efficient Blob analysis is needed to meet real-time demands in industrial applications. image matching and

3、 Blob analysis algorithm were researched.this paper  presented a fast algorithm for blob analysis based on connected components labeling, the algorithm used the method of run-lists and dynamic array, performed just a single scan, neednt to build equivalences table and to unite equivalent labels

4、, in this way, resolved label redundancies in conventional algorithms. Experiments showed that with faster speed and good stability, it could correctly detect any blob regions with complicated shapes and random numbers, and computed blobs features.【Key words】 printing defect； on-line detection； Blob

5、 algorithm；在計(jì)算機(jī)視覺(jué)與圖像處理中, BLOB的概念是指具有相似圖像特征(如顏色、紋理等) ,而且在空間上是連通的像素組成的塊。BLOB分析已經(jīng)廣泛應(yīng)用于工業(yè)檢測(cè)(表面貼裝電子元器件的視覺(jué)檢測(cè)) 、生物醫(yī)學(xué)(如細(xì)胞) 、食品生產(chǎn)線(如餅干)的品質(zhì)檢測(cè)、農(nóng)產(chǎn)品(稻谷的缺陷檢測(cè))及表面缺陷在線檢測(cè)等應(yīng)用領(lǐng)域。隨著印刷技術(shù)的不斷提高, 目前膠印生產(chǎn)中已經(jīng)實(shí)現(xiàn)了自動(dòng)化和數(shù)字化,印刷品質(zhì)量的全畫面在線檢測(cè)中, 要求能對(duì)印刷過(guò)程中印刷品出現(xiàn)的各種缺陷進(jìn)行準(zhǔn)確識(shí)別和判斷, 并把得到的信息及時(shí)反饋給印刷機(jī)及相應(yīng)的控制系統(tǒng), 對(duì)印刷機(jī)進(jìn)行適當(dāng)調(diào)整, 以實(shí)現(xiàn)對(duì)印刷過(guò)程的實(shí)時(shí)控制。筆者在基于數(shù)字圖像處理

6、的機(jī)器視覺(jué)檢測(cè)的基礎(chǔ)上, 采用BLOB算法成功檢測(cè)和顯示缺陷位置、面積、類型等特征參數(shù), 實(shí)現(xiàn)全畫面的膠印質(zhì)量在線檢測(cè), 滿足了快速發(fā)展的膠印技術(shù)的要求, 保證印品總體質(zhì)量, 避免了不必要的浪費(fèi)。基于機(jī)器視覺(jué)的研究，國(guó)內(nèi)己經(jīng)做了不少工作，但大都是算法研究，或者是實(shí)驗(yàn)研究，很少應(yīng)用到工業(yè)場(chǎng)合。陳燕等進(jìn)行了機(jī)器視覺(jué)中高速圖像處理算法研究及FPGA實(shí)現(xiàn)。楊海濤等研究了機(jī)器視覺(jué)檢測(cè)算法并且進(jìn)行了實(shí)現(xiàn)，魯繼文、張二虎4研究了印刷品缺陷檢測(cè)中圖像處理算法的應(yīng)用，魯鎮(zhèn)惡、謝勇5對(duì)印刷品外觀缺陷機(jī)器視覺(jué)的檢測(cè)與識(shí)別進(jìn)行了研究，取得了一定的成果。BLOB分析的核心是連通區(qū)域檢測(cè)算法，目前的算法根據(jù)處理方法大致可

7、以分為兩類:基于像素掃描的方法和基于游程編碼的方法?；谙袼氐臉?biāo)記方法比較有代表性的是遞歸法，和兩次掃描法。遞歸法掃描圖像，找到?jīng)]有標(biāo)記的x點(diǎn)，給它分配一個(gè)新的標(biāo)記L，遞歸分配標(biāo)記L給X點(diǎn)的鄰點(diǎn)，直到所有點(diǎn)都有標(biāo)記。這種方法需要反復(fù)的掃描圖像，空間復(fù)雜度和時(shí)間復(fù)雜度都很高。兩次掃描法對(duì)上面的方法進(jìn)行了改進(jìn):第一次掃描，對(duì)所有連通區(qū)域進(jìn)行臨時(shí)標(biāo)記，同時(shí)用等價(jià)表來(lái)記錄所有標(biāo)記冗余；第二次掃描等價(jià)表，利用特定的搜索算法，進(jìn)行等價(jià)標(biāo)記合并。基于游程編碼的方法首先對(duì)二值圖像進(jìn)行游程編碼，然后對(duì)編碼后的圖像進(jìn)行連通區(qū)域標(biāo)記，同樣利用等價(jià)表，來(lái)記錄標(biāo)記冗余，該方法能有效地壓縮圖像，使得搜索空間變小，從而降低

8、了算法搜索的空間復(fù)雜度。利用等價(jià)表記錄標(biāo)記冗余，避免了重復(fù)掃描連通區(qū)域，但是，在圖像中連通區(qū)域數(shù)目很大或者連通區(qū)域形狀很復(fù)雜時(shí)，標(biāo)記冗余現(xiàn)象嚴(yán)重，等價(jià)表結(jié)構(gòu)復(fù)雜，搜索等價(jià)表進(jìn)行等價(jià)標(biāo)記合并的算法耗時(shí)很長(zhǎng)。在工業(yè)環(huán)境下采集的圖像由于噪聲、光照等原因，采集的圖像經(jīng)過(guò)二值化處理后存在很多噪聲，基于等價(jià)表的算法非常耗時(shí)，而且當(dāng)噪聲很嚴(yán)重時(shí)算法很不穩(wěn)定，很難應(yīng)用到工業(yè)視覺(jué)檢測(cè)中。1.BLOB分析算法BLOB分析是計(jì)算機(jī)視覺(jué)和圖像理解的一個(gè)很重要的組成部分，在對(duì)圖像中物體的位置、形狀和大小幾乎沒(méi)有任何先驗(yàn)知識(shí)的情況下可以很方便的定位物體，計(jì)算物體的各種幾何特征，從而可以根據(jù)這些特征對(duì)物體進(jìn)行選擇和分類。缺

9、陷檢測(cè)是在待檢樣張和標(biāo)準(zhǔn)樣張匹配完成的基礎(chǔ)上進(jìn)行的, 因此如何快速準(zhǔn)確判斷缺陷是否存在以及得到缺陷的具體特征信息, 是要解決的主要問(wèn)題。程序分區(qū)比較像素差異, 并運(yùn)用Blob 算法對(duì)有差異區(qū)域的參數(shù)分析, 從而正確區(qū)分點(diǎn)、線、面缺陷。從視覺(jué)角度看, 不管是形狀缺陷還是顏色缺陷, 都是待檢印品畫面與標(biāo)準(zhǔn)樣張的不同之處, 而最終人眼都是通過(guò)顏色的不同進(jìn)行判斷,為了更接近人眼的視覺(jué)判斷, 同時(shí)減少顏色的損失,本文提出一種適合工業(yè)應(yīng)用的快速高效的Blob分析方法,主要思想是將動(dòng)態(tài)數(shù)組引入到連通區(qū)域標(biāo)記算法中,通過(guò)動(dòng)態(tài)鏈表存儲(chǔ)相鄰兩行的游程信息,通過(guò)分析游程節(jié)點(diǎn)間連通性,將游程節(jié)點(diǎn)進(jìn)行標(biāo)記. 算法每次只

10、處理相鄰的兩行圖像數(shù)據(jù),只需一次掃描圖像就能完成所有連通區(qū)域的標(biāo)記. 由于拋棄了等價(jià)表,回避了通過(guò)建立等價(jià)表來(lái)解決標(biāo)記冗余的步驟,從而大大提高了算法的計(jì)算速度。2.游程很顯然，在連通區(qū)域標(biāo)記過(guò)程中判斷所有像素點(diǎn)的做法是沒(méi)有效率的。游程將一系列重復(fù)的象素點(diǎn)值使用該值和一個(gè)計(jì)數(shù)值進(jìn)行表示，例如數(shù)據(jù)0A，0A，0A，0A，0A，0A，0A，0B，0B，0B，0B，0B，可表示為07，0A，05，0B，只需要4Byte即可。同時(shí)，在連通區(qū)域標(biāo)記時(shí)，無(wú)需判斷全部這12個(gè)像素的連通性，只需判斷兩個(gè)游程之間的連通性。與常規(guī)的游程數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)不同，我們采用了圖4-l所示的方式。在這一結(jié)構(gòu)方式中共有5個(gè)信息域，

11、其中Known為游程標(biāo)志位，如果此游程已經(jīng)被標(biāo)記過(guò)則known=1；否則 known=0；index為游程在本行中的索引，記錄游程在本行中的位置信息，start為游程的起始坐標(biāo)，end為終止坐標(biāo)，value為游程中像素的灰度值。Known Index Start End Value                      圖1  游程存

12、儲(chǔ)結(jié)構(gòu)3.動(dòng)態(tài)數(shù)組在 BLOB分析中的應(yīng)用通過(guò)在圖像中尋找一個(gè)或多個(gè)相似灰度的“斑點(diǎn)”，并將這些“斑點(diǎn)”按照四鄰域或者八鄰域方式進(jìn)行連通分析，就可以形成一個(gè)BLOB單元。通過(guò)對(duì)Blob單元進(jìn)行圖形特征分析，可以將單純的圖案灰度信息迅速轉(zhuǎn)化為圖案的形狀信息，包括圖形質(zhì)心、圖形面積、圖形周長(zhǎng)、圖形外接最小矩形以及其他圖形信息，這種方法叫斑點(diǎn)分析算法，也稱為BLOB分析算法 (BLOB Analysis)，常用于對(duì)目標(biāo)圖像進(jìn)行圖形特征提取和分類。BLOB分析算法在缺陷檢測(cè)領(lǐng)域中扮演著重要的角色，在很多工業(yè)領(lǐng)域都有應(yīng)用。圖像處理一般數(shù)據(jù)量都較大，使用靜態(tài)數(shù)組往往需要很大的內(nèi)存空間，定義數(shù)組的大小也是個(gè)

13、難題，引入動(dòng)態(tài)數(shù)組可以很好的解決這些難題。下面以BLOB分析為例，說(shuō)明用動(dòng)態(tài)數(shù)組在圖像分析中的應(yīng)用。在基于機(jī)器視覺(jué)的印刷圖像缺陷檢測(cè)系統(tǒng)中，得到2048*2000的二值圖像，對(duì)于圖像中的BLOB區(qū)域，每個(gè)BLOB都有很多屬性。包括中心、面積、周長(zhǎng)、外接矩形、矩、長(zhǎng)軸、短軸、圓形度等。所以可以看到以下幾個(gè)特點(diǎn)：(l)圖像文件大，BLOB區(qū)域多，需要處理的數(shù)據(jù)量大；(2)每個(gè)BLOB的特征屬性值較多，導(dǎo)致需要存儲(chǔ)處理的數(shù)據(jù)非常復(fù)雜，每一步都可能產(chǎn)生大量數(shù)據(jù)，并可能需要存儲(chǔ)，以再利用。為了解決上面的問(wèn)題，算法使用了C+標(biāo)準(zhǔn)庫(kù)中的標(biāo)準(zhǔn)容器類std:vector<>來(lái)管理動(dòng)態(tài)數(shù)組， Type

14、def std:vector<CBlob*> Blob_vector;Blob_ vector是CBlob類對(duì)象指針容器，用來(lái)容納指向CBlob類對(duì)象的指針。這樣可以方便的進(jìn)行鏈表節(jié)點(diǎn)間的添加、刪除、插入等操作。CBlob類中封裝了計(jì)算Blob屬性的函數(shù)。4.算法流程算法按照從上到下、從左到右的順序掃描圖像,每次只處理圖像中相鄰的兩行數(shù)據(jù),為圖像設(shè)計(jì)兩個(gè)動(dòng)態(tài)鏈表ThisRow和LastRow,分別指向當(dāng)前行和上一行的所有游程節(jié)點(diǎn). 判斷ThisRow中各游程節(jié)點(diǎn)與上一行LastRow中各游程節(jié)點(diǎn)間的連通關(guān)系,連通區(qū)域標(biāo)記就轉(zhuǎn)化成分析動(dòng)態(tài)鏈表中游程節(jié)點(diǎn)的連通性. 若連通,則將此游程歸

15、并到LastRow游程所屬的Blob類中;否則,為該游程分配新的Blob類.算法中使用動(dòng)態(tài)數(shù)組建立B lob類,效率很高。圖2 傳統(tǒng)算法與本文算法的時(shí)間對(duì)比圖像 大小 Blob數(shù) A  B C Da  495 ×488  254  211  104  59  11b  768 ×576  391  5 134  574  205  63c  768 ×576  148

16、 1 545  209  87  34d  632 ×476  72  1 254 160 71  33得到Blob區(qū)域后,就要計(jì)算其特征參數(shù),包括中心坐標(biāo)、面積、周長(zhǎng)、長(zhǎng)/寬比及矩等. 它們的計(jì)算方法比較簡(jiǎn)單,比如計(jì)算B lob區(qū)域的中心坐標(biāo)X ,只需要將所有游程列坐標(biāo)相加最后除以這個(gè)Blob區(qū)域總的像素?cái)?shù);對(duì)于中心坐標(biāo)Y,首先計(jì)算每個(gè)游程的長(zhǎng)度與其所在行數(shù)的乘積,然后將所有的乘積加起來(lái),最后除以總的像素?cái)?shù). Blob區(qū)域的面積是所有屬于這個(gè)Blob的游程所代表的像素?cái)?shù)目之和,其他有

17、關(guān)特征參數(shù)的詳細(xì)計(jì)算可以參考文獻(xiàn)。通過(guò)對(duì)比實(shí)驗(yàn)數(shù)據(jù)，得到如下實(shí)驗(yàn)結(jié)論:(1)在工業(yè)環(huán)境下，由于光照不均等各方面原因，圖像噪聲嚴(yán)重，基于等價(jià)表的方法耗時(shí)很長(zhǎng)，無(wú)法滿足實(shí)時(shí)性要求。本文算法對(duì)噪聲不敏感，比傳統(tǒng)算法速度更快，能夠滿足工業(yè)在線檢測(cè)的實(shí)時(shí)性要求。(2)傳統(tǒng)算法無(wú)法準(zhǔn)確標(biāo)記圖像中形狀復(fù)雜的Blob區(qū)域中的內(nèi)洞無(wú)法檢測(cè)，而且對(duì)噪聲非常敏感。本文算法具有很好的魯棒性，在圖像較大，連通區(qū)域較多，以及連通區(qū)域形狀復(fù)雜，有內(nèi)洞等情況下都能準(zhǔn)確地檢測(cè)連通區(qū)域，而且速度很快。5.總結(jié)在基于數(shù)字圖像處理的機(jī)器視覺(jué)檢測(cè)基礎(chǔ)上, 采用Blo b 算法結(jié)合缺陷特征, 能夠準(zhǔn)確檢測(cè)出印刷缺陷, 并將其歸類為點(diǎn)、線

18、、面3 種類型?？梢酝ㄟ^(guò)設(shè)定分區(qū)數(shù)和色差閾值E, 完成對(duì)不同精度印刷品的檢測(cè)。參考文獻(xiàn)：1 賈云得編著. 機(jī)器視覺(jué)M. 科學(xué)出版社, 20002 (美)RafaelC.Gonzalez,(美)RichardE.Woods,(美)StevenL.Eddins著,阮秋琦等譯. 數(shù)字圖像處理M. 電子工業(yè)出版社, 2005 3 劉武輝等編著. 印刷色彩學(xué)M. 化學(xué)工業(yè)出版社, 20044 陳亞軍,張二虎.   基于圖像處理的印刷缺陷在線檢測(cè)系統(tǒng)研究J. 包裝工程. 2005年06期 5 魯繼文,張二虎,段剛龍.   基于圖像處理的印品質(zhì)量在線檢測(cè)J. 印刷雜志. 2005年02期 6 徐利華,陳早生.   二值圖像中的游程編碼區(qū)域標(biāo)記J. 光電工程. 2004年06期7 Krystian Mikolajczyk,Cordelia Schmid.   Scale & Affine Invariant Interest Point DetectorsJ 2004,(1):6386 8 Cordelia Schmid,