CN113506297B - 基于大数据处理的印刷数据识别方法 - Google Patents

基于大数据处理的印刷数据识别方法 Download PDF

Info

Publication number
CN113506297B
CN113506297B CN202111063256.3A CN202111063256A CN113506297B CN 113506297 B CN113506297 B CN 113506297B CN 202111063256 A CN202111063256 A CN 202111063256A CN 113506297 B CN113506297 B CN 113506297B
Authority
CN
China
Prior art keywords
connected domain
image
label
printing
domain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111063256.3A
Other languages
English (en)
Other versions
CN113506297A (zh
Inventor
葛峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong Tiancheng Packaging Co ltd
Original Assignee
Nantong Tiancheng Packaging Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong Tiancheng Packaging Co ltd filed Critical Nantong Tiancheng Packaging Co ltd
Priority to CN202111063256.3A priority Critical patent/CN113506297B/zh
Publication of CN113506297A publication Critical patent/CN113506297A/zh
Application granted granted Critical
Publication of CN113506297B publication Critical patent/CN113506297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30144—Printing quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于大数据处理的印刷数据识别方法，方法包括以下步骤，步骤一：使用语义分割技术将采集到的RGB图像分割得到印刷品图像；步骤二：对标准图像和印刷图像进行处理，得到各自的图像描述；步骤三：对比标准图像与印刷图像的图像描述，判断印刷异常的情况。本发明与现有技术相比，其有益效果为：本发明先通过边缘检测提取图案内的边缘，再利用各个连通域描述的变化差异来进行缺陷检测，避免了光照的干扰，提高了结果的可靠性，通过使用图像内容的连通域描述来判断异常，而非对应像素的响应值。

Description

基于大数据处理的印刷数据识别方法
技术领域
本发明涉及大数据处理领域，尤其涉及一种基于大数据处理的印刷数据识别方法。
背景技术
现有的对印刷品缺陷检测的方法除主观目测方法之外，往往是将待检测的印刷品数据与标准模板数据进行对比分析，比如色度检测法中将一束光投射到印刷品上，通过仪器获取颜色的三刺激值，换算成可以对比的数值，然后与样本的值比对，出现异常的地方即为存在缺陷的位置；以及基于图像的将拍摄图像与标准图像做差对比，但这些方法容易受到光照等因素的干扰，最终都会导致结果不准确。因为很多时候标准模板都只是电子版文件，不受环境的干扰，而印刷出的产品其图像是通过相机真实采集获得的，而真实场景中的光源强度、方向等都是随机的，所以直接比较时，很容易受到光照影响，即难以确定差异的地方是真实的印刷缺陷，还是光照的差异。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于大数据处理的印刷数据识别方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于大数据处理的印刷数据识别方法，该方法包括以下步骤，步骤一：使用语义分割技术将采集到的RGB图像分割得到印刷品图像；步骤二：对标准图像和印刷图像进行处理，得到各自的图像描述；步骤三：对比标准图像与印刷图像的图像描述，判断印刷异常的情况。
进一步，所述步骤二具体为：对印刷品图像进行边缘检测，获得对应的边缘图像；提取边缘图像内闭合的连通域；由连通域分析来获得其描述；连通域描述组合得到该印刷品图像的描述。
进一步，对印刷品图像进行边缘检测，获得对应的边缘图像具体包括：输入印刷图像，将图像灰度化处理后，使用Canny算子对图像进行边缘检测，得到梯度边缘，即为印刷区域中图案的边缘。
进一步，提取边缘图像内闭合的连通域具体包括：对印刷区域中图案的边缘使用种子填充法进行连通域分析，得到具有不同标签的连通域
Figure DEST_PATH_IMAGE002
，并得到最大的标签号的值
Figure DEST_PATH_IMAGE004
，即总共的数量。
进一步，由连通域分析来获得其描述具体为：设置初始参数，印刷图像的各连通域
Figure DEST_PATH_IMAGE002A
（共
Figure DEST_PATH_IMAGE004A
个）分别设置对应的初始值，包括像素个数N=0，层数L=0。极限坐标：
Figure DEST_PATH_IMAGE006
；
由于不同图像的像素大小不同，故而连通域的面积参数用该连通域的像素个数与整个图像的总像素个数的比值来表示，即该连通域面积参数S：
Figure DEST_PATH_IMAGE008
；
式中，N为连通域的像素个数，
Figure DEST_PATH_IMAGE010
为整个图像的像素个数；
逐行遍历图像的像素点，获得：图像中每行的像素点都有其对应的连通域标签，形式如下：
Figure DEST_PATH_IMAGE012
；其中0为背景像素即非连通域像素，0之外的数字为对应连通域的标签号，对标签值进行处理，获得该行下连通域的层次信息，由于一个连通域是一个闭合区域，所以在图像的一行像素上从左到右遍历时，它的标签号要至少出现两次，第一次为开始进入这个连通域，第二次为离开这个连通域，存在嵌套结构的连通域，必然是大连通域包含小连通域，所以连通域的嵌套层数一旦确定是不会改变的，如果
Figure DEST_PATH_IMAGE014
，表示对应连通域的嵌套层数未确定，当
Figure DEST_PATH_IMAGE016
时，不需要更改L的值，设置一个临时变量C=0，从左向右进行遍历，记录第一个非0数字，上述序列中对应的数字为1，其对应的C设置为1，此由于标签号为1的连通域的嵌套层数
Figure DEST_PATH_IMAGE014A
，所以对应的连通域的嵌套层数L的值更新为C，表示该连通域的最大嵌套层数为1，此时记录下的非0标签序列为
Figure DEST_PATH_IMAGE018
；第二个非0数字，上述序列中对应的数字为3，已记录的标签序列中不存在数字3，记录该数字，所得标签序列为
Figure DEST_PATH_IMAGE020
，此时令
Figure DEST_PATH_IMAGE022
，表示进入更深一层的嵌套连通区域中，由于标签号为3的连通域最大嵌套层次
Figure DEST_PATH_IMAGE014AA
,更新
Figure DEST_PATH_IMAGE024
，表示标签号为3的连通域的最大嵌套层数为2；第三个非0数字为2，不在已记录的非0标签序列内，将数字2记录进标签序列，此时的非0数字标签序列为
Figure DEST_PATH_IMAGE026
，由于标签号2的连通域的嵌套层数
Figure DEST_PATH_IMAGE014AAA
，令
Figure DEST_PATH_IMAGE028
，表示标签号为2的连通域的最大嵌套层数为3；继续遍历，第四个遍历的非0数字为2，由于之前记录的数字序列
Figure DEST_PATH_IMAGE026A
中已经存在2，表示标签为2的连通域遍历已经结束，不再将其记录进标签序列。令C减1，此时C=2，即此时遍历的像素点位于嵌套层次为2的连通域中，以此类推，每遇到一个新的连通域，即记录的非0数字标签序列中不存在的标签号，使C加1，表示进入到更深一层的嵌套区域中；每离开一个连通域，令C减1，表示回到上一层的嵌套区域中；另外，在每次对C进行加1操作时，需要判断对应标签号的嵌套层次L是否为0，直到遍历完该行像素，每遍历一个带标签的像素点，就使对应标签的像素个数
Figure DEST_PATH_IMAGE030
；比较带标签的像素点坐标
Figure DEST_PATH_IMAGE032
与已有的
Figure DEST_PATH_IMAGE034
，若
Figure DEST_PATH_IMAGE036
,则
Figure DEST_PATH_IMAGE038
，否则
Figure DEST_PATH_IMAGE040
保持不变；若
Figure DEST_PATH_IMAGE042
,则
Figure DEST_PATH_IMAGE044
，否则
Figure DEST_PATH_IMAGE046
保持不变；对
Figure DEST_PATH_IMAGE048
同理；遍历结束后，得到中心点坐标
Figure DEST_PATH_IMAGE050
，其中
Figure DEST_PATH_IMAGE052
；得到
Figure DEST_PATH_IMAGE054
,以及各自的嵌套层数L；计算各个连通域整体特征值
Figure DEST_PATH_IMAGE056
,用连通域中心点坐标到原点距离以及连通域面积表示：
Figure DEST_PATH_IMAGE058
；
得到每个连通域
Figure DEST_PATH_IMAGE002AA
的描述情况
Figure DEST_PATH_IMAGE060
。
进一步，连通域描述组合得到该印刷品图像的描述具体为：整个图像的描述表现为
Figure DEST_PATH_IMAGE062
;
同理，对标准图像重复上述操作，得到标准图像的图像描述数据
Figure DEST_PATH_IMAGE064
；
其中
Figure DEST_PATH_IMAGE066
为标准图像中的连通域，
Figure DEST_PATH_IMAGE068
为连通域个数。
进一步，步骤三具体为：遍历标准图像和印刷图像的连通域，将其按照层数
Figure DEST_PATH_IMAGE070
进行分组，并分别计算各个层级对应的个数；比较标准图像和印刷图像各个层级的对应个数，个数一致为正常情况，个数不一致的层级需要对该层级内的连通域进一步检测：设置标准图像中的对应连通域标志
Figure DEST_PATH_IMAGE072
，整体特征值差距
Figure DEST_PATH_IMAGE074
;印刷图像中的对应连通域标志
Figure DEST_PATH_IMAGE076
;寻找该层级各连通域之间对应关系：查找印刷图像某个连通域与标准图像中各个连通域的整体特征值
Figure DEST_PATH_IMAGE056A
之间的差值:
Figure DEST_PATH_IMAGE078
差值最小，即
Figure DEST_PATH_IMAGE080
时，对相关的两个连通域即为印刷图像对应标签号
Figure DEST_PATH_IMAGE082
的对应连通域
Figure DEST_PATH_IMAGE084
与标准图像对应标签号
Figure DEST_PATH_IMAGE086
的对应的连通域；
若标准图像连通域标志
Figure DEST_PATH_IMAGE072A
，表示此时的标准图像中的连通域无对应连通域，记
Figure DEST_PATH_IMAGE088
；
若标准图像连通域标志
Figure DEST_PATH_IMAGE090
，
Figure DEST_PATH_IMAGE092
,表示标准图像中的该连通域当前在印刷图像中已存在一个对应连通域
Figure DEST_PATH_IMAGE094
，比较该标准图像连通域的
Figure DEST_PATH_IMAGE096
与对应连通域
Figure DEST_PATH_IMAGE084A
对应的差值
Figure DEST_PATH_IMAGE098
的大小：
若
Figure DEST_PATH_IMAGE100
, 更新
Figure DEST_PATH_IMAGE102
的值,令
Figure DEST_PATH_IMAGE104
；
若
Figure DEST_PATH_IMAGE106
，获得该印刷图像中的对应连通域
Figure DEST_PATH_IMAGE094A
与标准图像连通域的面积差距；获得对应连通域
Figure DEST_PATH_IMAGE084AA
与标准图像连通域的面积差距，如果对应连通域
Figure DEST_PATH_IMAGE084AAA
对应的面积差距较小，则更新
Figure DEST_PATH_IMAGE102A
的值；否则不更新
Figure DEST_PATH_IMAGE102AA
的值；
若
Figure DEST_PATH_IMAGE108
,则不更新
Figure DEST_PATH_IMAGE102AAA
的值；遍历结束后，印刷图像中连通域的对应连通域标志
Figure DEST_PATH_IMAGE110
存在两种情况：
Figure DEST_PATH_IMAGE112
;
Figure DEST_PATH_IMAGE076A
: 表示该连通域在标准图像中不存在对应连通域，即缺陷区域，这种缺陷存在的位置为图案内部和图案外部空白区域，前者嵌套层次较多，不影响印刷产品的整体内容，故其缺陷影响程度较小，而后者的后者程度较大，所以该区域缺陷的整体影响情况
Figure DEST_PATH_IMAGE114
为：
Figure DEST_PATH_IMAGE116
Figure DEST_PATH_IMAGE118
: 在标准图像中存在对应连通域，比较二者之间的面积差距，由于存在统计误差，误差在标准图像总面积的3%以内均为正常，超过3%的认为存在异常,存在图案缺印或多印的状况，则这些区域的缺陷整体影响情况为
Figure DEST_PATH_IMAGE120
，表示如下：
Figure DEST_PATH_IMAGE122
综上所述，印刷图像整体存在的缺陷
Figure DEST_PATH_IMAGE124
为：
Figure DEST_PATH_IMAGE126
。
本发明与现有技术相比，其有益效果为：本发明先通过边缘检测提取图案内的边缘，再利用各个连通域描述的变化差异来进行缺陷检测，避免了光照的干扰，提高了结果的可靠性，通过使用图像内容的连通域描述来判断异常，而非对应像素的响应值。
附图说明
图1为系统流程图；
图2为连通域标签形式图；
图3为嵌套示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
参见图1。本发明的主要目的是检测印刷品存在缺陷；主要针对连通域比较少的海报等印刷品。
步骤一：使用语义分割技术，提取采集到的RGB图像中的印刷图像；首先需要使用DNN来识别采集图像中的印刷品，即采集图像中有背景等复杂工况，同时也有待判断印刷品。通过语义分割技术分理出待检测图像：输入相机采集到的印刷纸张的图像，使用DNN网络对其进行语义分割，网络结构为Encoder-Decoder结构，数据集为各种类型的印刷纸张图像；标签分为两类，印刷产品和背景。该方式为像素级分类，即需要给图像中所有像素标注上对应的标签。属于印刷纸张的像素，其值标注为1，属于背景的像素，其值标注为0；网络所用的loss函数为交叉熵损失函数。得到印刷品连通域后进行下面操作：以语义分割得到的结果为遮罩，从RGB图像中提取出对应的印刷品图像。根据遮罩的长轴和短轴夹角，进行图像的旋转。得到转正后的印刷品图像。该部分的遮罩分割，旋转为现有惯用技术。
至此，步骤一完成，能够实现从采集的RGB图像中分割出印刷品图像。
步骤二：对标准图像和印刷图像进行连通域分析，得到各自的图像描述，光照的变化很容易带来图像内像素值的变化，所以为了避免光照的影响，本发明需要不使用灰度值来得到图像的描述。本发明获得印刷品描述的过程为：对印刷品图像进行边缘检测，获得对应的边缘图像。提取边缘图像内闭合的连通域。由连通域分析来获得其描述。连通域描述组合得到该印刷品图像的描述。
对印刷品图像进行边缘检测，获得对应的边缘图像：输入印刷图像，将图像灰度化处理后，使用Canny算子对图像进行边缘检测，得到梯度边缘，即为印刷区域中图案的边缘；
提取边缘图像内闭合的连通域：对上一步所得结果使用Seed Filling（种子填充法）进行连通域分析，得到具有不同标签（label）的连通域
Figure DEST_PATH_IMAGE002AAA
，并得到最大的标签号的值
Figure DEST_PATH_IMAGE004AA
（即总共的数量），连通域标签形式如图2所示。原理：https://blog.csdn.net/liangchunjiang/article/details/79431339。
由连通域分析来获得其描述 ：设置初始参数，首先，印刷图像的各连通域
Figure DEST_PATH_IMAGE002AAAA
（共
Figure DEST_PATH_IMAGE004AAA
个）分别设置对应的初始值，包括像素个数N=0，层数L=0。极限坐标：
Figure DEST_PATH_IMAGE006A
；由于不同图像的像素大小不同，故而连通域的面积参数用该连通域的像素个数与整个图像的总像素个数的比值来表示，即该连通域面积参数S：
Figure DEST_PATH_IMAGE008A
式中，N为连通域的像素个数，
Figure DEST_PATH_IMAGE010A
为整个图像的像素个数。
逐行遍历图像的像素点，获得：图像中每行的像素点都有其对应的连通域标签，形式如下：
Figure DEST_PATH_IMAGE012A
其中0为背景（非连通域）像素，0之外的数字为对应连通域的标签号。对标签值进行处理，获得该行下连通域的层次信息。由于一个连通域是一个闭合区域，所以在图像的一行像素上从左到右遍历时，它的标签号要至少出现两次，第一次为开始进入这个连通域，第二次为离开这个连通域。此外，存在嵌套结构的连通域，必然是大连通域包含小连通域，所以连通域的嵌套层数一旦确定是不会改变的，如果
Figure DEST_PATH_IMAGE014AAAA
，表示对应连通域的嵌套层数未确定，当
Figure DEST_PATH_IMAGE016A
时，不需要更改L的值。首先，设置一个临时变量C=0，从左向右进行遍历，记录第一个非0数字，上述序列中对应的数字为1，其对应的C设置为1，此时，由于标签号为1的连通域的嵌套层数
Figure DEST_PATH_IMAGE014_5A
，所以对应的连通域的嵌套层数L的值更新为C，表示该连通域的最大嵌套层数为1，此时记录下的非0标签序列为
Figure DEST_PATH_IMAGE018A
；第二个非0数字，上述序列中对应的数字为3，已记录的标签序列中不存在数字3，记录该数字，所得标签序列为
Figure DEST_PATH_IMAGE020A
，此时令
Figure DEST_PATH_IMAGE022A
，表示进入更深一层的嵌套连通区域中，由于标签号为3的连通域最大嵌套层次
Figure DEST_PATH_IMAGE014_6A
,更新
Figure DEST_PATH_IMAGE024A
，表示标签号为3的连通域的最大嵌套层数为2；同理，第三个非0数字为2，不在已记录的非0标签序列内，将数字2记录进标签序列，此时的非0数字标签序列为
Figure DEST_PATH_IMAGE026AA
，由于标签号2的连通域的嵌套层数
Figure DEST_PATH_IMAGE014_7A
，令
Figure DEST_PATH_IMAGE028A
，表示标签号为2的连通域的最大嵌套层数为3；继续遍历，第四个遍历的非0数字为2，由于之前记录的数字序列
Figure DEST_PATH_IMAGE026AAA
中已经存在2，表示标签为2的连通域遍历已经结束，不再将其记录进标签序列。令C减1，此时C=2，即此时遍历的像素点位于嵌套层次为2的连通域中。以此类推，每遇到一个新的连通域，即记录的非0数字标签序列中不存在的标签号，使C加1，表示进入到更深一层的嵌套区域中；每离开一个连通域，令C减1，表示回到上一层的嵌套区域中；另外，在每次对C进行加1操作时，需要判断对应标签号的嵌套层次L是否为0，直到遍历完该行像素。整个流程如下图3所示。
每遍历一个带标签的像素点，就使对应标签的像素个数
Figure DEST_PATH_IMAGE030A
；比较该带标签的像素点坐标与已有的
Figure DEST_PATH_IMAGE034A
进行比较，比如：某遍历的标签像素点坐标为
Figure DEST_PATH_IMAGE032A
，若
Figure DEST_PATH_IMAGE036A
,则
Figure DEST_PATH_IMAGE038A
，否则
Figure DEST_PATH_IMAGE040A
保持不变；若
Figure DEST_PATH_IMAGE042A
,则
Figure DEST_PATH_IMAGE044A
，否则
Figure DEST_PATH_IMAGE046A
保持不变；对
Figure DEST_PATH_IMAGE048A
同理；遍历结束后，得到中心点坐标
Figure DEST_PATH_IMAGE050A
，其中
Figure DEST_PATH_IMAGE052A
；得到
Figure DEST_PATH_IMAGE054A
,以及各自的嵌套层数L；计算各个连通域整体特征值
Figure DEST_PATH_IMAGE056AA
,用连通域中心点坐标到原点距离以及连通域面积表示：
Figure DEST_PATH_IMAGE058A
得到每个连通域
Figure DEST_PATH_IMAGE002_5A
的描述情况
Figure DEST_PATH_IMAGE060A
;
连通域描述组合得到该印刷品图像的描述：则整个图像的描述表现为
Figure DEST_PATH_IMAGE062A
;
同理，对标准图像重复上述操作，得到标准图像的图像描述数据
Figure DEST_PATH_IMAGE064A
；
其中
Figure DEST_PATH_IMAGE066A
为标准图像中的连通域，
Figure DEST_PATH_IMAGE068A
为连通域个数；
至此，步骤二完成，
步骤三：对比标准图像与印刷图像的图像描述，判断异常情况；遍历标准图像和印刷图像的连通域，将其按照层数
Figure DEST_PATH_IMAGE070A
进行分组，并分别计算各个层级对应的个数；
比较标准图像和印刷图像各个层级的对应个数，个数一致为正常情况，个数不一致的层级需要对该层级内的连通域进一步检测：设置标准图像中的对应连通域标志
Figure DEST_PATH_IMAGE072AA
，整体特征值差距
Figure DEST_PATH_IMAGE074A
;印刷图像中的对应连通域标志
Figure DEST_PATH_IMAGE076AA
;寻找该层级各连通域之间对应关系：查找印刷图像某个连通域与标准图像中各个连通域的整体特征值
Figure DEST_PATH_IMAGE056AAA
之间的差值:
Figure DEST_PATH_IMAGE078A
原则上，差值最小，即
Figure DEST_PATH_IMAGE080A
时，对相关的两个连通域即为印刷图像(对应标签号
Figure 335018DEST_PATH_IMAGE082
)与标准图像(对应标签号
Figure DEST_PATH_IMAGE086A
)的对应的连通域
Figure DEST_PATH_IMAGE084AAAA
；若标准图像连通域标志
Figure DEST_PATH_IMAGE072AAA
，表示此时的标准图像中的连通域无对应连通域
Figure DEST_PATH_IMAGE094AA
，更新
Figure DEST_PATH_IMAGE102AAAA
的值：
Figure 875328DEST_PATH_IMAGE088
；
若标准图像连通域标志
Figure DEST_PATH_IMAGE090A
，
Figure DEST_PATH_IMAGE092A
,表示标准图像中的该连通域当前在印刷图像中已存在一个对应连通域
Figure DEST_PATH_IMAGE094AAA
，比较该标准图像连通域的
Figure DEST_PATH_IMAGE096A
与对应连通域
Figure DEST_PATH_IMAGE084_5A
对应差值
Figure DEST_PATH_IMAGE098A
的大小：
若
Figure DEST_PATH_IMAGE100A
, 更新
Figure DEST_PATH_IMAGE102_5A
的值,令
Figure DEST_PATH_IMAGE104A
；
若
Figure DEST_PATH_IMAGE106A
，获得该印刷图像中的对应连通域
Figure DEST_PATH_IMAGE094AAAA
与标准图像连通域的面积差距；获得对应连通域
Figure DEST_PATH_IMAGE084_6A
与标准图像该连通域的面积差距；如果对应连通域
Figure DEST_PATH_IMAGE084_7A
对应的面积差距较小，则更新
Figure DEST_PATH_IMAGE102_6A
的值；否则不更新
Figure DEST_PATH_IMAGE102_7A
的值；
若
Figure 916051DEST_PATH_IMAGE108
,则不更新
Figure DEST_PATH_IMAGE102_8A
的值。
遍历结束后，印刷图像中连通域的对应连通域标志
Figure DEST_PATH_IMAGE110A
存在两种情况：
Figure DEST_PATH_IMAGE112A
;
Figure DEST_PATH_IMAGE076AAA
: 表示该连通域在标准图像中不存在对应连通域，即缺陷区域，这种缺陷存在的位置为图案内部和图案外部空白区域，前者嵌套层次较多，不影响印刷产品的整体内容，故其缺陷影响程度较小，而后者的后者程度较大，所以该区域缺陷的整体影响情况
Figure DEST_PATH_IMAGE114A
为：
Figure DEST_PATH_IMAGE116A
Figure DEST_PATH_IMAGE118A
: 在标准图像中存在对应连通域，比较二者之间的面积差距，由于存在统计误差，误差在标准图像总面积的3%以内均为正常，超过3%的认为存在异常,存在图案缺印或多印的状况，则这些区域的缺陷整体影响情况为
Figure DEST_PATH_IMAGE120A
，表示如下：
Figure DEST_PATH_IMAGE122A
综上所述，印刷图像整体存在的缺陷
Figure DEST_PATH_IMAGE124A
为：
Figure DEST_PATH_IMAGE126A
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种基于大数据处理的印刷数据识别方法，该方法包括以下步骤，步骤一：使用语义分割技术将采集到的RGB图像分割得到印刷品图像；步骤二：对标准图像和印刷图像进行处理，得到各自的图像描述；包括：对印刷品图像进行边缘检测，获得对应的边缘图像；提取边缘图像内闭合的连通域；设置初始参数，印刷图像的各连通域
Figure 241659DEST_PATH_IMAGE002
分别设置对应的初始值，包括像素个数N=0，层数L=0；极限坐标：
Figure 774272DEST_PATH_IMAGE004
；
由于不同图像的像素大小不同，故而连通域的面积参数用该连通域的像素个数与整个图像的总像素个数的比值来表示，即该连通域面积参数S：
Figure 176434DEST_PATH_IMAGE006
；
式中，N为连通域的像素个数，
Figure 110892DEST_PATH_IMAGE008
为整个图像的像素个数；
逐行遍历图像的像素点，获得：图像中每行的像素点都有其对应的连通域标签序列，形式如下：
Figure 307518DEST_PATH_IMAGE010
；其中0为背景像素即非连通域像素，0之外的数字为对应连通域的标签号，对标签值进行处理，获得该行下连通域的层次信息，由于一个连通域是一个闭合区域，所以在图像的一行像素上从左到右遍历时，它的标签号要至少出现两次，第一次为开始进入这个连通域，第二次为离开这个连通域，存在嵌套结构的连通域，必然是大连通域包含小连通域，所以连通域的嵌套层数一旦确定是不会改变的，如果
Figure 327427DEST_PATH_IMAGE012
，表示对应连通域的嵌套层数未确定，当
Figure 64439DEST_PATH_IMAGE014
时，不需要更改L的值，设置一个临时变量C=0，从左向右进行遍历，记录第一个非0数字，上述连通域标签序列中对应的数字为1，其对应的C设置为1，此由于标签号为1的连通域的嵌套层数
Figure 791086DEST_PATH_IMAGE012
，所以对应的连通域的嵌套层数L的值更新为C，表示该连通域的最大嵌套层数为1，此时记录下的非0标签序列为
Figure 486510DEST_PATH_IMAGE016
；第二个非0数字，上述连通域标签序列中对应的数字为3，已记录的标签序列中不存在数字3，记录该数字，所得标签序列为
Figure 931397DEST_PATH_IMAGE018
，此时令
Figure 472100DEST_PATH_IMAGE020
，表示进入更深一层的嵌套连通区域中，由于标签号为3的连通域最大嵌套层次
Figure 115571DEST_PATH_IMAGE012
,更新
Figure 654000DEST_PATH_IMAGE022
，表示标签号为3的连通域的最大嵌套层数为2；第三个非0数字为2，不在已记录的非0标签序列内，将数字2记录进标签序列，此时的非0数字标签序列为
Figure 648501DEST_PATH_IMAGE024
，由于标签号2的连通域的嵌套层数
Figure DEST_PATH_IMAGE025
，令
Figure DEST_PATH_IMAGE027
，表示标签号为2的连通域的最大嵌套层数为3；继续遍历，第四个遍历的非0数字为2，由于之前记录的数字序列
Figure 196157DEST_PATH_IMAGE024
中已经存在2，表示标签为2的连通域遍历已经结束，不再将其记录进标签序列；令C减1，此时C=2，即此时遍历的像素点位于嵌套层次为2的连通域中，以此类推，每遇到一个新的连通域，即记录的非0数字标签序列中不存在的标签号，使C加1，表示进入到更深一层的嵌套区域中；每离开一个连通域，令C减1，表示回到上一层的嵌套区域中；另外，在每次对C进行加1操作时，需要判断对应标签号的嵌套层次L是否为0，直到遍历完该行像素，每遍历一个带标签的像素点，就使对应标签的像素个数
Figure DEST_PATH_IMAGE029
；比较该带标签的像素点坐标与已有的横纵坐标的最大值和最小值：
Figure 162976DEST_PATH_IMAGE030
，
Figure DEST_PATH_IMAGE031
，
Figure 137885DEST_PATH_IMAGE032
，
Figure DEST_PATH_IMAGE033
进行比较，包括：某遍历的标签像素点坐标为
Figure DEST_PATH_IMAGE035
，若
Figure DEST_PATH_IMAGE037
,则
Figure DEST_PATH_IMAGE039
，否则
Figure DEST_PATH_IMAGE041
保持不变；若
Figure DEST_PATH_IMAGE043
,则
Figure DEST_PATH_IMAGE045
，否则
Figure DEST_PATH_IMAGE047
保持不变；对
Figure DEST_PATH_IMAGE049
同理；遍历结束后，得到中心点坐标
Figure DEST_PATH_IMAGE051
，其中
Figure DEST_PATH_IMAGE053
；得到
Figure DEST_PATH_IMAGE055
,以及各自的嵌套层数L；计算各个连通域整体特征值
Figure DEST_PATH_IMAGE057
,用连通域中心点坐标到原点距离以及连通域面积表示：
Figure DEST_PATH_IMAGE059
；
得到每个连通域
Figure 910362DEST_PATH_IMAGE002
的描述情况
Figure DEST_PATH_IMAGE061
；
步骤三：对比标准图像与印刷图像的图像描述，判断印刷异常的情况。
2.根据权利要求1所述的一种基于大数据处理的印刷数据识别方法，其特征在于对印刷品图像进行边缘检测，获得对应的边缘图像具体包括：输入印刷图像，将图像灰度化处理后，使用Canny算子对图像进行边缘检测，得到梯度边缘，即为印刷区域中图案的边缘。
3.根据权利要求1所述的一种基于大数据处理的印刷数据识别方法，其特征在于，提取边缘图像内闭合的连通域具体包括：对印刷区域中图案的边缘使用种子填充法进行连通域分析，得到具有不同标签的连通域
Figure 58446DEST_PATH_IMAGE002
，并得到最大的标签号的值
Figure DEST_PATH_IMAGE063
，即总共的数量。
4.根据权利要求1所述的一种基于大数据处理的印刷数据识别方法，其特征在于，连通域描述组合得到该印刷品图像的描述具体为：整个图像的描述表现为
Figure DEST_PATH_IMAGE065
;
同理，对标准图像重复上述操作，得到标准图像的图像描述数据
Figure DEST_PATH_IMAGE067
；
其中
Figure DEST_PATH_IMAGE069
为标准图像中的连通域，
Figure DEST_PATH_IMAGE071
为连通域个数。
5.根据权利要求1所述的一种基于大数据处理的印刷数据识别方法，其特征在于，步骤三具体为：遍历标准图像和印刷图像的连通域，将其按照层数L进行分组，并分别计算各个层级对应的个数；比较标准图像和印刷图像各个层级的对应个数，个数一致为正常情况，个数不一致的层级需要对该层级内的连通域进一步检测：设置标准图像中的对应连通域标志
Figure DEST_PATH_IMAGE073
，整体特征值差距
Figure DEST_PATH_IMAGE075
;印刷图像中的对应连通域标志
Figure DEST_PATH_IMAGE077
;寻找该层级各连通域之间对应关系：查找印刷图像某个连通域与标准图像中各个连通域的整体特征值
Figure 20717DEST_PATH_IMAGE057
之间的差值:
Figure DEST_PATH_IMAGE079
差值最小，即
Figure DEST_PATH_IMAGE081
时，对相关的两个连通域即为印刷图像对应标签号
Figure 697686DEST_PATH_IMAGE082
的对应连通域
Figure 135621DEST_PATH_IMAGE084
与标准图像对应标签号
Figure 759500DEST_PATH_IMAGE086
的对应的连通域；
若标准图像连通域标志
Figure 497649DEST_PATH_IMAGE073
，表示此时的标准图像中的连通域无对应连通域
Figure 814361DEST_PATH_IMAGE088
，更新
Figure 739592DEST_PATH_IMAGE090
的值：
Figure DEST_PATH_IMAGE091
；
若标准图像连通域标志
Figure DEST_PATH_IMAGE093
，
Figure DEST_PATH_IMAGE095
,表示标准图像中的该连通域当前在印刷图像中已存在一个对应连通域
Figure 901583DEST_PATH_IMAGE088
，比较该标准图像连通域的
Figure DEST_PATH_IMAGE097
与对应连通域
Figure 228659DEST_PATH_IMAGE084
对应的差值
Figure DEST_PATH_IMAGE099
的大小：
若
Figure DEST_PATH_IMAGE101
, 更新
Figure 185114DEST_PATH_IMAGE102
的值,令
Figure 597640DEST_PATH_IMAGE104
；
其中，
Figure DEST_PATH_IMAGE105
为对应连通域
Figure 94481DEST_PATH_IMAGE084
的连通域标志，
Figure 541643DEST_PATH_IMAGE106
为标签号，
Figure DEST_PATH_IMAGE107
为对应连通域
Figure 931648DEST_PATH_IMAGE088
的连通域标志；
若
Figure DEST_PATH_IMAGE109
，获得该印刷图像中的对应连通域
Figure 300313DEST_PATH_IMAGE088
与标准图像连通域的面积差距；获得对应连通域
Figure 132002DEST_PATH_IMAGE084
与标准图像连通域的面积差距；如果对应连通域
Figure 433671DEST_PATH_IMAGE084
对应的面积差距相对于对应连通域
Figure 997507DEST_PATH_IMAGE088
的面积差距小，则更新
Figure 650205DEST_PATH_IMAGE090
的值；否则不更新
Figure 223269DEST_PATH_IMAGE102
的值；
若
Figure 379444DEST_PATH_IMAGE110
,则不更新
Figure 176499DEST_PATH_IMAGE102
的值；
遍历结束后，印刷图像中连通域的对应连通域标志
Figure 988597DEST_PATH_IMAGE112
存在两种情况：
Figure 427669DEST_PATH_IMAGE114
;
Figure 641612DEST_PATH_IMAGE077
: 表示该连通域在标准图像中不存在对应连通域，即缺陷区域，这种缺陷存在的位置为图案内部和图案外部空白区域，该区域缺陷的整体影响情况
Figure 609568DEST_PATH_IMAGE116
为：
Figure 971279DEST_PATH_IMAGE118
Figure 886146DEST_PATH_IMAGE120
: 在标准图像中存在对应连通域，比较二者之间的面积差距，由于存在统计误差，误差在标准图像总面积的3%以内均为正常，超过3%的认为存在异常,存在图案缺印或多印的状况，则这些区域的缺陷整体影响情况为
Figure 16913DEST_PATH_IMAGE122
，表示如下：
Figure DEST_PATH_IMAGE123
印刷图像整体存在的缺陷
Figure DEST_PATH_IMAGE125
为：
Figure DEST_PATH_IMAGE127
。
CN202111063256.3A 2021-09-10 2021-09-10 基于大数据处理的印刷数据识别方法 Active CN113506297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111063256.3A CN113506297B (zh) 2021-09-10 2021-09-10 基于大数据处理的印刷数据识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111063256.3A CN113506297B (zh) 2021-09-10 2021-09-10 基于大数据处理的印刷数据识别方法

Publications (2)

Publication Number Publication Date
CN113506297A CN113506297A (zh) 2021-10-15
CN113506297B true CN113506297B (zh) 2021-12-03

Family

ID=78017145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111063256.3A Active CN113506297B (zh) 2021-09-10 2021-09-10 基于大数据处理的印刷数据识别方法

Country Status (1)

Country Link
CN (1) CN113506297B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118134908B (zh) * 2024-04-30 2024-07-12 陕西博越腾达科技有限责任公司 一种用于3d打印的打印监控图像分析方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030035653A1 (en) * 2001-08-20 2003-02-20 Lyon Richard F. Storage and processing service network for unrendered image data
CN109308700A (zh) * 2017-07-27 2019-02-05 南京敏光视觉智能科技有限公司 一种基于印刷品字符的视觉识别缺陷检测方法
CN111242896A (zh) * 2019-12-31 2020-06-05 电子科技大学 一种彩色印刷标签缺陷检测与质量评级方法

Also Published As

Publication number Publication date
CN113506297A (zh) 2021-10-15

Similar Documents

Publication Publication Date Title
CN113344857B (zh) 缺陷检测网络的训练方法、缺陷检测方法和存储介质
CN111275697B (zh) 一种基于orb特征匹配和lk光流法的电池丝印质量检测方法
CN109472271B (zh) 印刷电路板图像轮廓提取方法及装置
JP2000137804A (ja) デジタル画像の異常検出方法およびシステム、ならびにそのための記憶媒体
CN111242896A (zh) 一种彩色印刷标签缺陷检测与质量评级方法
CN113034488B (zh) 一种喷墨印刷品的视觉检测方法
CN114202543B (zh) Pcb板脏污缺陷检测方法、装置、设备及介质
CN113034492B (zh) 一种印刷质量缺陷检测方法、存储介质
CN114387269B (zh) 一种基于激光的纤维丝缺损检测方法
CN111861990A (zh) 一种产品不良外观检测的方法、系统及存储介质
CN110569774B (zh) 基于图像处理与模式识别的折线图图像自动数字化方法
US11580758B2 (en) Method for processing image, electronic device, and storage medium
CN113506297B (zh) 基于大数据处理的印刷数据识别方法
CN110533660B (zh) 一种电子产品外壳丝印缺陷的检测方法
CN112861861A (zh) 识别数码管文本的方法、装置及电子设备
CN113392819B (zh) 一种批量化学术图像自动分割标注装置和方法
CN112884741B (zh) 一种基于图像相似性对比的印刷表观缺陷检测方法
CN114187247A (zh) 一种基于图像配准的安瓿瓶印刷字缺陷检测方法
CN117115171B (zh) 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法
CN116091503B (zh) 一种面板异物缺陷的判别方法、装置、设备及介质
CN111798429B (zh) 一种印刷品缺陷的视觉检测方法
CN116664817A (zh) 基于图像差分的电力装置状态变化检测方法
CN115546141A (zh) 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统
CN113850756A (zh) 一种基于模板比对的标签缺陷检测方法
JP2004094427A (ja) 帳票画像処理装置及び該装置を実現するためのプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant