朱銘煜，周武能

0 引言

在藥片自動包裝過程中，經常會出現(xiàn)缺?；蛘呷睋p現(xiàn)象，一般藥廠都采用人工方法檢測是否缺?；蛘呷睋p，容易產生誤檢和漏檢等現(xiàn)象。

在圖像處理，模式識別等理論如今應用廣泛，越來越多的基于這些理論建造的工業(yè)視覺檢測系統(tǒng)在市場上出現(xiàn)[1]?，F(xiàn)在已有成熟的解決方法是：在工業(yè)流水線上，當藥片板到達指定位置時，觸發(fā)部件啟動，結構光發(fā)生器和攝像頭開始工作，圖像處理單元運行，并快速獲取多幅圖像數據。這些圖像數據包括藥片的各種缺陷信息。圖像處理單元將這些圖像進行解碼和組合運算，如果某幅圖象存在缺陷，那么缺陷部分就會被放大增強，而背景將被抑制。以此為基礎，對目標進行處理和分析，最后得到結果圖像，從而輸出檢測結果。當發(fā)現(xiàn)不合格產品時，立即與PLC通訊，通過PLC計算得到位置信息，當不合格產品移動到指定位置時，被剔除裝置過濾，如圖1所示。

圖1 工業(yè)流水線上的藥片檢測流程圖

本文主要針對適用于藥片自動包裝生產線上的工業(yè)視覺質量檢測系統(tǒng)，尋求適合該系統(tǒng)的處理方法及軟件實現(xiàn)。

1 檢測藥品方法的綜述

圖像處理單元一般有以下基本流程，如圖2所示。

圖2 圖像處理單元的基本流程圖

1.1 圖像的預處理

由光學成像系統(tǒng)生成的二維圖像，包含各種隨機噪聲。為提高計算機的視覺功能，提高系統(tǒng)的分類識別和分析理解的能力，需要去除原始圖像的噪聲和修正偏差。這種突出有用信息，抑制無用信息，改善圖像質量的處理技術，稱為圖像的預處理[2]。

圖像的預處理包含圖像增強、圖像恢復和圖像編碼。在本文中只涉及到圖像增強部分。圖像增強是指對圖像的一些特征，例如邊緣、輪廓、區(qū)域、對比度等進行銳化和增強，這樣能方便地顯示用以觀察和進一步的分析處理。其不會增加圖像數據量，但是會增加所選擇的特征的動態(tài)范圍，從而使這些特征檢測和識別更加容易[2]。

1.2 圖像的分割

圖像分割的方式很多，本文的圖像分割是指把圖像中與周圍灰度明顯不同的區(qū)域提取出來[2]。圖像分割是特征提取和分類識別的基礎。

1.3 二值形態(tài)學

二值形態(tài)學的基本運算有膨脹和腐蝕。膨脹腐蝕處理是為了之后準確的特征提取，分類提供依據。膨脹和腐蝕互為對偶關系，但是不是互為逆運算，能級聯(lián)結合使用。它是一種向量運算或位移運算。經常用到的開啟運算即先腐蝕后膨脹，能把比結構元素小的突刺濾掉，切斷細長搭接而起到分離作用。閉合運算即先膨脹后腐蝕，能把比結構元素小的缺口或孔洞填充上，搭接短的間斷而起到連通的作用。開啟和閉合運算也屬于對偶關系[3]

1.4 特征的提取

可以提取的特征有很多，本文提取的是幾何特征，以外形和面積作為判斷藥片缺失的根據。

兩個不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣是灰度值不連續(xù)的結果，其可以利用求導數的方法方便地檢測到。一般常用一階和二階導數來檢測邊緣。邊緣檢測的基本思想是首先利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設置門限的方法提取邊緣點集[4]。常用的邊緣檢測算子有sobel算子和canny算子。而面積則可以通過統(tǒng)計黑白像素的數量來計算。

1.5 分類的識別

模式分類的方式有很多，例如統(tǒng)計模式分類與結構模式分類，監(jiān)督分類與非監(jiān)督分類等等。通常統(tǒng)計模式分類應用較多，在d維空間中，通過建立判別邊界來劃分不同區(qū)域。

2 藥片檢測的基本方法

2.1 藥片圖像的缺粒識別

本文的原始圖像是通過工業(yè)流水線上CCD攝像頭獲取圖像，攝像采用正投光源，其光強分布較均勻對稱，藥片板表面受線性光干擾較少。流水線采用連續(xù)式電機。原始輸入圖像是MATLAB支持的PNG灰度圖像文件格式，如圖3所示。它是一種位圖文件存儲格式，用來存儲灰度圖像時，灰度圖像的深度可多達16位，存儲彩色圖像時，彩色圖像的深度可多達48位[4]。

圖象處理步驟中分為預處理（直方圖均衡化）、圖像分割（基于坐標的區(qū)域分割）、特征提?。ㄅ蛎浉g后計算黑白像素數量，然后得出面積）、分類（基于面積閥值），最后輸出結果，如圖4所示。

圖4 圖像處理的流程圖

圖3 原始圖像

對圖像進行數字化時，發(fā)現(xiàn)灰度值在0-255范圍內分配不太均衡，所以用直方圖均衡化來改善圖像的質量。對于一些灰度分布很密集或對比度很弱的圖像，直方圖均衡化處理能把原始圖像中不均勻的灰度分布變得比較均勻，從而在視覺上達到明顯增強的效果，使一些原本不易觀察到的細節(jié)能變得清晰可辨。直方圖均衡化處理的基本思想是把原始圖像的灰度直方圖，從比較集中的某個灰度區(qū)間變成在全局灰度范圍內的均勻分布[2]。其式子可表示為

式（1）中，p(sk)表示原始圖像第k個灰度級出現(xiàn)的概率，以sk為自變量，p(sk)為函數得到的曲線就是圖像的直方圖。sk取整滿足數字圖像的要求，然后確定映射對應關系，累計分布函數（CDF）就能將s的分布函數轉換為t的均勻分布，根據式（2）原始圖像直方圖，可直接算出直方圖均衡化后各像素的灰度值[3]。

本文應用基于區(qū)域坐標的圖象分割方式，對每副圖像中的四粒藥片分別定位分割形成四張子圖像，分別進行進一步處理。

膨脹和腐蝕作為特征提取前的重要步驟，是為了之后的準確劃分藥片圖像區(qū)域和背景區(qū)域，計算黑白像素得出面積做準備。本文應用基于微小區(qū)域黑白像素的數量，來近似歸類于全黑或全白的方法，這樣能把細小的突刺濾掉，把細小的缺口或孔洞填充上[3]。膨脹和腐蝕的向量運算分別為

canny算子屬于先平滑后求導數的方法。根據對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子[2]。本文中使用canny算子進行邊緣檢測，作為可選的步驟，對于分析外形等幾何參數，具有重要的作用。最后著色標記，應用模版對有藥片的圖像區(qū)域進行覆蓋，達到可視化區(qū)分的目的。

2.2 部分MATLAB程序代碼

2.3 運行結果和說明

運行結果圖5中第1列是基于區(qū)域坐標的圖象分割后每粒藥片的圖象，第2列是每粒藥片的直方圖，從中可以初略判斷有無藥片的巨大差距，為了準確的判斷是否有藥片需要進一步處理才能得出可靠結果。經過直方圖均衡化后，第3列是通過計算黑白像素的數量得到面積，以此來判斷是否有藥片。如果有藥片，則進行膨脹腐蝕處理，第4列即為結果。最后通過模版，著色標記有藥片的圖象，輸出結果。從第5列圖像中容易看出：左上、右上，右下有藥片，而左下圖像沒有藥片。最后判定這板藥片是不合格產品，立刻與 PLC通訊，通過PLC計算出位置信息，當不合格產品移動到指定位置時，會被剔除裝置過濾。

對四張子圖像分別計算藥片面積得到的結果：

mianji=2.2586e+003；mianji=1.8153e+003；mianji=3.3924e+003；mianji=2.4001e+003

3 結束語

本文中方法經過一些圖像的測試，在光源質量較高、環(huán)境噪聲干擾不大、閾值選取較恰當的情況下，具有較高的正確率，有良好的檢測效果。

[1] 董娓.藥品檢測系統(tǒng)的圖像處理方法研究及軟件實現(xiàn)[D] .西安:西北工業(yè)大學碩士學位論文.2003.3.

[2] 謝丹毅.藥品泡罩包裝缺陷機器視覺檢測技術的研究[D] .湖南:中南大學碩士學位論文.2007.6.

[3] 章疏晉.圖像工程(上冊):圖像處理和分析[M] .北京:清華大學出版社.1999.3.

[4] 飛思科技產品研發(fā)中心.MATLAB6.5輔助圖像處理[M] .北京:電子工業(yè)出版社.2004.

[5] 葉茂鍬,周武能,朱黎博.基于 Mean-Shift的圖像文本信息提取[J] .微型電腦應用,2009,25(1):7-9.