周露露 李慶華 王曉芳 綦星光

(山東輕工業(yè)學(xué)院電氣工程與自動(dòng)化學(xué)院，山東濟(jì)南，250000)

基于改進(jìn)Hough變換的復(fù)雜紙頁(yè)缺陷檢測(cè)算法

周露露 李慶華 王曉芳 綦星光

(山東輕工業(yè)學(xué)院電氣工程與自動(dòng)化學(xué)院，山東濟(jì)南，250000)

采用傳統(tǒng)Hough變換法檢測(cè)復(fù)雜紙頁(yè)缺陷如褶皺、條痕等直線類特征紙病時(shí)，不能有效分辨具有較近斜率或截距的多直線特征。在標(biāo)準(zhǔn)Hough變換的基礎(chǔ)上將Hough變換域空間變換為二維圖像然后對(duì)其進(jìn)行紙頁(yè)缺陷特征提取，從而更加精確地檢測(cè)出褶皺或條痕類紙病。經(jīng)實(shí)驗(yàn)證明，改進(jìn)的Hough變換在檢測(cè)精度和時(shí)間上都優(yōu)于標(biāo)準(zhǔn)Hough變換。

Hough變換;紙頁(yè)缺陷;圖像處理;特征提取

在紙張生產(chǎn)過(guò)程中，由于設(shè)備磨損、生產(chǎn)原料或環(huán)境污染、操作不當(dāng)?shù)仍?，?huì)造成紙張的一些外觀缺陷，如:塵埃、斑點(diǎn)、孔洞、破邊、條痕和皺褶等。對(duì)于用于包裝和印刷的高檔紙及特種紙來(lái)說(shuō)，這些外觀紙病是影響產(chǎn)品質(zhì)量的主要因素之一［1］。在對(duì)紙張高質(zhì)量要求的前提下，可視化的智能紙頁(yè)缺陷檢測(cè)和分類技術(shù)在現(xiàn)代造紙生產(chǎn)過(guò)程中顯得非常重要。然而，隨著造紙工藝的進(jìn)步，現(xiàn)代紙機(jī)的車速已達(dá)1000～2000 m/min，傳統(tǒng)的缺陷檢測(cè)方法越來(lái)越受到挑戰(zhàn)，以至于成為整個(gè)生產(chǎn)過(guò)程的瓶頸。

在實(shí)際應(yīng)用中，塵埃、斑點(diǎn)、孔洞、破邊等簡(jiǎn)單紙頁(yè)缺陷檢測(cè)算法簡(jiǎn)單，易于實(shí)現(xiàn)，但對(duì)于紙頁(yè)重疊或折疊形成的可以分開或不能分開的條痕或褶皺，其形成原因主要是紙頁(yè)在運(yùn)行過(guò)程中受到的張力不均勻和本身收縮不一致造成的［2］。像這樣具有特殊形狀的紙病，屬于復(fù)雜紙頁(yè)缺陷。目前來(lái)說(shuō)，還沒有較好的方法檢測(cè)復(fù)雜紙頁(yè)缺陷，僅憑工人用眼睛檢測(cè)紙病，效率不高。條痕或褶皺紙病在實(shí)時(shí)檢測(cè)的攝像機(jī)成像時(shí)均表現(xiàn)為直線類特征，具有直線檢測(cè)特性的Hough變換可用于該類紙病的檢測(cè)。

Hough變換檢測(cè)直線的研究已經(jīng)發(fā)展得很成熟，如何有效、準(zhǔn)確地在累加器空間中確定與原始圖像中各直線對(duì)應(yīng)的峰值問(wèn)題吸引了眾多的研究者。各種改進(jìn)算法如概率 Hough變換［3］，隨機(jī) Hough變換算法［4］，分級(jí) Hough變換，遞歸概率 Hough變換［5］等對(duì)Hough變換檢測(cè)直線時(shí)存在的檢測(cè)不精確、多峰值檢測(cè)以及受噪聲干擾嚴(yán)重等缺點(diǎn)都提出了具有針對(duì)性的改進(jìn)算法。然而對(duì)于褶皺、條痕等直線類特征紙病的檢測(cè)應(yīng)用中，當(dāng)紙頁(yè)圖像中多條直線特征的褶皺或條痕具有較近斜率和截距時(shí)，使得累加器單元的峰值相互粘連，而對(duì)于其他較短的直線形成的峰值可能出于粘連處的下方，當(dāng)進(jìn)行峰值檢測(cè)時(shí)，則可能引入虛假峰值情況［6］。針對(duì)上述問(wèn)題，本研究在標(biāo)準(zhǔn)Hough變換的基礎(chǔ)上，應(yīng)用Hough變換域圖像特征提取技術(shù)來(lái)識(shí)別紙病成像中一些主要的直線，而忽略一些非常短的直線，從而有效提高褶皺、條痕等復(fù)雜紙頁(yè)缺陷的檢測(cè)精度、檢測(cè)時(shí)間及穩(wěn)定性。

1 標(biāo)準(zhǔn)Hough變換

1.1 Hough變換原理

選取圖像空間中的一條直線，其表達(dá)式如下:y=kx+b，其中k和b分別表示斜率和截距。過(guò)某一點(diǎn) (x0，y0)所有直線的參數(shù)都會(huì)滿足方程y0=kx0+b，即點(diǎn) (x0，y0)確定了一簇直線。方程y0=kx0+b在參數(shù)k－b平面上是一條直線。這樣，圖像空間上的一個(gè)像素點(diǎn)就對(duì)應(yīng)參數(shù)空間上的一條直線［7］，但有一個(gè)問(wèn)題是，當(dāng)圖像空間中的直線接近垂直直線時(shí) (如x=c，c為常數(shù))，那么斜率k接近無(wú)窮大，為了解決此問(wèn)題，筆者運(yùn)用式 (1)在圖像空間和參數(shù)空間之間建立對(duì)偶關(guān)系。

式中:ρ為原點(diǎn)到直線的垂直距離，θ為ρ與x軸的夾角;x為像素點(diǎn)相對(duì)圖像原點(diǎn)的行坐標(biāo);y為像素點(diǎn)相對(duì)圖像原點(diǎn)的列坐標(biāo)。根據(jù)式 (1)，直線上不同的點(diǎn)在參數(shù)空間中被變換為一簇相交于p點(diǎn)的正弦曲線，因此可以通過(guò)檢測(cè)參數(shù)空間中的局部最大值p點(diǎn)來(lái)實(shí)現(xiàn)直線的檢測(cè)。

1.2 Hough 變換的實(shí)現(xiàn)

程序的具體實(shí)現(xiàn)步驟如下:

(1)首先要對(duì)圖像進(jìn)行預(yù)處理，得到邊緣二值化圖像。

(2)初始化一個(gè)變換域ρ和θ空間即參數(shù)空間的數(shù)組，ρ方向上的量化數(shù)目為圖像對(duì)角線方向像素?cái)?shù)，θ方向上的量化數(shù)目為90(角度從0～180°，每格 2°)。

(3)順序搜索二值化圖像中的所有特征點(diǎn)，對(duì)每一個(gè)特征點(diǎn)，在其變換域的對(duì)應(yīng)點(diǎn)上加1。

(4)設(shè)定閾值，并根據(jù)閾值大小將變換域中累加值小于閾值的點(diǎn)清零，即認(rèn)為這些點(diǎn)并不對(duì)應(yīng)圖像域中的一條直線。

(5)求出變換域中的最大值點(diǎn)并記錄。

(6)將最大值點(diǎn)附近的點(diǎn)清零，即去掉該點(diǎn)周圍的干擾。

(7)繼續(xù)查找并記錄下一個(gè)累加值最大的點(diǎn)，直到累加器中所有的累加值都為零。

(8)根據(jù)檢測(cè)到的點(diǎn)在圖像域中定位出直線的位置。

標(biāo)準(zhǔn)Hough變換是一種傳統(tǒng)的直線檢測(cè)方法，具有魯棒性好、抗干擾等優(yōu)點(diǎn)，但是計(jì)算量比較復(fù)雜，其運(yùn)算復(fù)雜度為O(n3)。尤其是在檢測(cè)多條目標(biāo)時(shí)，現(xiàn)有方法多采用設(shè)置閾值或者多參數(shù)空間中的峰值進(jìn)行聚類，在一定程度上更增加了計(jì)算量，這限制了該方法在實(shí)時(shí)性要求較高的處理過(guò)程中的應(yīng)用。

2 改進(jìn)的Hough變換

圖像空間的任一點(diǎn) (x0，y0)在參數(shù)空間中都形成一條正弦曲線，而圖像空間上的一條直線在參數(shù)空間則是由一系列正弦曲線疊加而成的期望峰值。這是根據(jù)Hough變換的點(diǎn)-線的對(duì)偶性對(duì)參數(shù)空間和圖像空間建立的聯(lián)系。Furukawa將Hough變換對(duì)圖像空間中直線在參數(shù)空間形成的累加器單元形狀利用公式進(jìn)行了描述，充分說(shuō)明了累加器單元的形狀與直線的長(zhǎng)度和寬度等存在關(guān)系［8］。

為了解決所要檢測(cè)褶皺、條痕等直線類特征紙病有較近斜率或截距、形成的累加器單元峰值受物體邊緣形成噪聲干擾以及檢測(cè)魯棒性差等問(wèn)題［8］，本研究將紙幅原圖像進(jìn)行圖像預(yù)處理后得到邊緣二值化圖像，再將該圖像中的所有特征點(diǎn)依次用變換域的對(duì)應(yīng)點(diǎn)進(jìn)行累加，然后將變換域作為一幅二維圖像處理，其中二維圖像中的灰度級(jí)值就是變換域中累加值經(jīng)規(guī)范到0～255內(nèi)的值。對(duì)Hough變換域二維圖像進(jìn)行自適應(yīng)閾值處理來(lái)濾除噪聲，最后標(biāo)記圖像并定位出直線位置。以上的處理方式可以將形成的累加器單元的有效峰值與噪聲形成的峰值有效地區(qū)分開，使得真實(shí)峰值的值更大，同時(shí)極大地壓制噪聲形成的峰值，避免了虛假峰值和漏峰現(xiàn)象，從而有效地將斜率或截距很近的直線區(qū)分開。

當(dāng)光源強(qiáng)度不同時(shí)，檢測(cè)到的紙病圖像的平均灰度也會(huì)不同，有用信號(hào)和噪聲之間的比例也會(huì)有很大差別，這樣對(duì)后面的處理也有影響，所以為了更精確地提取出Hough變換域二維圖像中的期望峰值，筆者用OSTU算法自適應(yīng)的選取閾值來(lái)處理圖像，而OSTU算法可以說(shuō)是自適應(yīng)計(jì)算單閾值 (用來(lái)轉(zhuǎn)換灰度圖像為二值圖像)的簡(jiǎn)單高效方法［9］。

程序的具體實(shí)現(xiàn)步驟如下:

(1)首先要對(duì)圖像進(jìn)行預(yù)處理，得到邊緣二值化圖像。

(2)初始化一個(gè)變換域ρ和θ空間即參數(shù)空間的數(shù)組，ρ方向上的量化數(shù)目為圖像對(duì)角線方向像素?cái)?shù)，θ方向上的量化數(shù)目為90(角度從0～180°，每格 2°)。

(3)順序搜索二值化圖像中的所有特征點(diǎn)，對(duì)每一個(gè)特征點(diǎn)，在其變換域的對(duì)應(yīng)點(diǎn)上加1。

(4)求出變換域中的最大值點(diǎn)記為Max，將變換域中的各點(diǎn)的累加值m進(jìn)行處理 (255m/Max)使之在0～255之間，將其作為Hough變換域二維圖像對(duì)應(yīng)像素點(diǎn)的灰度級(jí)值。

(5)對(duì)Hough變換域二維圖像進(jìn)行自適應(yīng)閾值處理以濾除噪聲，把目標(biāo)區(qū)域標(biāo)記出來(lái)。

(6)定位出目標(biāo)區(qū)域的中心坐標(biāo)，就是要找的期望峰值。

(7)根據(jù)期望峰值在圖像域定位出直線的位置。

本文檢測(cè)復(fù)雜紙頁(yè)缺陷算法流程圖見圖1。

圖1 復(fù)雜紙頁(yè)缺陷算法流程圖

3 實(shí)驗(yàn)結(jié)果及分析

根據(jù)本研究提供的改進(jìn)Hough變換的檢測(cè)算法和標(biāo)準(zhǔn)Hough變換的檢測(cè)算法，對(duì)紙頁(yè)缺陷樣本圖像 (尺寸1024像素×600像素)進(jìn)行處理的結(jié)果如圖2和圖3所示。

對(duì)圖2和圖3進(jìn)行10次測(cè)試，平均檢測(cè)時(shí)間如表1所示。

表1 兩種檢測(cè)算法測(cè)試時(shí)間比較 ms

從檢測(cè)結(jié)果可以看出，本研究所提出的改進(jìn)算法可以較好地將有較近斜率和截距的褶皺紙病區(qū)分開，并且沒有出現(xiàn)虛假峰值的現(xiàn)象，尤其是在紙幅圖像的噪聲影響下。而標(biāo)準(zhǔn)Hough變換算法則產(chǎn)生了虛假峰值和漏峰的現(xiàn)象。圖2的褶皺紙病并非呈現(xiàn)出完全直的直線特征，在端點(diǎn)處有小段彎曲，在改進(jìn)檢測(cè)算法中將此小段彎曲直線完全忽略，只是將主要直線特征的褶皺紙病檢測(cè)出來(lái)。圖3中交叉的褶皺紙病中較長(zhǎng)的一條從中間處有輕微的彎曲，本研究檢測(cè)算法就檢測(cè)出斜率極相近的兩條直線。從圖2和圖3中可以看出本改進(jìn)算法具有較高精度。

就算法所用時(shí)間而言，形成Hough變換域空間的時(shí)間是相同的，主要是后面標(biāo)準(zhǔn)Hough變換對(duì)峰值的提取是多次遍歷變換域空間，計(jì)算量相當(dāng)大，空間復(fù)雜度也很高。而改進(jìn)Hough變換只是對(duì)Hough變換域二維圖像進(jìn)行圖像特征提取，計(jì)算量相對(duì)較少。

4 結(jié)語(yǔ)

針對(duì)已有Hough變換算法不能有效解決當(dāng)多直線特征的復(fù)雜紙頁(yè)缺陷存在較近斜率或截距造成的誤檢問(wèn)題，提出改進(jìn)Hough變換算法，應(yīng)用Hough變換域圖像特征提取技術(shù)，從而更加精確地檢測(cè)出褶皺紙病。通過(guò)對(duì)復(fù)雜紙頁(yè)缺陷圖像進(jìn)行實(shí)驗(yàn)，將標(biāo)準(zhǔn)Hough變換與本研究提出的改進(jìn)Hough變換的檢測(cè)結(jié)果進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法對(duì)復(fù)雜紙頁(yè)缺陷如褶皺、條痕等直線類特征紙病的檢測(cè)具有更高的檢測(cè)精度，檢測(cè)時(shí)間也遠(yuǎn)小于標(biāo)準(zhǔn)Hough變換，同時(shí)保留了標(biāo)準(zhǔn)Hough變換抗干擾性強(qiáng)的優(yōu)點(diǎn)。

［1］關(guān)健華．全幅紙病檢測(cè)技術(shù)及在造紙中的應(yīng)用［J］．中國(guó)造紙，2000，19(6):32．

［2］劉 華，王金樂．常見紙病及檢測(cè)技術(shù)［J］．印刷質(zhì)量與標(biāo)準(zhǔn)化，2007(5):22．

［3］Kiryati N，Eldar Y，Bruckstein A M．A probabilistic Hough transform［J］．Pattern Recognition，1991，24(4):303．

［4］LeiXu，Erkki Oja，Pekka Kultanen．A new curv detection method:randomized Hough transform(RHT)［J］．Pattern Recognition Letters，1990，11(1):331．

［5］Matas J，Galambos C，Kittler J．Robust detection of lines using the progressive probabilistic Hough transform［J］．Computer Vision and Image Understanding，2005，78:119．

［6］韓 非，郭燕玲，李志鵬．區(qū)分上下邊緣的Hough變換直線改進(jìn)算法［J］．計(jì)算機(jī)應(yīng)用，2010，30(1):148．

［7］胡正平，楊 蘇，王成儒．基于局部PCA的參數(shù)約束Hough直線分層檢測(cè)［J］．系統(tǒng)工程與電子技術(shù)，2009，31(11):2747．

［8］Furukawa Y，Shinagawa Y．Accurate and robust line segment extraction by analyzing distribution around peaks in Hough space［J］．Computer Vision and Image Understanding，2003，92(1):1．

［9］喬萬(wàn)波，曹銀杰．一種改進(jìn)的灰度圖像二值化方法［J］．電子科技，2008，21(11):63．

The Complicated Paper Surface Defects Detection Algorithm Based on Improved Hough Transformation

ZHOU Lu-lu*LI Qing-hua WANG Xiao-fang QI Xing-guang
(School of Electrical Engineering and Automation，Shandong Polytechnic University，Ji'nan，Shandong Province，250000)
(*E-mail:zhoululu1029@126．com)

The complicated paper surface defects such as wrinkle and crease with linear features which have close slope or intercept cannot be distinguished effectively by traditional Hough transform．Based on existing algorithm，the Hough space is transformed into two-dimensional image，and then the paper defects features are extracted，through which the wrinkle and crease surface defects can be detected more accurately．Finally，the experiment proves that the improved algorithm has higher detection precision and shorter time consumption compared with Hough transform．

Hough transform;paper surface defect;image processing;features extraction

TP391

B

0254-508X(2011)12-0047-04

周露露女士，在讀碩士研究生;主要研究方向:工業(yè)過(guò)程檢測(cè)技術(shù)與儀器。

2011-06-22(修改稿)

山東省科技發(fā)展計(jì)劃項(xiàng)目 (2008GG30001021)。

(責(zé)任編輯:常 青)