范鵬飛， 孫 俊

(江南大學 物聯(lián)網工程學院，江蘇 無錫 214122)

?

基于機器視覺的色差檢測算法*

范鵬飛， 孫 俊

(江南大學 物聯(lián)網工程學院，江蘇 無錫 214122)

針對金屬印刷質量中的色差檢測問題，采用機器視覺的技術對色差檢測算法進行了研究。通過在金屬印刷品的留白區(qū)域印刷色標，使用工業(yè)CCD相機采集金屬印刷產品上的色標區(qū)域，使用數字圖像處理技術提取色標。使用了基于HSV顏色空間的色差檢測算法和基于CIELAB顏色空間的色差檢測算法，分析了兩種顏色空間下色差檢測的實驗結果，采用兩種顏色空間檢測算法相結合的方法，實現對色差合理有效的快速檢測，同時能保證檢測結果的準確性。

機器視覺； 圖像處理； 色差檢測

0 引 言

印鐵包裝行業(yè)是印刷業(yè)中的一個分支，主要是指其承印物為金屬的印刷包裝行業(yè)。在印鐵過程中，由于墨量調節(jié)不均勻等原因會造成印件的色誤差，影響產品的一致性。目前國內普遍采用的判別方法是人工判別，人工判別不但受人的主觀因素影響，而且判別結果因人而異而缺乏一致性，因此,本文通過機器視覺技術對金屬印刷的色差質量檢測具有重要的現實意義[1]。

1 基于機器視覺技術的色標提取

機器視覺從原理上來說就是利用傳感器獲取目標圖像,然后利用計算機分析處理各種信息[2]。金屬印刷的色差檢測需要對獲取到圖像的顏色信息進行分析，這就要求相機是彩色相機，為了獲取彩色色標，采用了德國Allied Vision Technologies公司(AVT)的Stingray F088C面陣相機，選取D65做照明光源。

1.1 圖像去噪

數字圖像在采集過程中由于成像傳感器的性能受到各種干擾而存在一定程度的噪聲?？紤]到不僅要消除噪聲對圖像分析的干擾，而且要保證圖像具有良好的邊緣，便于圖像分割，選用中值濾波來對圖像去除噪聲[3]。

1.2 圖像分割

圖像的冗余信息大多是白色的背景圖像，因此,可以通過累積灰度值的方法實現色標區(qū)域的初次分割，消除圖像的冗余信息。首先將圖像轉換為灰度圖像，再將圖像的每行的灰度值進行簡單的累加，得到圖像在行方向的灰度值累加圖，找出灰度值累加圖的峰谷，峰谷的行坐標y，即色標的中心線位置，以y行為中心，分割出高度為H的子圖像，由于色標的大小是固定的，相機離金屬承印物的距離也是固定的，所以相機獲取到的圖像中，色標的大小大致是相同，因此，設定H為80能保證分割出來完整的色標。初次分割出來的圖像如圖1。

圖1 初次分割Fig 1 First segmentation

為了能精確的分割出色標，把初次分割出的子圖像采用閾值分割算法[4]進行閾值處理。將圖像在橫向分成多個大小相同的矩形區(qū)域，并對矩形區(qū)域分別進行全局閾值分割。圖2(a)是分成8個矩形區(qū)域的二值圖像。

圖2 二次分割Fig 2 Second segmentation

對閾值分割圖像的每一列灰度值進行累加計算，使用一階差分對列累加灰度值進行處理[5]。在數字圖像處理中，一階差分算法通常轉化為公式(1)來進行計算

(1)

經過一階差分后能準確的找到目標色標的兩端的邊界，從而成功分割出目標色標。最終得到的色標圖像如圖2(b)所示。

2 色差檢測算法與實驗驗證

2.1 基于HSV顏色空間的色差檢測算法

HSV顏色空間通過色調H、飽和度S、亮度V描述顏色信息。計算HSV顏色空間下的顏色直方圖時，為了降低算法的計算量和存儲空間，可以將HSV顏色空間三個分量分別進行量化處理。依據經驗和人眼對各分量的不同范圍的敏感程度不同進行非等間隔量化，其中，色調H分成12份，飽和度S和亮度V分成3份[6]。

量化之后，將H，S，V三維特征矢量組合成一維特征向量，從而實現對顏色直方圖的降維。合成時為了體現不同分量對人眼色彩感知影響的程度的區(qū)別，三個矢量要分別取不同的權值，通過式(2)將顏色三維特征矢量組合成一個一維矢量L，即

L=HQSQV+SQV+V

(2)

式中QS為分量S的量化級數，QV為分量V的量化級數，實驗中，取QS=3，QV=3。計算可知L的取值范圍是[0,107]。

圖3 色標Fig 3 Color mark

實驗中，采用直方圖交叉算法進行顏色相似性度量，直方圖交叉算法是通過計算兩幅圖像直方圖的公共部分。相似度取值范圍為0～1，相似性取值越低，說明存在的色差越嚴重。對于歸一化的直方圖，它們之間相交距離的計算如式(3)

(3)

式中 Q為標準樣品，其顏色直方圖特征矢量為Hq(q0,q1,…，qi)，S為待測樣品，其顏色直方圖特征矢量為Hs(s0,s1,…，si)，其中，0≤qi≤1,0≤si≤1，L是一維直方圖矢量的維數。

圖4 圖3HSV顏色空間中的一維矢量直方圖Fig 4 1D vector histogram in HSV color space of fig3

從圖4(a)和圖4(b)中可以看出，圖3(a)和圖3(b)人眼無法識別是否存在顏色差異，其一維顏色特征矢量的直方圖也基本相同。通過式(3)計算得出兩者相似度為0.977 6。

從圖4(a)和圖4(c)中可以看出，圖3(a)和圖3(c)存在人眼可以識別的顏色差異，其一維顏色特征矢量的直方圖也存在一定的差異性。計算得出兩者相似度為0.401 8。

該算法能較為準確地檢測出兩幅圖像之間的色差大小。多次實驗測試證實相似度在0.95以上的圖像，人眼是無法觀察出其顏色差異的。相似度在0.90以下的圖像，人眼能明顯觀察到其顏色差異。

2.2 基于CIELAB顏色空間的色差檢測算法

CIELAB色差公式[7]作為國際通用的測色標準，其結果能較好地反映出人眼對顏色變化的感知程度。

總色差公式為

(4)

各單項色差公式為：

明度差

ΔL=L1-L0

(5)

色度差

Δa=a1-a0,Δb=b1-b0

(6)

彩度差

(7)

色相差

(8)

式中 L1，a1，b1為待測樣品在CIELAB顏色空間的坐標值，L0，a0，b0為標準樣品在CIELAB顏色空間的坐標值。在CIELAB色差公式發(fā)展出來的CIEDE2000色差公式[8]計算比較復雜，分以下步驟進行計算：

(9)

2)計算ΔL′,ΔC′,ΔH′

(10)

3)計算色差權重函數SL,SC,SH和旋轉函數RT,RC

(11)

(12)

(13)

4)計算色差ΔE00

ΔE00=

(14)

CIEDE2000色差公式中KL，KC，KH為權重系數，公式中選取KL=1.4，KC=1，KH=1。將兩個色差公式運用到金屬印刷的色差檢測中，對實驗的結果數據進行分析。

首先在圖3(a)、圖3(b)和3(c)上每個小色塊中隨機選取一點，分別計算兩個公式計算得出的色差值。表1為圖3(b)和圖3(c)像素點坐標值和計算出對應的色差值，從表1可以看出，對相同的一個像素點，使用CIELAB和CIEDE2000計算出來的色差值是不一樣的。CIELAB計算出的色差值都要比CIEDE2000計算出的色差值大。

表1 圖3(b)和圖3(c)隨機點的色差值

表2是計算每個色塊的區(qū)域平均色差值，反映色標在不同大小印刷網點色塊存在的色差程度。從表2中的數據，可以看出CIEDE2000計算出色差值大多是在1.0～3.0之間，比較符合人眼的視覺感知，CIELAB在計算出的區(qū)域色差值較人眼視覺感知明顯偏大。從表2中的數據可以看出，CIEDE2000計算出色差值都在4.0～6.0之間，而CIELAB在計算出色差值都在6.0以上。當圖像存在嚴重的色差時，CIELAB計算出的色差值和人眼視覺感知更加貼近。

通過上面對表1和表2的分析，兩者都能較好地反映色差變化，但是CIELAB對小色差過于敏感，而CIEDE2000對大色差不夠敏感。

對于基于HSV顏色空間的相似度的色差檢測法，雖然不能定量地描述色差，但是能提供色差問題的嚴重程度。因此，采用HSV相似度和CIELAB的兩個色差公式結合起來，以實現對檢測出的色差值更符合人眼的顏色感知。因此，可設定當相似度低于80 %時使用CIELAB公式計算色差；當相似度介于80 %～95 %時，使用CIEDE2000公式計算色差；當相似度在95 %上時，可以判定待測樣品不存在色差問題。

表2 圖3(b)和圖3(c)的區(qū)域色差值

3 結束語

在金屬印刷色差檢測算法的研究中，通過機器視覺的方法實現了對金屬印刷制品的有效檢測。從定性和定量的角度研究了金屬印刷色差檢測算法，定性檢測是根據HSV顏色空間的直方圖交叉算法進行顏色相似性度量，定量檢測是根據CIELAB顏色空間的色差公式計算色標的色差值。實驗結果表明：根據不同的HSV顏色空間的相似度值，選取不同的色差公式進行色差檢測，可實現有效準確的檢測。

[1] 徐明亮,李成淵,梅 娟.基于SURF特征的印鐵圖像色差在線檢測研究].包裝工程,2012,33(15):103-108.

[2] 楊思思,周 泓,虞俠挺.基于機器視覺的人工光植物工廠植物生長狀況監(jiān)測系統(tǒng)].傳感器與微系統(tǒng),2014,33(12):88-90.

[3] Yuan H D.Blind forensics of median filtering in digital image-s].IEEE Transactions on Information Forensics and Security,2011,6(4):1335-1345.

[4] Cai H,Yang Z,Cao X,et al.A new iterative triclass thresholding technique in image segmentation].IEEE Transactions on Image Processing,2014,23(3):1038-1046.

[5] 阮秋琦.數字圖像處理學].北京：電子工業(yè)出版社,2007.

[6] 李鵬飛,王 婧,景軍鋒.織物色差的定性和定量測試方法].棉紡織技術,2014,42(4):38-41.

[7] 黃 虎,程 建,蒲 恬.基于機器視覺的工業(yè)品色差檢測系統(tǒng)].兵工自動化,2010,29(7):78-80.

[8] 鄭元林,劉士偉.最新色差公式:CIEDE2000].印刷質量與標準化,2004(7):34-37.

孫 俊，通訊作者，E—mail:sunjun_wx@hotmail.com。

Research on color difference detection algorithm based on machine vision*

FAN Peng-fei, SUN Jun

(School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China)

Algorithm for color difference detection based on machine vision is studied to solve the problem of color difference detection in metal printing.By printing color mark in metal blank area,capture color mark areas on metal printing products using industrial CCD cameras,digital image processing technique is applied to extract color.Use color difference detection algorithm based on HSV color space and color difference detection algorithm based on CIELAB color space,analyze color difference detection results in two kinds of color space,using the method combining the two kinds of color space detection algorithms,implement rapid and effective detection,and at the same time,it can ensure accuracy of detection results.

machine vision; image processing; color difference detection

2015—11—13

國家自然科學基金資助項目(61170119,61311130141)

10.13873/J.1000—9787(2016)10—0120—03

TP 391.4

A

1000—9787(2016)10—0120—03

范鵬飛(1989-),男，山東淄博人，碩士研究生，主要研究方向為圖像處理與模式識別。