侯和平, 徐卓飛, 劉 凱, 趙慶海(.西安理工大學(xué) 印刷包裝與數(shù)字媒體學(xué)院, 陜西 西安 70048; .西安理工大學(xué) 機(jī)械與精密儀器工程學(xué)院, 陜西 西安 70048)

印刷機(jī)械是將印版表面上的圖文信息轉(zhuǎn)移并牢固地附著在承印物表面上完成大規(guī)模復(fù)制的機(jī)器。由于印刷機(jī)械是一種結(jié)構(gòu)復(fù)雜、精度極高、運(yùn)轉(zhuǎn)高速、多介質(zhì)耦合的設(shè)備,生產(chǎn)過(guò)程中一旦出現(xiàn)故障將在短時(shí)間內(nèi)產(chǎn)生大量廢品,浪費(fèi)大量紙張、油墨、部分昂貴包裝材料等。印刷品作為印刷機(jī)械的產(chǎn)品,由各印刷色組單元按照印刷工藝的順序精確疊印而成,各機(jī)構(gòu)的運(yùn)行狀態(tài)以油墨為載體記錄在印刷畫面之中。通過(guò)對(duì)印刷畫面的檢測(cè),提取有關(guān)的特征參數(shù),反演印刷機(jī)械關(guān)鍵機(jī)構(gòu)的工作狀態(tài),進(jìn)而判斷印刷機(jī)械故障是當(dāng)前印刷機(jī)械故障診斷一種新的研究方法。與傳統(tǒng)機(jī)械故障診斷方法相比,該方法將印刷故障檢測(cè)標(biāo)識(shí)作為傳感器,與其他印刷內(nèi)容放在一起進(jìn)行印刷,通過(guò)檢查印完的樣品,提取標(biāo)識(shí)的特征,分析特征的變化來(lái)推斷機(jī)構(gòu)的運(yùn)行狀態(tài)[1]。

常用印刷故障檢測(cè)標(biāo)識(shí)見圖1,(a)為多色套印檢測(cè)標(biāo)識(shí),(b)為傳紙和輸紙機(jī)構(gòu)運(yùn)動(dòng)狀態(tài)的檢測(cè)標(biāo)識(shí),(c)為印刷機(jī)滾筒與墨輥壓力以及滾筒傳動(dòng)齒輪振動(dòng)的檢測(cè)標(biāo)識(shí)。這些印刷機(jī)械故障標(biāo)識(shí)都是直線的不同組合,通過(guò)檢測(cè)直線間距以及寬度的變化,與預(yù)設(shè)值進(jìn)行比較就可判斷機(jī)構(gòu)是否出現(xiàn)運(yùn)行故障[2]。因此,能夠準(zhǔn)確快速識(shí)別、定位標(biāo)識(shí)中的直線并提取相應(yīng)的特征,是實(shí)現(xiàn)印刷及印刷機(jī)械故障準(zhǔn)確判斷與預(yù)測(cè)的關(guān)鍵。

圖1 各種印刷及印刷機(jī)械故障檢測(cè)標(biāo)識(shí)Fig.1 Kinds of printing inspection marks

對(duì)于直線的檢測(cè),其基本思路是:先對(duì)圖像進(jìn)行邊緣檢測(cè),即提取圖像中的邊緣點(diǎn)或特征點(diǎn)集合,然后利用相關(guān)算法識(shí)別集合中的直線[3-4]。邊緣檢測(cè)即尋找圖像灰度值階躍性變化或者屋頂狀變化區(qū)域的邊緣。算法的好壞、結(jié)果的可靠性和正確性將對(duì)提取輪廓的精度、系統(tǒng)性能和系統(tǒng)對(duì)圖像的理解產(chǎn)生直接影響。文獻(xiàn)[4]提出了一種基于Hough變換和最小二乘法結(jié)合的直線檢測(cè)方法,應(yīng)用于套印標(biāo)識(shí)的檢測(cè);文獻(xiàn)[5]采用Laplace、Roberts、Canny、Prewitt和Sobel算子等實(shí)現(xiàn)邊緣檢測(cè),但直線周圍灰度的變化為階躍狀,包含灰度急劇上升和下降,會(huì)出現(xiàn)雙邊緣現(xiàn)象,導(dǎo)致后續(xù)邊緣定位出現(xiàn)偏差;文獻(xiàn)[6]提出了基于Radon變換與灰度投影積分方法的矩形檢測(cè),該方法保證了矩形檢測(cè)的準(zhǔn)確性,提高了矩形檢測(cè)的速度,但是應(yīng)用于自動(dòng)檢測(cè)時(shí)的計(jì)算速度比較慢。OPTA算法(One-Pass Thinning Algorithm)細(xì)化比較徹底但在紋線的水平和垂直方向會(huì)產(chǎn)生較多毛刺,且在分叉點(diǎn)處存在不是單像素寬的問(wèn)題;快速細(xì)化算法(Quick Thinning Algorithm)運(yùn)行速度快,紋線光滑無(wú)毛刺,但不是單像素寬[7]。

本文提出了一種結(jié)合快速細(xì)化算法和最小二乘法擬合的快速直線檢測(cè)方法,以用于印刷畫面中故障標(biāo)識(shí)的直線檢測(cè),為印刷偏差自動(dòng)計(jì)算提供支撐。該方法具備運(yùn)行速度快、精度高的特點(diǎn),符合實(shí)際生產(chǎn)的要求。

1 標(biāo)識(shí)直線檢測(cè)方法

印刷故障標(biāo)識(shí)圖案由相互垂直的直線組成,直線的寬度和間距在設(shè)計(jì)時(shí)有相應(yīng)的規(guī)定,如傳紙和輸紙機(jī)構(gòu)運(yùn)動(dòng)狀態(tài)的檢測(cè)標(biāo)識(shí)直線寬度設(shè)定為0.4 mm,直線的間距為0.4 mm。完成標(biāo)識(shí)檢測(cè)的主要內(nèi)容包括:利用ZS細(xì)化算法實(shí)現(xiàn)直線單像素寬的細(xì)化[8],并采用最小二乘法對(duì)圖像中最長(zhǎng)直線進(jìn)行線性擬合得到圖像傾斜角,對(duì)傾斜校正之后的圖像進(jìn)行水平和垂直方向的灰度積分投影,完成直線的快速檢測(cè)[9-11]。主要步驟如下。

1) 對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理(灰度化,二值化)。

2) 對(duì)預(yù)處理圖像執(zhí)行細(xì)化算法。

3) 最小二乘法擬合直線得到傾斜角,校正圖像傾斜。

4) 運(yùn)用灰度積分投影方法求取圖像在水平和垂直方向的投影圖,并定位直線的位置。其檢測(cè)流程圖見圖2。

圖2 檢測(cè)流程圖Fig.2 The flow chart of detection

1.1 邊緣檢測(cè)

ZS算法作為8鄰接、并行細(xì)化算法迭代次數(shù)少,運(yùn)行速度快,對(duì)直線、T行交叉和拐角的處理能精確地與原圖像保持一致,是目前應(yīng)用最為廣泛的算法之一[12]。圖3為8鄰域示意圖,物體輪廓點(diǎn)及前景點(diǎn)的值為1,圖像背景點(diǎn)的值為0。

圖3 8鄰域示意圖Fig.3 8-neighbood schematic diagram

對(duì)于值為1的任意像素點(diǎn)P1,采用ZS算法的細(xì)化過(guò)程如下。

Step1 若P1點(diǎn)8鄰域滿足:①2≤N(p1)≤6,②S(p1)=1,③p2×p4×p6=0,④p4×p6×p8=0,則將P1點(diǎn)標(biāo)記為待刪除,等到本次掃描結(jié)束后,刪除標(biāo)記的像素,即令p1=0。其中,N(p1)表示P1像素8鄰域中非0點(diǎn)的個(gè)數(shù);S(p1)表示P1像素8鄰域中以P2、P3、…、P9為序時(shí),像素值由0變1的次數(shù)。

Step2 若P1點(diǎn)同時(shí)滿足Step1中的①和②以及條件⑤p2×p4×p8=0和條件⑥p2×p6×p8=0,標(biāo)記P1為待刪除點(diǎn)。

Step3 重復(fù)上述Step1和Step2操作,直到原圖像中沒(méi)有滿足標(biāo)記條件的像素點(diǎn),此時(shí)剩下的像素點(diǎn)組成邊界的骨架,細(xì)化過(guò)程結(jié)束,完成直線的邊緣檢測(cè)。

1.2 線性擬合

Step1 由于擬合直線需要盡可能靠近或通過(guò)所有點(diǎn),即求偏差平方和的極值,則必然滿足對(duì)各變量的偏導(dǎo)數(shù)等于0,即對(duì)目標(biāo)函數(shù)e求偏導(dǎo)數(shù),結(jié)果如下:

(1)

Step2 整理合并括號(hào)內(nèi)各項(xiàng),并分離k和b,結(jié)果如下:

(2)

(3)

并求得k和b的值如下:

(4)

Step4 擬合得到直線的斜率k,同時(shí)傾斜角θ的范圍為0°≤θ<180°,則傾斜角θ的值如下:

θ=kπ+arctan(θ) (k=0,1)

(5)

以上是最小二乘法擬合直線的常用方法,該直線擬合方法能快速、高精度確定圖像中直線的方程,有利于提高圖像傾斜校正的精度。

由于紙張位置變化以及收紙機(jī)構(gòu)振動(dòng)等原因,擬合后的直線通常有一定的傾斜,需要對(duì)標(biāo)識(shí)圖像可進(jìn)行旋轉(zhuǎn)校正。通過(guò)簡(jiǎn)單的坐標(biāo)旋轉(zhuǎn)變換即可實(shí)現(xiàn)旋轉(zhuǎn)校正:

(6)

式中,(x,y)為旋轉(zhuǎn)前的圖像坐標(biāo),(x',y')為旋轉(zhuǎn)后的圖像坐標(biāo)。

1.3 直線定位

傾斜校正完成后的直線,要進(jìn)行定位,以便確定直線間的距離,定位方法運(yùn)用積分投影法[11-13]。當(dāng)圖像某一行像素灰度值發(fā)生變化時(shí),水平積分投影值會(huì)體現(xiàn)出相應(yīng)的變化;同理垂直積分投影值反映某一列像素灰度值的變化情況。假設(shè)f(x,y)是像素點(diǎn)(x,y)處的灰度值,則水平方向積分投影Sh(x)和垂直方向積分投影Sv(y)的定義如下:

(7)

式中:n為圖像一行所有的像素點(diǎn)數(shù);m為圖像一列所有的像素點(diǎn)數(shù)。

由上述公式可知,水平或者垂直積分投影是對(duì)圖像中一行或一列像素點(diǎn)灰度值的累加及顯示。因此,投影圖像中灰度值的極值即原圖中直線的位置,同時(shí)極坐標(biāo)系下的投影能夠確保算法具有旋轉(zhuǎn)不變性,提高定位精度,降低錯(cuò)誤定位率。

圖4所示為垂直和水平積分投影效果圖,圖中直線極值即為采集圖像中直線的位置,得出直線位置如表1所示。

表1 標(biāo)識(shí)1中直線位置Tab.1 Location of straight lines in the first logo

圖4 灰度積分投影圖Fig.4 Image of gray integral projection

2 實(shí)驗(yàn)及算法對(duì)比

2.1 實(shí)驗(yàn)描述及方案

本實(shí)驗(yàn)將印刷傳紙及輸紙故障檢測(cè)標(biāo)識(shí)與其他印刷圖像一起制版,置于印版的咬口部位,并將制作好的印版安裝在PZ650膠印機(jī)上,將圖像采集裝置放置在膠印機(jī)的收紙位置,調(diào)節(jié)好印刷機(jī)的各種印刷參數(shù),開機(jī)進(jìn)行印刷。實(shí)驗(yàn)場(chǎng)景見圖5。

圖5 實(shí)驗(yàn)現(xiàn)場(chǎng)圖Fig.5 Experimental platform

本次實(shí)驗(yàn)使用的儀器有:計(jì)算機(jī)直接制版機(jī)Trend setter 800Ⅱ;型號(hào)為W-PTP-850C的沖版機(jī);光華PZ1650單張紙印刷機(jī);最小刻度為0.005 mm的MG10081-2150X讀數(shù)顯微鏡;由面陣CCD相機(jī)ECO655、遠(yuǎn)心鏡頭TEC-M55、寬條型光源JK-L20032W、支架以及外部觸發(fā)器搭建而成的圖像采集存儲(chǔ)系統(tǒng)、計(jì)算機(jī)和圖像特征提取軟件模塊。

2.2 實(shí)驗(yàn)采集處理結(jié)果

在印刷穩(wěn)定、印刷速度3 600 r/h的速度下進(jìn)行印刷,采集印刷故障標(biāo)識(shí),并將印刷故障標(biāo)識(shí)存儲(chǔ)在計(jì)算機(jī)中。處理過(guò)程見圖6,連續(xù)采集100張印刷樣張,運(yùn)用本文算法與Canny算法進(jìn)行檢測(cè),并將檢測(cè)的結(jié)果對(duì)比,比較結(jié)果如表2所示。結(jié)果表明均值更接近理論值,標(biāo)準(zhǔn)差變小,數(shù)據(jù)集的一致程度更好,即直線定位精度更高。

表2 本文算法與Canny算法對(duì)比Tab.2 Contrast of Canny algorithm with this algorithm

圖6 故障標(biāo)識(shí)檢測(cè)及處理Fig.6 The detection and processing of fault identity

3 結(jié) 論

通過(guò)對(duì)印刷標(biāo)識(shí)的檢測(cè)反演印刷機(jī)械重點(diǎn)機(jī)構(gòu)的運(yùn)行狀態(tài)是一種全新的印刷機(jī)械故障診斷的方法,其關(guān)鍵是能夠準(zhǔn)確、快速提取印刷故障標(biāo)識(shí)的特征參數(shù)。本文提出了一種結(jié)合快速細(xì)化算法和最小二乘法擬合的快速直線檢測(cè)方法,應(yīng)用于印刷畫面的直線檢測(cè),通過(guò)在機(jī)印刷提取印刷標(biāo)識(shí)。主要的結(jié)論如下。

1) 分析了不同的印刷故障標(biāo)識(shí),找出了不同印刷故障標(biāo)識(shí)的主要特征。

2) 通過(guò)ZS算法與最小二乘法實(shí)現(xiàn)了直線的快速檢測(cè)。

3) 通過(guò)對(duì)比實(shí)驗(yàn)證明了本文計(jì)算的均值更接近理論值,標(biāo)準(zhǔn)差變小,數(shù)據(jù)集的一致程度更好,直線定位精度更高。

4) 為印刷故障標(biāo)識(shí)在機(jī)識(shí)別與特征提取提供了支撐。