王俊祥 ,張 影 ,胡 歡 ,黃 霖 ,朱永紅
(1.景德鎮(zhèn)陶瓷大學(xué),江西 景德鎮(zhèn) 333403;2.景德鎮(zhèn)市電信公司政企客戶部,江西 景德鎮(zhèn) 333000)
關(guān)鍵字:防眩光;同態(tài)濾波;陶瓷;計算機視覺
作為傳統(tǒng)行業(yè),陶瓷器具的生產(chǎn)過程存在韌性較低,生產(chǎn)工藝比較特殊,成批生產(chǎn)時質(zhì)量不易控制等特點。為了提高產(chǎn)品良品率,提升企業(yè)競爭力,絕大部分廠家均會設(shè)置產(chǎn)品質(zhì)量檢測部門。然而,大部分企業(yè)的日用陶瓷缺陷檢測仍然停留在人工肉眼檢測水平,檢測效率低,勞動強度大,產(chǎn)品質(zhì)量不穩(wěn)定,漏檢率較高成為一大詬病。
目前,隨著工業(yè)現(xiàn)代化水平的進步,無損檢測技術(shù)得以發(fā)展。常用的無損檢測方法[1-3]主要有如下五種,即:超聲檢測、射線檢測、渦流檢測、滲透檢測和磁粉檢測。超聲檢測、射線檢測主要利用待檢物體對聲波或射線的反射、透射情況來探測物體內(nèi)部的一些缺陷。聲振檢測技術(shù)[4]的基本原理是通過外加激勵敲擊使被檢物體發(fā)生振動,然后通過振動狀態(tài)可以分析出物件的結(jié)構(gòu)與材料的缺陷。相比之下,渦流檢測、滲透檢測和磁粉檢測則分別利用導(dǎo)體表面的感應(yīng)渦流分布、滲透液在物體表面的滲透性特點以及磁性物體附近產(chǎn)生的漏磁場情況來檢測被檢物表面的缺陷。以上這些無損檢測技術(shù)在我們的生活中已經(jīng)得到了根據(jù)被檢物體的材質(zhì)特性進行自主選擇。但它們都有一個共同的遺憾就是目前這些技術(shù)廣泛的應(yīng)用,這些檢測技術(shù)大部分是對物體內(nèi)部的探傷,檢測物體內(nèi)部是否有缺陷,所用算法均需要還沒有應(yīng)用于陶瓷產(chǎn)品的檢測之上。
近幾年來,隨著計算機技術(shù)的發(fā)展和數(shù)據(jù)處理能力的增強,多種高精度的無損檢測技術(shù)脫穎而出,其中機器視覺測量技術(shù)[5-6]作為一種新型的無接觸式、無損檢測技術(shù),非常適合于產(chǎn)品在線檢測,并獲得了空前的發(fā)展。這種新技術(shù)的產(chǎn)生和應(yīng)用,極大地解放了人類勞動力,提高了生產(chǎn)自動化水平。目前機器視覺的檢測技術(shù)雖然在各個領(lǐng)域均已取得廣泛應(yīng)用,但在傳統(tǒng)陶瓷行業(yè)的普及率不高,大部分集中在高精度的工程陶瓷方面[7-9],針對日用陶瓷的智能檢測設(shè)備幾乎處于空白狀態(tài)。僅論文[10]以及本團隊前期發(fā)表的論文[11-12]給出了陶瓷缺口的檢測方案。一般認為,制約計算機視覺技術(shù)在日用陶瓷行業(yè)推廣的一個重要原因是具有高反光性的陶瓷釉面在光源照射下會產(chǎn)生眩光現(xiàn)象。此現(xiàn)象會覆蓋陶瓷表面的細節(jié),不利于計算機視覺設(shè)備進行圖像采集,進而影響圖像的精度和后期處理。因此如何解決陶瓷表面因眩光帶來的問題,成為陶瓷檢測領(lǐng)域里一個迫切需要解決的關(guān)鍵。目前常見的做法是:在使用條形光源或者環(huán)形光源的同時,給相機鏡頭額外加上偏振光鏡片以改變進入鏡頭的光線角度,以此來達到盡量減小陶瓷眩光的現(xiàn)象。但是此做法無疑增加了系統(tǒng)的復(fù)雜性,降低了系統(tǒng)的穩(wěn)定性,并且增加了成本。
基于此,設(shè)計一套針對日用陶瓷缺陷的通用陶瓷防眩光算法,具有十分重要的意義,本文正基于此展開。
本文設(shè)計了一種基于同態(tài)濾波的陶瓷防眩光算法,用于去除陶瓷眩光現(xiàn)象,為后續(xù)的陶瓷智能檢測提供便利。本文首先在較暗環(huán)境下獲取圖像以避免陶瓷表面眩光。但由于圖像采集時亮度不足,會產(chǎn)生圖像細節(jié)不清晰的問題,鑒于此,本文借助同態(tài)處理技術(shù),實現(xiàn)圖像的增強,以恢復(fù)圖像細節(jié)信息。具體算法說明如下:
將陶瓷放置在光線較弱的環(huán)境中進行圖像拍攝以避免陶瓷眩光。此過程會產(chǎn)生陶瓷與背景相差不明顯,對比度不明顯,陶瓷內(nèi)部花紋細節(jié)模糊不清的現(xiàn)象,如圖3。
基于此,本算法欲對圖像進行預(yù)處理以實現(xiàn)以下三個功能:(1)保持背景(圖像中最黑且最光滑的部分)信息不變,無需做任何光線增強處理;(2)利用同態(tài)濾波技術(shù)增強陶瓷器件的整體亮度,方便細節(jié)的判定和人眼的觀察;(3)對圖像的細節(jié)部分(陶瓷碗的內(nèi)部花紋)進行增強,方便后續(xù)的貼花出界檢測。
本算法借助頻域增強領(lǐng)域的同態(tài)濾波技術(shù)[13-14]進行圖像預(yù)處理。在同態(tài)濾波技術(shù)中,圖像像素灰度值可看作是照度和反射兩個分量共同作用的結(jié)果??紤]到圖像的照度分量通常以空間域的慢變化為特征,而反射分量往往出現(xiàn)在圖像突變處,所以照射分量對應(yīng)于傅里葉變換時的低頻成分,即亮度信息;反射分量對應(yīng)于高頻分量、細節(jié)信息。因此,為凸顯細節(jié),需增強反射分量,同時為了區(qū)別位于中頻的陶瓷器件與位于低頻部分的背景,并進行分別處理,需尋找到一個合適的截至頻率。具體算法如下所述。
本算法借鑒同態(tài)濾波的技術(shù)框架,在傳輸函數(shù)的設(shè)計上進行改進,具體步驟如下:
步驟1:圖像模型f(x,y)可由照度i(x,y)和反射系數(shù)r(x,y)組成:
步驟2:對上式兩邊取對數(shù),分開上述二分量:
步驟3:對上式進行傅里葉變換:
步驟5:將結(jié)果反變換到空域:
步驟6:將上式兩邊取指數(shù),將圖像還原:
則
低頻巴特沃斯高通濾波傳遞函數(shù)可設(shè)計如下,如圖1(a)所示:
本文同態(tài)濾波傳遞函數(shù)設(shè)計如下,如圖1(b)所示:
其中,Hh為高頻權(quán)重。Hh>1,表明對高頻分量的增強效果;HL為低頻權(quán)重,0<Hh<1表示稍微壓縮低頻分量(背景信息);D0為截止頻率,用于區(qū)分高頻與低頻分量的范圍;C為銳化系數(shù),反映傳輸函數(shù)在高低頻分割線上的陡峭程度,一般可以取以點為濾波中心的頻域距離計算公式為為 了 凸 顯 高 頻 細節(jié),Hh一般取值較大;為了保持背景亮度不變,僅是稍微壓縮低頻分量以進一步凸顯對高頻的增強效果;Hh一般取略小于1的值。為了提升陶瓷區(qū)域的亮度,需要選擇合適的D0以便將陶瓷區(qū)域?qū)?yīng)的中頻劃入需要增強的高頻區(qū)域。一般D0取很小,將絕大部分區(qū)域劃歸到高頻區(qū)域以便增強圖像的亮度。
綜上所述,對低頻區(qū)域略微壓縮,對高頻區(qū)域進行較大增強,同時配合以較小的截至頻率D0,能夠有效的提升整個圖像的亮度,凸顯圖像細節(jié)。結(jié)果圖像如圖4。
為了驗證本文算法的有效性,本節(jié)給出本文設(shè)計的同態(tài)增強算法與傳統(tǒng)時域增強的對比實驗,以說明本文算法在防眩光方面的優(yōu)勢,然后給出了300個不同特征的圓形陶瓷產(chǎn)品的在線檢測結(jié)果,以體現(xiàn)本文防眩光算法為后續(xù)陶瓷產(chǎn)品檢測提供的積極作用。
為了驗證本文防眩光算法的有效性,本節(jié)給出了同態(tài)濾波的實驗結(jié)果以及對比實驗。圖2給出了存在眩光的原始圖像。如圖所示,當眩光區(qū)域與缺陷區(qū)域重合時,可能導(dǎo)致無法準確識別陶瓷缺陷的現(xiàn)象?;诖?,本文將其放在光線較弱的環(huán)境中進行圖像拍攝,如圖3。最后借助第2部分給出的同態(tài)濾波增強技術(shù)對圖3進行處理,可獲得較清晰的無眩光圖像,如圖4。對比圖2和圖4可驗證本文算法的有效性。
此外,為了驗證本文算法的優(yōu)勢,本節(jié)借助傳統(tǒng)的空域增強算法(灰度變換)對圖3進行處理,給出對比實驗,結(jié)果如圖5所示。對比圖4和5可知,傳統(tǒng)的灰度增強算法獲得的圖像(圖5)相對比較模糊,而本文給出的基于同態(tài)濾波的增強圖像(圖4)整體更加清晰。其主要原因在于:傳統(tǒng)的空域增強算法僅是對一個連續(xù)灰度范圍進行拉伸,沒有區(qū)分背景、細節(jié)等,所以不具備細節(jié)增強效果,在視覺上不夠清晰。本文算法可以借助頻域?qū)θN不同的紋理進行區(qū)分,并分別進行增強處理,其中頻域越高表示細節(jié)越明顯,變化越劇烈。據(jù)此本文算法可對不同部分進行不能程度的增強,從而獲得了更好的效果。
為了檢測防眩光算法的實用性,本文在生產(chǎn)線上隨機抽取了300個圓形樣品進行實驗。借助本課題組之前提出的缺口檢測方案[12]對有、無進行防眩光處理的產(chǎn)品分別進行測試,實驗結(jié)果如表1所示。鑒于本文算法能夠更好的展現(xiàn)產(chǎn)品視覺效果,所以在“檢測精度”和“檢測時間”方面均有一定優(yōu)勢。所有算法均在CPU為I3,主頻為3.2 GHZ,內(nèi)存為4G的主機上運行。實驗表明:本文算法在陶瓷圖像預(yù)處理階段具有較強的實用性。
圖2 帶眩光的原始圖像Fig.2 Original image with glare
圖3 低光照情況下采集的圖像Fig.3 Image captured under low light
圖4 同態(tài)濾波后的結(jié)果Fig.4 Homomorphic fi ltered image
圖5 空域灰度增強圖像Fig.5 Spatial-greyscale enhanced image
表1 缺陷檢測的統(tǒng)計對比結(jié)果Tab.1 Statistical comparison of defect detection
針對陶瓷產(chǎn)品表面光滑,在各種陶瓷圖像獲取過程中存在眩光的現(xiàn)象,本文給出了一種基于同態(tài)濾波的陶瓷防眩光算法。本算法首先采用暗室拍照技術(shù)獲取無眩光的圖像,然后借助同態(tài)濾波獲取反射分量,并對其進行增強,以解決陶瓷在光源條件不均勻時造成的眩光問題。實驗證明本文給出的同態(tài)濾波算法能夠?qū)Ω哳l細節(jié)和低頻背景分別進行處理,以便達到既提高圖像亮度,又保持圖像細節(jié)的雙重效果,在陶瓷圖像預(yù)處理方面具有較高的可行性和實用性。