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

0 引 言

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。

1 基于同態(tài)濾波的陶瓷防眩光算法

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：

1.1 同態(tài)濾波的優(yōu)勢

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。

1.2 同態(tài)濾波的執(zhí)行步驟

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

1.3 傳遞函數(shù)的設(shè)計和參數(shù)選擇

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。

2 實驗部分

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。

2.1 同態(tài)增強與時域增強的對比實驗

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)θN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。

2.2 執(zhí)行時間和效率

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

4 結(jié) 論

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。