（冀中能源邢礦集團(tuán)生活后勤服務(wù)分公司，河北 邢臺 054000）

藥品包裝是制藥過程中一個非常重要的環(huán)節(jié)，只有包裝質(zhì)量完好的藥品才能通過質(zhì)量和衛(wèi)生檢驗(yàn)。如果包裝有缺陷的藥品進(jìn)入市場，一方面會影響到包裝內(nèi)藥品的質(zhì)量，另一方面會損害制藥企業(yè)的名譽(yù)。泡罩包裝是藥品包裝的一種常見形式，多用于各種片劑和膠囊藥品的包裝。泡罩包裝因泡罩區(qū)具有透明度，使包裝內(nèi)藥品便于觀察，對藥品的售賣具有良好的輔助作用。但是，泡罩區(qū)的透明性也會導(dǎo)致其缺陷難以被發(fā)現(xiàn)。為了提升藥品泡罩包裝檢測的質(zhì)量和效率，采用機(jī)器視覺的方法替代人工檢測的方法，是一種可行的途徑。機(jī)器視覺依托圖像處理技術(shù)，通過顏色區(qū)分、噪聲去除、區(qū)域分割和紋理比較等，可以自動完成包裝上缺陷的準(zhǔn)確識別。該文以機(jī)器視覺在藥品包裝檢測中的應(yīng)用為核心研究內(nèi)容，將對涉及的關(guān)鍵技術(shù)進(jìn)行理論闡述和試驗(yàn)驗(yàn)證。

1 藥品包裝圖像的預(yù)處理

運(yùn)用機(jī)器視覺進(jìn)行藥品包裝的缺陷檢測，涉及2 個關(guān)鍵技術(shù)，分別是藥品包裝圖像的預(yù)處理和藥品包裝圖像的區(qū)域分割。預(yù)處理技術(shù)是指圖像在進(jìn)入缺陷檢測之前所開展的準(zhǔn)備工作。

1.1 預(yù)處理的技術(shù)流程

受到拍攝設(shè)備、拍攝環(huán)境和電磁干擾等各種因素的影響，藥品包裝被拍攝成圖像的過程中可能有多種噪聲，例如隨機(jī)噪聲、椒鹽噪聲以及高斯噪聲。這些噪聲的存在會影響原始像素顯示位置的正確性和亮度。為了提升缺陷檢測的準(zhǔn)確性，必須對這些噪聲進(jìn)行去除，該文設(shè)計(jì)的三種噪聲的去除方案，技術(shù)框圖如圖1 所示。

從圖1 可以看出，該文對藥品包裝圖像的噪聲采用了3種濾波技術(shù)、分3 個環(huán)節(jié)有針對性地進(jìn)行去噪處理。這3 種濾波技術(shù)分別是對隨機(jī)噪聲具有良好去噪效果的均值濾波技術(shù)、對椒鹽噪聲具有良好去噪效果的中值濾波技術(shù)以及對高斯噪聲具有良好去噪效果的高斯濾波技術(shù)。

圖1 該文設(shè)計(jì)的3 種噪聲的去除方案

1.2 均值濾波去除隨機(jī)噪聲

均值濾波技術(shù)是用一部分像素的平均值替代噪聲像素，達(dá)到去噪效果的濾波方法。均值濾波的前提性工作是選擇合適的可以計(jì)算平均值的像素區(qū)域。考慮圖像遍歷過程的方便性，一般選擇正方形窗口，并以噪聲像素為中心，窗口內(nèi)其鄰域像素即為計(jì)算均值的候選像素。這里需要指出的是，均值濾波在去噪的同時(shí)有一定的模糊效應(yīng)，均值窗口設(shè)置的越大、模糊效應(yīng)越明顯。因此，該文的均值濾波去噪過程中，選擇了一個3×3 像素大小的均值窗口。

在這個3×3 像素的像素窗口內(nèi)，中心點(diǎn)像素即為被噪聲污染的像素，其二維圖像坐標(biāo)可以用（，）表示，那么均值濾波后（，）位置上的新像素灰度的計(jì)算如公式（1）所示。

式中：參數(shù)（，）為均值濾波后的新像素灰度；參數(shù)（，）為被噪聲污染的原像素的灰度。

1.3 中值濾波去除椒鹽噪聲

中值濾波技術(shù)是主要處理過程包括像素選擇都和均值濾波類似，也是圍繞著被污染像素選擇一個合適大小的正方形窗口，其后的操作有所不同。中值濾波要求將窗口內(nèi)所有候選像素按照灰度大小進(jìn)行排序，并用排序在中間位置的像素替代被污染的噪聲像素，其處理如公式（2）所示。

式中：median 為在集合中選取中間值的操作。

為了更加直觀地展示中值濾波的去噪過程，給定一個3×3 像素窗口下去噪的例子，如圖2 所示。

圖2 中值濾波去噪的一個實(shí)例

從圖2 中可以看出，這是一個3×3 像素的中值濾波窗口，窗口中心位置上的像素的灰度為188，高于周圍其他8個像素，這是一個被噪聲污染的像素。按照中值濾波的去噪原理，將這9 個像素按照灰度大小進(jìn)行排序，處在中間位置上的像素灰度為154，進(jìn)而用154 代替188 完成去噪處理。

1.4 高斯濾波去除高斯噪聲

均值濾波、中值濾波更多地是針對離散噪聲的處理。如果從整幅圖像或多幅圖像來看，噪聲的大小、噪聲出現(xiàn)位置的頻率一般都服從正態(tài)分布，即高斯分布。所以，圖像中的噪聲稱之為高斯噪聲。對服從高斯分布噪聲的去除，該文直接選用高斯濾波器進(jìn)行卷積處理。高斯濾波器的數(shù)學(xué)形式如公式（3）所示。

式中：參數(shù)為高斯系數(shù)，決定了濾波器的尺度范圍。

2 藥品包裝圖像的區(qū)域分割

從機(jī)器視覺的技術(shù)角度看，包裝圖像去噪處理只是完成了缺陷檢測前的一項(xiàng)準(zhǔn)備工作，而缺陷檢測的另一個關(guān)鍵工作是對包裝區(qū)域進(jìn)行準(zhǔn)確的分割，以便使用模板匹配等技術(shù)對每個分割出的包裝單元和標(biāo)準(zhǔn)模板進(jìn)行比對，進(jìn)而判斷出是否存在包裝缺陷。

和其他內(nèi)容圖像的區(qū)域分割相比，藥品包裝圖像的區(qū)域分割有它的特殊性。其他圖像的內(nèi)容信息一般比較復(fù)雜，紋理上也呈現(xiàn)出明顯的區(qū)域變化，因此輪廓提取、邊緣檢測等區(qū)域分割技術(shù)具有更好的針對性。但藥品包裝圖像上，每個包裝體系下包括多個有規(guī)律排列和分布的多個包裝單元，并且這些包裝單元所在區(qū)域和背景區(qū)域具有鮮明的色彩、紋理差異。所以，可以利用包裝區(qū)域和背景區(qū)域之間的對比度差異進(jìn)行區(qū)域分割，不僅原理簡單而且實(shí)用效果好。

據(jù)此，該文采取基于閾值判別的策略完成藥品包裝圖像的區(qū)域分割。經(jīng)過判斷包裝單元和背景區(qū)域的灰度差異后，設(shè)置合理的閾值，并根據(jù)不同區(qū)域灰度和閾值灰度的大小，判斷出是包裝單元還是背景區(qū)域，其處理如公式（4）所示。

式中：（，）為要參與判斷的像素灰度，它可能是包裝單元區(qū)域的像素，也可能是背景區(qū)域的灰度；（，）為分割后重新設(shè)置的像素灰；為進(jìn)行區(qū)域分割操作的判斷閾值。

區(qū)域分割操作的關(guān)鍵在于閾值的選擇，閾值的合理設(shè)定是一個難點(diǎn)。此外，當(dāng)區(qū)域分割作為算法的一部分納入整個藥品包裝缺陷識別算法時(shí)，閾值的設(shè)定應(yīng)該是自動的，由算法本身根據(jù)實(shí)時(shí)傳送進(jìn)來的藥品包裝圖像來自動設(shè)定的。如果藥品包裝圖像發(fā)生了變化，這個閾值也應(yīng)該隨之變化。

根據(jù)不同圖像內(nèi)容自動設(shè)定閾值的方法，一般可以選擇最小誤差法、大律法等。該文根據(jù)藥品包裝圖像的特點(diǎn)，選擇大律法進(jìn)行閾值設(shè)定。

大律法完成閾值設(shè)定的思路是，先隨機(jī)選定一個閾值作為初始閾值，按照這個初始閾值進(jìn)行分割后形成2 個初始灰度集合。再分別計(jì)算這兩個集合的灰度均值，進(jìn)而形成方差計(jì)算，再根據(jù)方差極值不斷調(diào)整閾值，每次更新都會讓閾值的設(shè)定更加合理，直到這個閾值和藥品包裝圖像完全契合。

在藥品包裝圖像（，）位置上的像素可以采用（，）描述，同時(shí)設(shè)定藥品包裝圖像含有個灰度等級，并用[0，-1]的灰度區(qū)間法表示。那么級灰度可能出現(xiàn)的概率為（），其計(jì)算如公式（5）所示。

在這個核心公式之后，大律法還要分別計(jì)算藥品包裝區(qū)域的像素比、藥品包裝區(qū)域的像素?cái)?shù)、藥品包裝圖像的灰度均值以及上述3 個參數(shù)的對應(yīng)背景參數(shù)，具體如公式（6）所示。

3 藥品包裝的缺陷檢測試驗(yàn)

試驗(yàn)中，將通過具體的檢測試驗(yàn)來驗(yàn)證該文給出的去噪方法和分割方法對藥品包裝圖像缺陷檢測的實(shí)用效果。檢測試驗(yàn)進(jìn)行的流程如下。

第一個環(huán)節(jié)，從沒有缺陷的藥品包裝圖像中提取包裝單元部分，作為后續(xù)檢測和比對的模板圖像。

第二個環(huán)節(jié)，對要進(jìn)行檢測的藥品包裝圖像進(jìn)行去噪處理，即按照前述的方法分別采用均值濾波去除包裝圖像上的隨機(jī)噪聲，采用中值濾波去除包裝圖像上的椒鹽噪聲，采用高斯濾波去除包裝圖像上的高斯噪聲。

第三個環(huán)節(jié)，根據(jù)藥品包裝圖像的內(nèi)容信息按照大律法自動設(shè)定閾值，并根據(jù)這個閾值完成區(qū)域分割，從圖像中分離出一個個藥品包裝單元區(qū)域。

第四個環(huán)節(jié)，將每個分離出的藥品包裝單元區(qū)域和第一個環(huán)節(jié)備用的模板圖像進(jìn)行比對，形成對該單元是否為缺陷包裝的判別結(jié)果。

檢測試驗(yàn)分別針對兩種形式的藥品包裝進(jìn)行，其中，第一種是膠囊類的藥品包裝，其無缺陷的膠囊包裝單元圖像作為模板圖像，如圖3 所示。

圖3 無缺陷的膠囊包裝單元圖像

對整個膠囊藥品包裝圖像分別執(zhí)行去噪處理、區(qū)域分割，并根據(jù)模板圖像進(jìn)行比對檢測后，形成的缺陷檢測結(jié)果如圖4 所示。

圖4 全部膠囊藥品包裝單元的缺陷檢測結(jié)果

從圖4 中的結(jié)果可以看出，經(jīng)過去噪處理后，膠囊藥品包裝圖像上的噪聲被有效去除，包裝區(qū)域和背景區(qū)域之間對比度更清晰。進(jìn)而通過大律法完成區(qū)域分割，每個藥品包裝單元都被黃色邊界圈定，形成一個個獨(dú)立區(qū)域，可以和模板圖像進(jìn)行比較。模板匹配之后，有缺陷的包裝單元被準(zhǔn)確檢出。

第二種是片狀類的藥品包裝，其無缺陷的片狀包裝單元圖像作為模板圖像，如圖5 所示。

圖5 無缺陷的片狀包裝單元圖像

對整個片狀藥品包裝圖像分別執(zhí)行去噪處理、區(qū)域分割，并根據(jù)模板圖像進(jìn)行比對檢測后，形成的缺陷檢測結(jié)果如圖6 所示。

從圖6 中的結(jié)果可以看出，經(jīng)過去噪處理片狀藥品包裝圖像上的噪聲被有效去除，包裝區(qū)域和背景區(qū)域之間對比度更清晰，進(jìn)而通過大律法完成區(qū)域分割，每個藥品包裝單元都被黃色邊界圈定，形成一個個獨(dú)立區(qū)域，可以和模板圖像進(jìn)行比較。模板匹配之后，有缺陷的包裝單元被準(zhǔn)確檢出。

圖6 全部片狀藥品包裝單元的缺陷檢測結(jié)果

4 結(jié)論

針對藥品包裝圖像的缺陷檢測問題，該文采取一種基于機(jī)器視覺的檢測方法，完成包裝缺陷的自動檢測。首先，對藥品包裝圖像進(jìn)行去噪處理，分別采用均值濾波去除包裝圖像上的隨機(jī)噪聲，采用中值濾波去除包裝圖像上的椒鹽噪聲，采用高斯濾波去除包裝圖像上的高斯噪聲。其次，采用大律法自動設(shè)定閾值并完成包裝單元和背景之間的區(qū)域分割。最后，通過模板匹配技術(shù)判斷每個包裝單元是否存在缺陷。分別針對膠囊包裝和片狀包裝進(jìn)行缺陷檢測試驗(yàn)，試驗(yàn)結(jié)果充分證實(shí)了該文方法的有效性。