摘要：設(shè)計(jì)基于圖像配準(zhǔn)的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)，通過(guò)圖像采集部分獲取玻璃瓶印刷字圖像，圖像處理部分利用空間域算法增強(qiáng)該圖像，提升圖像的清晰度與辨識(shí)度。圖像配準(zhǔn)部分以增強(qiáng)后的圖像為基礎(chǔ)，提取圖像中關(guān)鍵點(diǎn)，并且確定關(guān)鍵特征點(diǎn)的位置和方向，采用高維向量的最近鄰搜索算法匹配關(guān)鍵特征點(diǎn)，通過(guò)計(jì)算兩幅待匹配圖像上關(guān)鍵特征點(diǎn)之間的相似性實(shí)現(xiàn)特征匹配，從而完成圖像配準(zhǔn)，以此確定印刷字缺陷情況。測(cè)試結(jié)果顯示：該系統(tǒng)能夠獲取瓶上的印刷字的關(guān)鍵特征提取結(jié)果，并且提取的字體特征完整，通過(guò)配準(zhǔn)可靠確定玻璃瓶印刷字缺陷位置。

關(guān)鍵詞：圖像配準(zhǔn)；玻璃瓶；印刷字；缺陷檢測(cè)

一、前言

玻璃瓶作為常見(jiàn)的包裝材料，其印刷字體的清晰度和準(zhǔn)確性直接關(guān)系到產(chǎn)品的品牌形象和消費(fèi)者體驗(yàn)。然而，在玻璃瓶的生產(chǎn)和印刷過(guò)程中，由于工藝控制、機(jī)械精度及環(huán)境等多種因素的影響，印刷字體常會(huì)出現(xiàn)模糊、錯(cuò)位、漏印等缺陷，這些缺陷不僅影響產(chǎn)品的美觀度，還可能誤導(dǎo)消費(fèi)者，對(duì)產(chǎn)品的質(zhì)量和安全性構(gòu)成潛在威脅[1]。傳統(tǒng)上，玻璃瓶印刷字缺陷的檢測(cè)主要依賴人工目視檢查，這種方法存在諸多局限性。首先，人工檢測(cè)效率低下，難以適應(yīng)大規(guī)模生產(chǎn)的需求。其次，檢測(cè)結(jié)果易受主觀因素影響，存在漏檢和誤檢的風(fēng)險(xiǎn)。最后，長(zhǎng)時(shí)間的人工檢測(cè)還可能導(dǎo)致視力疲勞和職業(yè)病等問(wèn)題[2]。因此，開(kāi)發(fā)一種高效、準(zhǔn)確、自動(dòng)化的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)顯得尤為重要。

圖像配準(zhǔn)（Image Registration）是將不同時(shí)間、不同傳感器（成像設(shè)備）或不同條件下（如天候、照度、攝像位置和角度等）獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過(guò)程。它已經(jīng)被廣泛地應(yīng)用于遙感數(shù)據(jù)分析、計(jì)算機(jī)視覺(jué)、圖像處理等多個(gè)領(lǐng)域。圖像配準(zhǔn)的目的是找到圖像之間的點(diǎn)對(duì)點(diǎn)映射關(guān)系，或者對(duì)某種感興趣的特征建立關(guān)聯(lián)，從而實(shí)現(xiàn)對(duì)圖像的精確對(duì)齊和融合[3]。因此，本文研究基于圖像配準(zhǔn)的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)，該系統(tǒng)通過(guò)圖像采集設(shè)備獲取玻璃瓶印刷圖像，利用圖像處理技術(shù)對(duì)圖像進(jìn)行預(yù)處理和特征提取，然后采用圖像配準(zhǔn)算法將待檢測(cè)圖像與標(biāo)準(zhǔn)圖像進(jìn)行精確對(duì)齊，最后基于配準(zhǔn)結(jié)果對(duì)印刷字缺陷進(jìn)行識(shí)別和判定。

二、玻璃瓶印刷字缺陷檢測(cè)

（一）基于圖像配準(zhǔn)的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)架構(gòu)

為保證玻璃瓶印刷字缺陷的檢測(cè)效果，本文結(jié)合該類印刷字的特點(diǎn)設(shè)計(jì)基于圖像配準(zhǔn)的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)。該系統(tǒng)整體包含3個(gè)部分，分別為圖像采集部分、圖像處理部分以及圖像配準(zhǔn)部分。圖像采集部分的主要作用是實(shí)現(xiàn)玻璃瓶印刷字圖像采集，圖像處理部分的主要目的是對(duì)采集的圖像進(jìn)行增強(qiáng)處理，以此提升印刷字的細(xì)節(jié)和清晰度[4]。圖像配準(zhǔn)部分主要是提取圖像中的特征點(diǎn)，然后依據(jù)特征點(diǎn)的提取結(jié)果實(shí)現(xiàn)特征匹配，從而實(shí)現(xiàn)玻璃瓶印刷字缺陷檢測(cè)?；趫D像配準(zhǔn)的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)架構(gòu)如圖1所示。

（二）基于空間域算法的玻璃瓶印刷字圖像增強(qiáng)

圖像的增強(qiáng)過(guò)程是一個(gè)針對(duì)特定需求而定制的技術(shù)手段，其核心在于強(qiáng)調(diào)圖像中的關(guān)鍵信息，同時(shí)可能淡化或消除不必要的細(xì)節(jié)。這一過(guò)程旨在提升圖像質(zhì)量，使之更契合計(jì)算機(jī)視覺(jué)處理的需求。首先，通過(guò)優(yōu)化圖像的視覺(jué)表現(xiàn)，提升圖像的清晰度與辨識(shí)度，特別是強(qiáng)化或凸顯那些對(duì)分析至關(guān)重要的敏感特征。這一過(guò)程不僅僅是簡(jiǎn)單的信息放大，而是根據(jù)研究者的具體需求，對(duì)圖像中的不同信息特征進(jìn)行有選擇性的增強(qiáng)，以滿足特定分析場(chǎng)景的精細(xì)要求[5]。其次，待測(cè)圖像的增強(qiáng)還能顯著提升計(jì)算機(jī)視覺(jué)處理系統(tǒng)的效能。特別是當(dāng)圖像經(jīng)過(guò)銳化處理，其邊緣輪廓變得更加鮮明，極大地便利了系統(tǒng)對(duì)目標(biāo)的識(shí)別與檢測(cè)過(guò)程。通過(guò)聚焦于圖像中用戶感興趣的目標(biāo)區(qū)域，圖像增強(qiáng)技術(shù)不僅減少了處理數(shù)據(jù)的冗余度，還提高了處理速度和準(zhǔn)確性[5]，從而使整個(gè)視覺(jué)處理系統(tǒng)的工作效率和性能得到質(zhì)的飛躍。

本文為實(shí)現(xiàn)玻璃瓶印刷字圖像增強(qiáng)采用空間域法實(shí)現(xiàn)增強(qiáng)處理，該方法是通過(guò)灰度級(jí)對(duì)采集的圖像進(jìn)行處理，以此降低圖像中的噪聲。天工石能夠通過(guò)灰度級(jí)矯正以及直方圖修正提升圖像的均勻性。如果采集的原始圖像用S（x，y）表示，增強(qiáng)后的圖像用G（x，y）表示，其映射處理公式為：

式中：f（x，y，z）表示映射函數(shù)，其中z表示銳化因子。

為實(shí)現(xiàn)圖像的增強(qiáng)處理，通過(guò)二維正交變換進(jìn)行原始圖像的處理，獲取該圖像的頻率域，其公式為：

式中：Q（m，n）表示變換后獲取的空間域圖像。

對(duì)上述公式進(jìn)行反變換處理，以此獲取圖像的最終增強(qiáng)結(jié)果，其公式為：

（三）基于圖像配準(zhǔn)的印刷字缺陷檢測(cè)

1.關(guān)鍵點(diǎn)提取

完成圖像增強(qiáng)處理后，為提升印刷字缺陷的檢測(cè)精度，需提取圖像中的關(guān)鍵點(diǎn)，本文結(jié)合圖像配準(zhǔn)需求，采用一種基于尺度變換且保持特征不變性的算法，以提取兩幅圖像中的顯著特征點(diǎn)。該算法的關(guān)鍵點(diǎn)提取流程如圖2所示。

此算法的核心在于遍歷多個(gè)尺度空間，精準(zhǔn)定位那些在不同尺度下均表現(xiàn)為極值的點(diǎn)。為進(jìn)一步提升這些極值點(diǎn)的定位精度，算法利用高斯差分函數(shù)結(jié)合極值點(diǎn)處的二階泰勒展開(kāi)式，實(shí)現(xiàn)對(duì)極值點(diǎn)位置及其所屬尺度的精細(xì)調(diào)整。算法以每個(gè)關(guān)鍵點(diǎn)為中心，構(gòu)建一個(gè)8×8的局部鄰域窗口，并在此窗口內(nèi)進(jìn)一步細(xì)分為四個(gè)4×4的子區(qū)域。在每個(gè)子區(qū)域內(nèi)，算法計(jì)算8個(gè)不同方向上的梯度累加值，這些累加值共同構(gòu)成了該關(guān)鍵點(diǎn)的特征描述符，該描述符能夠全面而緊湊地刻畫關(guān)鍵點(diǎn)周圍的局部紋理信息。最后，為評(píng)估兩幅待配準(zhǔn)圖像中關(guān)鍵點(diǎn)之間的相似性或相關(guān)性，算法采用特征描述符之間的匹配策略。通過(guò)比較不同圖像中關(guān)鍵點(diǎn)特征描述符的相似度，可以識(shí)別出潛在的對(duì)應(yīng)點(diǎn)對(duì)，進(jìn)而為后續(xù)的圖像配準(zhǔn)或拼接任務(wù)提供有力的支持[6]。

2.特征點(diǎn)主方向確定

在通過(guò)上述小結(jié)獲取關(guān)鍵點(diǎn)后，可生成關(guān)鍵點(diǎn)特征點(diǎn)集合，即候選特征點(diǎn)集。為確保特征點(diǎn)的穩(wěn)定性和可靠性，必須執(zhí)行一個(gè)篩選過(guò)程，以剔除兩類不利特征點(diǎn)：一類是對(duì)比度較低的點(diǎn)，這些點(diǎn)由于響應(yīng)值微弱，容易受到噪聲干擾，進(jìn)而削弱SIFT（尺度不變特征變換）特征點(diǎn)的抗噪性能；另一類是邊緣上的點(diǎn)，該類點(diǎn)可能展現(xiàn)出較高的響應(yīng)值，但邊緣區(qū)域的不確定性使得特征點(diǎn)的精確定位變得困難，從而影響SIFT特征點(diǎn)的整體穩(wěn)定性。因此，通過(guò)這一篩選步驟保留那些既顯著又穩(wěn)定的特征點(diǎn)，為后續(xù)的圖像匹配和配準(zhǔn)任務(wù)奠定堅(jiān)實(shí)的基礎(chǔ)。

完成特征點(diǎn)位置確定后，需確定特征點(diǎn)的主方向，以此保證圖像的旋轉(zhuǎn)不變性，基于此，本文以極值為中心，以特征點(diǎn)鄰域圖像梯度方向m（x，y）和位置θ（x，y）為基礎(chǔ)，旋轉(zhuǎn)一個(gè)角度，公式為：

式中：L表示圖像的尺度空間，arctan表示反正切函數(shù)。

在梯度計(jì)算過(guò)程結(jié)束后，采用直方圖分析技術(shù)來(lái)綜合領(lǐng)域內(nèi)像素的梯度強(qiáng)度與方向信息。直方圖的構(gòu)造中，橫坐標(biāo)軸映射梯度方向的各種可能性，縱坐標(biāo)軸則累積展示對(duì)應(yīng)于每個(gè)梯度方向上的梯度強(qiáng)度總和。通過(guò)這樣的統(tǒng)計(jì)方式，直方圖中的顯著峰值指示特征點(diǎn)周圍區(qū)域中梯度分布的主要趨勢(shì)，這一趨勢(shì)被定義為該特征點(diǎn)的主導(dǎo)方向，是后續(xù)特征匹配與識(shí)別過(guò)程中的關(guān)鍵參考點(diǎn)。

3.關(guān)鍵特征點(diǎn)配準(zhǔn)

完成特征點(diǎn)主方向確定后，進(jìn)行關(guān)鍵特征點(diǎn)配準(zhǔn)，為保證該匹配的精準(zhǔn)性，采用高維向量的最近鄰搜索算法進(jìn)行匹配，該算法主要是通過(guò)計(jì)算兩幅待匹配圖像上關(guān)鍵特征點(diǎn)之間的相似性實(shí)現(xiàn)特征匹配，從而完成圖像配準(zhǔn)，以此確定印刷字缺陷情況。

如果兩幅圖像的關(guān)鍵特征點(diǎn)及描述符數(shù)量分別用M和N表示，計(jì)算兩個(gè)關(guān)鍵點(diǎn)之間的相似性R（i，j），其計(jì)算公式為：

式中：E和F表示兩幅圖像中關(guān)鍵點(diǎn)描述符。

本文采用了雙向匹配策略，旨在規(guī)避一對(duì)多匹配情況并剔除錯(cuò)誤的特征點(diǎn)匹配，從而增強(qiáng)匹配的精確性。具體實(shí)施時(shí)，首先在圖像1上執(zhí)行FLANN算法來(lái)搜索與待配準(zhǔn)圖像中關(guān)鍵點(diǎn)的匹配項(xiàng)。隨后，反向操作，從待配準(zhǔn)圖像出發(fā)，再次利用FLANN算法搜索與圖像1中關(guān)鍵點(diǎn)的匹配項(xiàng)。在該過(guò)程中，計(jì)算兩次匹配過(guò)程中關(guān)鍵點(diǎn)坐標(biāo)的累加和。只有當(dāng)這兩個(gè)方向的匹配結(jié)果所得到的坐標(biāo)和完全一致時(shí)，才將這一對(duì)點(diǎn)視為有效的匹配點(diǎn)，否則將其排除。

在完成精確匹配步驟后，隨即進(jìn)入圖像配準(zhǔn)階段，依據(jù)上述結(jié)果生成配準(zhǔn)圖像，此配準(zhǔn)圖像不僅與基準(zhǔn)圖像共享相同的空間坐標(biāo)系統(tǒng)，而且在每一個(gè)對(duì)應(yīng)的坐標(biāo)點(diǎn)上，都精確映射待配準(zhǔn)圖像中的像素值，確保信息的完整性與一致性，通過(guò)配準(zhǔn)結(jié)果判斷玻璃瓶印刷字的缺陷情況。

三、結(jié)果分析

為驗(yàn)證文中系統(tǒng)的應(yīng)用效果，以某公司生產(chǎn)的玻璃化妝品瓶為例展開(kāi)相關(guān)測(cè)試，由于該玻璃瓶尺寸較小，字體印刷時(shí)極易發(fā)生缺陷，因此，通過(guò)文中涉及的系統(tǒng)進(jìn)行檢測(cè)，以此衡量該系統(tǒng)的應(yīng)用效果。利用CCD相機(jī)采集該化妝品瓶的20張圖像，將該圖像用于后續(xù)測(cè)試中。

系統(tǒng)在進(jìn)行玻璃瓶印刷字缺陷檢測(cè)時(shí)，需先獲取關(guān)鍵特征點(diǎn)，特征點(diǎn)的獲取效果直接影響后續(xù)的配準(zhǔn)效果，隨機(jī)選擇一張采集的圖像，通過(guò)系統(tǒng)提取圖像中目標(biāo)印刷字的特征（目標(biāo)印刷字OHMY），目標(biāo)字的關(guān)鍵特征提取結(jié)果如圖3所示。

依據(jù)圖3測(cè)試結(jié)果可知：通過(guò)系統(tǒng)進(jìn)行玻璃瓶目標(biāo)印刷字關(guān)鍵點(diǎn)特征提取后，能夠獲取瓶上印刷字的關(guān)鍵特征提取結(jié)果，并且提取的字體特征完整，不存在模糊和缺失位置。

為驗(yàn)證系統(tǒng)對(duì)于印刷字缺陷的檢測(cè)效果，在圖3特征提取的基礎(chǔ)上，進(jìn)行圖像配準(zhǔn)，通過(guò)該配準(zhǔn)進(jìn)行玻璃瓶印刷字缺陷檢測(cè)，檢測(cè)結(jié)果如圖4所示。

依據(jù)圖4測(cè)試結(jié)果可知：通過(guò)系統(tǒng)完成圖像配準(zhǔn)后，能夠依據(jù)配準(zhǔn)情況確定兩張圖像之間無(wú)法匹配的區(qū)域，以此確定印刷字的缺陷位置，完成該缺陷檢測(cè)。

四、結(jié)語(yǔ)

在包裝瓶的印刷流程中，檢測(cè)環(huán)節(jié)扮演著至關(guān)重要的角色，其成效直接關(guān)系到產(chǎn)品質(zhì)量。然而，這一環(huán)節(jié)復(fù)雜多變，常因多種生產(chǎn)因素導(dǎo)致印刷字體出現(xiàn)瑕疵。鑒于人工檢測(cè)存在的局限性，本文創(chuàng)新性地融合機(jī)器視覺(jué)與先進(jìn)的圖像處理技術(shù)，設(shè)計(jì)基于圖像配準(zhǔn)的玻璃瓶印刷字缺陷檢測(cè)系統(tǒng)。對(duì)該系統(tǒng)的應(yīng)用效果進(jìn)行實(shí)驗(yàn)分析后確定，該系統(tǒng)不僅具備實(shí)時(shí)檢測(cè)能力，還保證缺陷識(shí)別效果，為實(shí)現(xiàn)包裝流程的加速、印刷材料的高效利用，以及生產(chǎn)線自動(dòng)化水平的提升開(kāi)辟新的路徑。

參考文獻(xiàn)

[1]戴志威，林淼，陳超，等.基于差異模型的印刷標(biāo)簽缺陷檢測(cè)算法[J].工業(yè)控制計(jì)算機(jī)，2023，36（06）：63-64.

[2]張德海，祝志逢，李艷芹，等.基于機(jī)器視覺(jué)的二維圖像質(zhì)量缺陷檢測(cè)研究進(jìn)展[J].包裝工程，2023，44（23）：198-207.

[3]左才，張勇斌，齊元?jiǎng)?，?基于機(jī)器視覺(jué)的印刷品表面劃痕缺陷檢測(cè)[J].印刷與數(shù)字媒體技術(shù)研究，2023，（05）：42-48.

[4]裴帥，桂志國(guó)，劉祎，等.基于圖像配準(zhǔn)的鑄件內(nèi)部缺陷檢測(cè)技術(shù)[J].無(wú)損檢測(cè)，2022，44（11）：16-21.

[5]牛彤，劉立東，武憶涵.基于CUDA加速的圖像配準(zhǔn)算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2023，32（01）：146-155.

[6]劉學(xué)，姚洪利，金世龍.基于擴(kuò)展的SURF描述符的彩色圖像配準(zhǔn)技術(shù)[J].計(jì)算機(jī)應(yīng)用研究，2011，28（03）：1191-1194.

基金項(xiàng)目：黃岡職業(yè)技術(shù)學(xué)院重點(diǎn)科研項(xiàng)目“基于機(jī)器視覺(jué)的玻璃瓶缺陷檢測(cè)系統(tǒng)開(kāi)發(fā)”（項(xiàng)目編號(hào)：2021C2011102）

作者單位：黃岡職業(yè)技術(shù)學(xué)院

責(zé)任編輯：王穎振、鄭凱津