基于图像处理的印刷品缺陷质量检测（相关论文）

在工业上，产品的缺陷检测技术是一项非常重要的技术。而基于图像处理的缺陷检测技术是缺陷检测中的一个热门。下面是我在假期读的一些文章，总结如下：

[1] Shankar N G , Ravi N , Zhong Z W . A real-time print-defect detection system for web offset printing[J]. Measurement, 2009, 42(5):645-652.

[2] Peng X , Chen Y , Xie J , et al. An Intelligent Online Presswork Defect Detection Method and System[J]. International Conference on Information Technology & Computer Science. IEEE, 2010.

[3] Ou Y O Y , Tao H T H , Xuan G X G , et al. An Automation System for High-Speed Detection of Printed Matter and Defect Recognition[J]. IEEE International Conference on Integration Technology. IEEE, 2007.

[4] B Ma, W Zhu, Y Wang, H Wu, Y Yang. The defect detection of personalized print based on template matching[J]. IEEE International Conference on Unmanned Systems (ICUS),266–271, 2017.

[5] Tanimizu K , Meguro S , Ishii A . High-speed defect detection method for color printed matter[J]. Industrial Electronics Society, 1990. IECON '90. 16th Annual Conference of IEEE. IEEE, 1990.

[6] ZhengW Z, YuY Guo. On image registration and defect detection techniques in the print quality detection of cigarette wrapper[J].IEEE,34-38,2008.

[7] XiM Y, ShuanH W. A rapid defect detecting algorithm for printed matter on the assembly line[J]. IEEE,1842-1845,2012.

[8] T. Amano. Correlation based image defect detection[J]. Pattern Recognition, International Conference on, 1: 163--166, 2006. 

以上八篇都是与印刷缺陷检测相关的论文，下面是总结分析。

第一篇是2009年的文章，作者来自新加坡。文章对一些常见的印刷缺陷进行检测，如墨滴，条纹，字符丢失，颜色缺陷进行检测。只要是利用高速图像扫描算法，利用动态大小、阈值和变换的线性和非线性滤波器检测边缘和边界，进行进一步分析。首先是对图像进行遍历操作，找出相应的ROI，利用对应的ROI进行图像差分，文章提出里一种改进的边缘检测算法，分别对RGB三个通道进行水平方向和竖直方向上的梯度计算并求和，记为Rmag，Gmag，Bmag。分别对Rmag，Gmag，Bmag求平方和得到一个最终的梯度值。这种方法对比传统的提取灰度图像上的梯度边缘来说，能够减少RGB三个通道上的信息损失。使得边缘提取更为准确。由于印刷品会存在一些形变问题，所以文中把ROI区域向上下左右分别扩充了10个单位，利用扩充后的区域进行图像差分操作，来达到缺陷检测的目的。

第二篇提供了一种基于图像融合方法，采用多通道图像减法来分割缺陷的。另外还提供了一种基于图像伪轮廓的去除方法。文中的方法能够随着印刷生产的进行，不断更新参考图像。最后还提供了一种缺陷类别分类的流程图。

第三篇提出了一种基于形态学预处理的图像参考方法，该方法消除了印刷品轻微变形和色谱错误所带来的图像参考缺陷。基于运行长度编码的快速目标搜索算法可以定位缺陷的坐标，确定缺陷的形状。采用C/S并行网络结构，分散处理图像数据，集中管理质量数据。

第四篇提供了一种二次模版匹配的算法。先进行模版的匹配。而后将匹配好的图像进行差分运算。从而找到缺陷所在的位置。

第五篇提出了一种基于图像处理技术的彩色印刷品缺陷自动检测方法。该方法将包含允许范围的参考模式表示为由一个灰度轴和两个平面坐标轴构成的三维标记表的索引空间。对测试图像的每个像素进行检测，取其在索引空间中的三维地址，然后参考索引空间中相应的标记。该方法就是将图像的长度，宽度，以及灰度值作为参数，放置在一个三维的空间里，通过三维的索引空间找到缺陷所在位置。

第六篇也是与图像配准技术相关的缺陷检测方法。文中提出了一种基于交叉相关算法和控制点搜索策略的图像配准方法，以及将动态阈值图像减法技术和分层检测策略相结合的图像检测方法。实验结果表明，在获得的图像中存在噪声、局部失效和灰度变化的情况下，这些算法能够快速有效地检测卷烟包装纸的印刷质量。

第七篇创新点有三点。首先对Surf算法进行了改进，有效地提高了特征点检测的性能和速度;其次，提出了一种新的FIFO特征点匹配算法，该算法可以节省50%左右的特征匹配时间;最后，我们提出了一种双向图像差分算法来避免轮廓伪迹的误差检测。

第八篇提出了一种基于非模型的缺陷检测方法。该方法从局部区域提取图像描述规则。它适用于不能制备缺陷模型的缺陷检测问题，如划痕或叠加检测、纹理图像分析等。

这八篇文章中，最终都是以图像差分的方式进行缺陷检测的。但是在进行图像差分操作前会有很多预处理。而图像配准是一项非常重要的手段。因为现实中采集到的的有缺陷的图像与标准图像往往会有大小，旋转，形变等因素的影响。所以两幅图像能否较好的进行配准直接会影响到缺陷检测的准确率。而从《图像配准技术》一书中，图像配准又需要从特征空间、搜索空间、插值方法、搜索策略、相似性度量等多方面综合考虑。