基于图像处理的瓦楞纸排骨纹缺陷程度评估方法

技术领域

本发明涉及图像处理技术领域，具体涉及基于图像处理的瓦楞纸排骨纹缺陷程度评估方法。

背景技术

瓦楞纸排骨纹是指成型瓦楞纸板的表面不平整，在瓦楞楞峰的地方高，而两个楞峰之间低的现象。瓦楞纸上的排骨纹缺陷会影响瓦楞纸板后续的印刷效果，带来印刷质量问题。因此，需要对瓦楞纸上的排骨纹进行缺陷程度的评估，以此指导后续的生产过程，提高生产效率和生产质量。

现阶段主要基于排骨纹的整体数量和深度进行排骨纹缺陷程度的评估，而忽略了相同排骨纹缺陷程度对不同印刷图像的影响程度不同，没有结合印刷图像的不同对排骨纹缺陷程度进行针对性评估，导致对排骨纹缺陷程度的评估合理性较低。

发明内容

为了解决现有方法对瓦楞纸排骨纹缺陷程度评估时存在的合理性较低的问题，本发明的目的在于提供一种基于图像处理的瓦楞纸排骨纹缺陷程度评估方法，所采用的技术方案具体如下：

本发明提供了一种基于图像处理的瓦楞纸排骨纹缺陷程度评估方法,该方法包括以下步骤：

获取待检测的瓦楞纸图像，所述瓦楞纸图像上包含印刷图案；根据像素点的灰度值，对待检测的瓦楞纸图像上的像素点进行聚类，得到各初始聚类集合，计算各初始聚类集合的聚集程度评价指标；

将聚集程度评价指标小于聚集程度评价指标阈值的各初始聚类集合记为各第一聚类集合，计算各第一聚类集合中各连通域的筛选评价指标，根据所述筛选评价指标得到各第一聚类集合的子区域；将聚集程度评价指标大于等于聚集程度评价指标阈值的各初始聚类集合记为各第二子区域；

利用不同波长的Gabor滤波器对待检测的瓦楞纸图像进行处理，得到待检测的瓦楞纸对应的各波长的纹理图；对待检测的瓦楞纸对应的各波长的纹理图进行排骨纹直线检测，得到各第一聚类集合的子区域和各第二子区域的排骨纹直线；

计算各第一聚类集合的子区域和各第二子区域的排骨纹缺陷程度；根据所述各第一聚类集合的子区域和各第二子区域的排骨纹缺陷程度，得到待检测的瓦楞纸的排骨纹缺陷程度。

优选的，所述根据像素点的灰度值，对待检测的瓦楞纸图像上的像素点进行聚类，得到各初始聚类集合，包括：

获取待检测的瓦楞纸图像上像素点的灰度直方图，计算相邻灰度值之间像素点数量的差值；

统计各差值中大于等于阈值的差值的数量，根据所述数量，设置K-means聚类算法中的K值；采用K-means聚类算法对待检测的瓦楞纸图像进行聚类，得到各初始聚类集合。

优选的，所述计算各初始聚类集合的聚集程度评价指标，包括：

统计各初始聚类集合中像素点的数量，计算各初始聚类集合的面积；

将各初始聚类集合中像素点的数量和各初始聚类集合的面积的比值作为各初始聚类集合的聚集程度评价指标。

优选的，所述计算各第一聚类集合中各连通域的筛选评价指标，包括：

根据各第一聚类集合中各连通域内各像素点到其所在连通域质心的距离的方差，得到各连通域的空域离散程度评价指标；

根据各第一聚类集合中各连通域内各像素点在待检测的瓦楞纸图像中的像素值的方差，得到各连通域的灰度离散程度评价指标；

计算各第一聚类集合中各连通域对其所在初始聚类集合的聚集程度评价的影响指标；

根据各第一聚类集合中各连通域的空域离散程度评价指标、灰度离散程度评价指标和各连通域对其所在初始聚类集合的聚集程度评价的影响指标，计算各第一聚类集合中各连通域的筛选评价指标。

优选的，采用如下公式计算各第一聚类集合中各连通域对其所在初始聚类集合的聚集程度评价的影响指标：

其中，

优选的，采用如下公式计算各第一聚类集合中各连通域的筛选评价指标：

其中，

优选的，所述根据所述筛选评价指标得到各第一聚类集合的子区域，包括：

将筛选评价指标最小的连通域作为各第一聚类集合的第一待筛选连通域，计算各第一聚类集合中除筛选评价指标最小的连通域之外其它各连通域的筛选评价指标，将各第一聚类集合中除筛选评价指标最小的连通域之外筛选评价指标最小的连通域作为各第一聚类集合的第二待筛选连通域，依次筛选，直至各第一聚类集合中仅包含单个连通域；

根据各第一聚类集合中各待筛选连通域的筛选评价指标，构建各第一聚类集合对应的散点图；

根据所述各第一聚类集合对应的散点图，得到各第一聚类集合的子区域。

优选的，采用如下公式计算各第一聚类集合的子区域和各第二子区域的排骨纹缺陷程度：

其中，

优选的，所述聚集程度评价指标阈值为所有聚类集合对应的聚集程度评价指标平均值。

优选的，所述波长的数量的设置方法包括：

计算图像尺度的十分之一并取整，获得所述波长的数量。本发明具有如下有益效果：本发明考虑了相同排骨纹缺陷程度对不同印刷图像的影响程度不同，根据待检测的瓦楞纸图像中像素点的灰度值对待检测的瓦楞纸图像进行聚类，由于各初始聚类集合中各连通域存在一定的差异性，使得部分聚类集合的聚集程度评价指标较小，本发明为了提高准确性，又对聚集程度评价指标小于聚集程度评价指标阈值的各初始聚类集合进行划分，得到各初始聚类集合的子区域，根据各子区域的排骨纹缺陷程度，得到待检测的瓦楞纸的排骨纹缺陷程度。本发明结合印刷图像的不同对排骨纹缺陷程度进行针对性评估，提高了排骨纹缺陷程度评估的合理性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的一种基于图像处理的瓦楞纸排骨纹缺陷程度评估方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明提出的一种基于图像处理的瓦楞纸排骨纹缺陷程度评估方法进行详细说明如下。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于图像处理的瓦楞纸排骨纹缺陷程度评估方法的具体方案。

基于图像处理的瓦楞纸排骨纹缺陷程度评估方法实施例

现有方法对瓦楞纸排骨纹缺陷程度评估时存在合理性较低的问题。为了解决上述问题，本实施例提出了基于图像处理的瓦楞纸排骨纹缺陷程度评估方法，如图1所示，本实施例的基于图像处理的瓦楞纸排骨纹缺陷程度评估方法包括以下步骤：

步骤S1，获取待检测的瓦楞纸图像，所述瓦楞纸图像上包含印刷图案；根据像素点的灰度值，对待检测的瓦楞纸图像上的像素点进行聚类，得到各初始聚类集合，计算各初始聚类集合的聚集程度评价指标。

将待检测的带有印刷图案的瓦楞纸板放置于水平面，用相机采集瓦楞纸板表面的正视图像，得到待检测的瓦楞纸表面图像；本实施例利用相机采集图像时对瓦楞纸板和相机的相对位置关系有所要求，需使得到的待检测的瓦楞纸表面图像中的排骨纹为竖直方向。对待检测的瓦楞纸表面图像进行灰度化、图像滤波去噪以及图像增强等一系列图像预处理，通过提高图像质量来提高后续检测结果的准确性。具体预处理过程为公知技术，在此不作具体阐述。

由于印刷图案中不同的颜色受到纸板排骨纹的影响程度不同，本实施例基于像素点灰度值将表面印刷图像划分为多个子区域，进行每个子区域的针对性分析和计算，提高瓦楞纸排骨纹缺陷程度的评估合理性。印刷图案和灰度信息复杂多样，本实施例首先基于像素点的灰度值进行初始聚类，进而将初始聚类结果与像素点空域信息结合进行子区域的进一步划分，以获得更精确的区域划分结果，作为后续分析的基础。

具体聚类方法如下：

首先确定初始分类数量K，根据像素点灰度进行表面印刷图像像素点的初始聚类：

统计待检测的带有印刷图案的瓦楞纸板中像素点灰度直方图，计算相邻大小灰度值之间的差值，灰度值为

针对像素点灰度值之间的差异，基于上述初始

对于每个初始聚类集合，将其集合内的像素点数量记为XS，并基于凸包算法计算其凸包面积ST，其中，凸包面积即为凸包内的像素点数量。本实施例用该初始聚类集合内的像素点数量与对应凸包面积的比值表征该初始聚类集合像素点的聚集程度评价指标

步骤S2，将聚集程度评价指标小于聚集程度评价指标阈值的各初始聚类集合记为各第一聚类集合，计算各第一聚类集合中各连通域的筛选评价指标，根据所述筛选评价指标得到各第一聚类集合的子区域；将聚集程度评价指标大于等于聚集程度评价指标阈值的各初始聚类集合记为各第二子区域。

在步骤S1中，得到了每个初始聚类集合的聚集程度，本实施例设置聚集程度评价指标阈值

具体划分方式为：

对于每个初始聚类集合，本实施例采用Two Pass方法，基于集合内像素点的空域信息进行连通域的提取，为避免空域上的离散点过多导致连通域数量过多，本实施例设置距离阈值

对于每个完成连通域合并的初始聚类集合，其中第

其中，

对于单个连通域，基于其中各像素点到质心点的距离的方差，获得该连通域的空域离散程度评价指标

其中，

至此，得到各连通域的筛选评价指标。聚集程度评价的影响指标越大，表示该连通域对最终分类的影响越大，则筛选评价指标越小；空域离散程度评价指标和灰度离散程度评价指标越大，表示该连通域是噪声的可能性越大，则筛选评价指标越小；筛选评价指标越小，对应的连通域越应当被筛选出来。本实施例将单个连通域对集合聚集程度评价的影响指标作为空域离散程度评价指标和灰度离散程度评价指标的系数；将空域离散程度评价指标和灰度离散程度评价指标作为并列项进行计算分析，只有当连通域空域方差和灰度方差均较大时，对应连通域才被认定为噪声进行筛除，避免了误判，提高结果的合理性。

对于聚集程度评价指标小于对应阈值的初始聚类集合，选择

通过上述处理，对于聚集程度评价指标小于对应阈值的一个初始聚类集合，得到T-1个待筛选连通域。基于待筛选连通域对应的筛选轮次与连通域筛选评价指标

经过上述处理，即可将聚集程度评价指标小于对应阈值的所有初始聚类集合中保留的连通域作为对应的子区域。至此，得到了待检测的瓦楞纸图像的各子区域，本实施例将子区域的数量记为

步骤S3，利用不同波长的Gabor滤波器对待检测的瓦楞纸图像进行处理，得到待检测的瓦楞纸对应的各波长的纹理图；对待检测的瓦楞纸对应的各波长的纹理图进行排骨纹直线检测，得到各第一聚类集合的子区域和各第二子区域的排骨纹直线。

Gabor滤波是一个用于边缘提取的线性滤波器，且对光照变化不敏感，十分适用于纹理分析，因此，本实施例基于二维Gabor滤波器对待检测的瓦楞纸图像进行纹理提取。

Gabor滤波器的常用参数为

本实施例用多个不同波长的Gabor滤波器分别与待检测的瓦楞纸图像进行卷积，得到对应的纹理图像，通过对各纹理图像中的纹理分析，获得各子区域对应的排骨纹直线纹理，进而根据各排骨纹初始出现的纹理图像的对应波长完成排骨纹缺陷程度的分析，具体方法为：

Gabor滤波器参数设置：

由先验知识可知波长

得到m个不同波长的Gabor滤波器，分别与待检测的瓦楞纸图像进行卷积处理，得到m张待检测的瓦楞纸的纹理图。

本实施例基于LSD算法对每张待检测的瓦楞纸的纹理图进行排骨纹直线纹理的检测，该算法为公知技术，在此不作具体阐述。

排骨纹直线筛选具体过程：

由于LSD算法精度较高，会受到噪声的干扰，检测到的直线中除了包括排骨纹直线之外，还包括印刷图案直线以及部分干扰直线。因此，对于每张待检测的瓦楞纸的纹理，首先需要进行直线的筛选，获得排骨纹直线，以提高后续检测结果的准确性。

由于排骨纹直线为竖直直线，首先根据各直线的像素点坐标获得其与竖直方向的夹角

排骨纹直线检测具体过程：

由于瓦楞纸排骨纹为等距的条纹，对于筛除后的直线，进一步基于直线的分布情况判定其是否为排骨纹直线：

由于各子区域的排骨纹深浅程度不同，其在纹理图上的表征程度不同，因此在部分纹理图像中，筛除后的直线为实际纸板瓦楞上的子段。

对于每个子区域，计算筛选后的各直线与图像左边缘之间的垂直距离

至此，完成每张待检测的瓦楞纸的纹理图中排骨纹直线的检测。

步骤S4，计算各第一聚类集合的子区域和各第二子区域的排骨纹缺陷程度；根据所述各第一聚类集合的子区域和各第二子区域的排骨纹缺陷程度，得到待检测的瓦楞纸的排骨纹缺陷程度。

对于每张待检测的瓦楞纸的纹理图中检测到的排骨纹直线，可基于其像素点坐标判断其所属区域。对每个子区域在每张纹理图像中的排骨纹直线进行分析，可知子区域中排骨纹直线初始出现时对应的滤波器波长

根据子区域中排骨纹直线初始出现时对应的滤波器波长

其中，

其它子区域的排骨纹缺陷程度均可采用上述方法获得，进一步对各子区域的排骨纹缺陷程度进行归一化处理，使得各子区域中排骨纹缺陷程度值在[0,1]范围内。

本实施例根据各子区域的排骨纹缺陷程度，计算待检测的瓦楞纸的排骨纹的缺陷程度：

其中，

至此，本实施例得到了待检测的瓦楞纸的排骨纹缺陷程度。

本实施例考虑了相同排骨纹缺陷程度对不同印刷图像的影响程度不同，根据待检测的瓦楞纸图像中像素点的灰度值对待检测的瓦楞纸图像进行聚类，由于各初始聚类集合中各连通域存在一定的差异性，使得部分聚类集合的聚集程度评价指标较小，本实施例为了提高准确性，又对聚集程度评价指标小于聚集程度评价指标阈值的各初始聚类集合进行划分，得到各初始聚类集合的子区域，根据各子区域的排骨纹缺陷程度，得到待检测的瓦楞纸的排骨纹缺陷程度。本实施例结合印刷图像的不同对排骨纹缺陷程度进行针对性评估，提高了排骨纹缺陷程度评估的合理性。

需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。