【方案背景】
在印刷過程中，由于工藝等原因，印刷品往往會出現色差、套印不準現象，還會出現一些缺陷點、墨線、黑皮之類的外觀缺陷，從而導致印刷次品的出現。印刷企業一般采用人工方法，在印中抽樣及印后逐一進行目測的方法分揀次品，檢測效率低、成本高、勞動強度大。實踐證明，利用機器視覺系統來代替人進行印刷品缺陷檢測，可以提高生產效率，降低生產成本。探討了利用基于PC的機器視覺系統代替人工進行印刷品檢測，利用計算機精度高、速度快的特點，迅速而精確地檢測出印刷品的外觀缺陷，并對缺陷程度進行綜合分析，從而判斷印刷品是否為次品或廢品。
【解決方案】
一、圖像采集及預處理
圖像采集過程中，由于攝像機精度、照明環境等因素的影響，采集的圖像會存在一定的隨機噪聲，從而導致圖像失真。這里采用即可去掉尖鋒干擾，又能保持邊緣細節的加權中值濾波算法。確定一個像素個數為奇數的窗口W，先對窗口內各像素加權，某一像素加權值為m，即窗口像素灰度排隊時該像素重復m個，再將窗口內的各像元按灰度值從大到小排列，再用其中間位置的灰度值代替原圖像f（x，y）的中間值，得到增強圖像g（x，y）。
二、視覺檢測
（一）缺陷檢測
印刷缺陷表現在圖像上，即為采集圖像缺陷處的灰階值與標準圖的差異。將采集圖像的灰度值同標準圖進行差分（像素值相減），判斷其差值（兩幅圖灰階值的相差程度）是否超出以預先設定的標準值范圍，就能判斷出這幅印刷品有無缺陷。
（二）缺陷識別
差分完成后,得到一幅同采集圖大小相同的差分圖，其像素值是每兩幅圖像對應像素點的差值。隨后，對差分圖像進行逐行掃描，對缺陷點進行探測。當遇到缺陷點像素時（其值>0），用遞歸的方法遍歷整個缺陷區域，同時記錄下缺陷區的大小、尺寸。整個掃描過程完成后，遞歸的次數就是缺陷的個數。在缺陷識別過程中，會有兩個或多個相距很近的缺陷區（比如兩個缺陷點在圖像上只有一個像素距離），通常認為它們同屬一個缺陷區，因此，檢測前需要先把它們合并成一個缺陷區。這里采用的是數學形態學的膨脹算法（如圖1所示）。再經過腐蝕、膨脹、再腐蝕等一系列操作，將缺陷圖像的邊緣形狀提取出來，以便進行進一步的分析和判斷。
圖1
三、實驗結果
對在靜態方式下所采集的印刷品圖像進行測試，實驗結果表明（參見圖2、圖3、圖4、圖5），上述方法是有效的，能夠將仿真的缺陷完整地檢測出來，達到了預期的目的。
圖1
圖2
圖3
四、討論
利用機器視覺識別系統代替人工進行印刷品質量檢測，具有實用價值，對此進行了初步的探討和嘗試。下一步需要解決的，一是在線動態圖像捕捉及處理，二是較之外觀缺陷要困難得多的如色差、套印不準等缺陷的檢測與識別問題。此外，印刷質量的評價是一個綜合指標，提高系統的智能化信息處理能力也是十分必要的。
