自动多模板检测方法技术

本发明专利技术涉及一种自动多模板检测方法，包括以下步骤：1)读取产品图像信息，在多模板区域内创建子模板，并对子模板自动生成子模板序号；2)进行所有多模板区域进行检测和学习；3)将多模板区域内不同子模板组合成不同的款型，并进行款型的学习；4)输出检测结果并结束检测过程。本发明专利技术在学习过程中能够自动添加新的子模板和款型；在检测过程中能够针对不同的子模板选择不同子模板的学习图像进行检测，自动识别所对应的款型，既除去了人工挑拣又简化了用户操作的复杂性。

【技术实现步骤摘要】
自动多模板检测方法
本专利技术涉及一种表面检测技术，尤其是一种自动多模板检测方法。
技术介绍
传统印刷方式一次只能印刷若干数量的、内容相同的印刷品。随着印刷需求不断变化，印刷工艺在不断地发展，可变数据印刷应运而生。可变数据印刷是指在印刷过程中，所印刷的图像或文字可以按预先设定好的内容及格式不断变化(如图1所示，变化的区域称作多模板区域)，因其具有个性化，增长速度非常快，相应地也提高了对印品质量的要求。显而易见，如果运用传统的比对检测方法进行缺陷检测，需将内容不同的印刷品进行归类，然后对不同种类的印刷品再进行学习和检测。这无疑增加了人力，需新的缺陷检测方法代替传统的缺陷检测方法。目前关于多模板区域缺陷检测的处理过程是这样的：首先人工确定每个多模板区域下子模板的个数以及子模板图像，然后学习得到每个子模板的学习图像，最后进入缺陷检测。若某一印刷品存在多个多模板区域，每个多模板区域下又存在多个子模板，人工需要配置大量的子模板信息。一方面需要操作人员足够的严谨细心，另一方面也影响了工作效率，因此存在一定的局限性。
技术实现思路
本专利技术要解决的技术问题是：提出一种自动多模板检测方法，不仅不需要人工配置子模板，而且能够同时自动学习多个多模板区域，自动创建新的子模板，自动进行多模板区域的检测。本专利技术所采用的技术方案为：一种自动多模板检测方法，包括以下步骤：1)读取产品图像信息，在多模板区域内创建子模板，并对子模板自动生成子模板序号；2)进行所有多模板区域进行检测和学习；3)将多模板区域内不同子模板组合成不同的款型，并进行款型的学习；4)输出检测结果并结束检测过程。进一步的说，本专利技术所述的步骤1)中，提取多模板区域M*N像素的图像，默认作为该多模板区域的第一个子模板图像。再进一步的说，本专利技术所述的步骤2)中，包括匹配子模板；匹配子模板包括以下步骤：A、在待处理图像上获取扩展的多模板区域M1*N1的图像；B、匹配步骤1)中的子模板图像。再进一步的说，本专利技术所述的扩展的多模板区域是对多模板区域外扩的区域。再进一步的说，本专利技术所述的匹配若成功，则进入子模板比对检测算法学习和比对算法检测过程；匹配若失败，则新增子模板和缺陷报警。再进一步的说，本专利技术匹配成功的情况下，截取学习图像的多模板区域M*N像素的图像，进入子模板比对检测算法的学习，学习结束后，记录当前多模板区域下匹配的子模板序号；匹配失败的情况下，则需添加新的子模板，在学习图像的多模板区域截取M*N像素的图像作为新的子模板图像，生成新的子模板序号，随后进入学习子模板比对检测算法的学习，学习结束后，记录当前多模板区域下新增的子模板序号。本专利技术的有益效果是：在学习过程中能够自动添加新的子模板和款型；在检测过程中能够针对不同的子模板选择不同子模板的学习图像进行检测，自动识别所对应的款型，既除去了人工挑拣又简化了用户操作的复杂性。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术多模板图像示意图；图2(a)-(e)是本专利技术匹配子模板示意图；图3是本专利技术印刷品学习过程；图4是本专利技术多模板区域学习过程；图5是本专利技术印刷品检测过程；图6是本专利技术多模板区域检测过程；图7是本专利技术建模时默认生成的子模板示意图；图8是本专利技术的款型示意图。具体实施方式现在结合附图和优选实施例对本专利技术作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。1.子模板的概念以及子模板的创建。多模板区域内不同的图像有着不同的图像模板，图像自动归类时需要一个判别标准，将多模板区域下用于归类的图像叫做子模板。建模时，提取多模板区域M*N像素(例如426*340)的图像，默认作为该多模板区域的第一个子模板图像，如图2所示，(a)上的虚线所画范围为多模板区域，(c)是(a)中多模板区域截取的子模板图像，并自动生成子模板序号R1-T1。2.款型的概念以及款型的配置。款型定义为不同子模板的组合方式。以图1的印刷品为例，该印刷品上有两个多模板区域，将它们编号为：R1和R2。每个多模板区域下有三个子模板，则对应于多模板区域，每个子模板的编号可以为：R1-T1，R1-T2，R1-T3，R2-T1，R2-T2，R2-T3。按照组合关系，该印刷品最多有3*3种款型，如图8所示。若所有的款型都存在，正常情况下如果要学习到所有的款型，学习样品必须包含所有的款型。其实不然，假设已学习完包含所有子模板的三个款型：D1:[R1-T1，R2-T1]、D5:[R1-T2，R2-T2]和D9:[R1-T3，R2-T3]，此时款型记录中有3条记录。但是D2:[R1-T1，R2-T2]款型没有参加学习，可以在现有的子模板的基础上添加新的子模板间的组合关系到款型记录中，这样就新增了一个款型，在检测过程中如果出现此款型则不会报错。这种灵活的操作大大节约了时间成本。3.匹配子模板。无论是对多模板区域进行学习还是检测，匹配子模板是第一步，匹配算法支持灰度匹配、轮廓匹配等。因为待处理图像(待学习图像或待检测图像的统称)与建模时的模板图像的印刷可能存在一定的偏移，为了提高匹配的正确率，匹配子模板时，在待处理图像上需要获取扩展的多模板区域。扩展的多模板区域是对多模板区域外扩一定M1*N1大小(例如456*380)的区域。如图2所示，以灰度匹配为例。(a)是建模时的部分模板图像，(b)是待处理图像的部分图像，(b)的多模板区域的图案相对于(a)向左偏移了14个像素向下偏移了18个像素。(c)和(d)分别是(a)和(b)的多模板区域内的图像，灰度匹配得到的结果为不匹配。为解决此问题，将(b)中的多模板区域向x两方向各扩展15像素，向y两方向各扩展20像素得到(e)，(e)和(c)得到匹配的结果。因此，得到这样一个结论，匹配子模板时扩展待处理图像的多模板区域是必要的。设多模板区域R下有n个子模板R＝{T1,T2,…,Tn}，匹配度为Smatch。待处理图像上的扩展多模板区域为E，E与每个子模板的匹配度Si＝match(Ti，E)(i＝1,2,3,…,n)，求最大的匹配度Sm＝max{Si}。若Sm>Smatch，求得m为匹配的子模板序号，否则无匹配的子模板。4.学习过程如图3-4所示。由图3-4可知，扩展多模板区域图像与子模板图像匹配后会得到两种结果，匹配和不匹配。①匹配的情况下，若匹配的子模板编号为R-Tm，截取学习图像的多模板区域M*N像素的图像，进入子模板R-Tm比对检测算法的学习，学习结束后，记录当前多模板区域下匹配的子模板序号R-Tm；②不匹配的情况下，则需添加新的子模板，在学习图像的多模板区域截取M*N像素的图像作为新的子模板图像，生成新的子模板序号R-Tn+1，随后进入学习子模板R-Tn+1比对检测算法的学习，学习结束后，记录当前多模板区域下新增的子模板序号R-Tn+1。按照上述过程学习完图像上所有的多模板区域，会得到多模板区域下子模板间的组合关系。对比款型记录表，若款型记录表中不存在记录下的组合关系，则将此加入到款型记录中。这就是学习的全过程。以图8的产品为例，建模时用的是图8中D1款型的图像，默认得到如图7所示的两个多模板区域下子模板(子模板序号R1-T1、R2-T1和相应的子模板图本文档来自技高网...

【技术保护点】
一种自动多模板检测方法，其特征在于包括以下步骤：1)读取产品图像信息，在多模板区域内创建子模板，并对子模板自动生成子模板序号；2)进行所有多模板区域进行检测和学习；3)将多模板区域内不同子模板组合成不同的款型，并进行款型的学习；4)输出检测结果并结束检测过程。

【技术特征摘要】
1.一种自动多模板检测方法，其特征在于包括以下步骤：1)读取产品图像信息，在多模板区域内创建子模板，并对子模板自动生成子模板序号；2)进行所有多模板区域进行检测和学习；3)将多模板区域内不同子模板组合成不同的款型，并进行款型的学习；4)输出检测结果并结束检测过程。2.如权利要求1所述的自动多模板检测方法，其特征在于：所述的步骤1)中，提取多模板区域M*N像素的图像，默认作为该多模板区域的第一个子模板图像。3.如权利要求1所述的自动多模板检测方法，其特征在于：所述的步骤2)中，包括匹配子模板；匹配子模板包括以下步骤：A、在待处理图像上获取扩展的多模板区域M1*N1的图像；B、匹配步骤1)中的子模板图像。4.如权利要求3所述的自动...

【专利技术属性】
技术研发人员：王岩松，王郑，
申请(专利权)人：征图新视江苏科技有限公司，
类型：发明
国别省市：江苏,32