【技术实现步骤摘要】
本专利技术涉及全息印刷质量检测，具体涉及基于计算机视觉的全息印刷质量检测方法及系统。
技术介绍
1、基于计算机视觉的全息印刷质量检测是一种应用高级图像分析技术来评估和确保全息图像印刷质量的方法。在这个过程中，计算机视觉系统通过摄像头或扫描器捕捉全息图像，然后使用算法对图像的特征进行详细分析。这包括检测印刷错误、颜色偏差、图层错位以及其他可能影响视觉效果和安全性的缺陷。
2、这种技术的主要优点是能够自动化地进行高精度和高效率的质量控制，显著提高生产速度和一致性。计算机视觉系统能够识别出人眼难以察觉的细微瑕疵，并且可以在整个印刷过程中实时监控质量。因此，基于计算机视觉的检测方法不仅提高了全息印刷产品的整体质量，还有助于减少废品和提高生产效率，特别是在需要高安全性和高质量标准的行业中尤为重要。
3、基于计算机视觉的全息印刷质量检测主要工作原理是利用图像采集设备（如相机或扫描器）获取全息图像，然后通过专门的软件算法来分析这些图像，以确定印刷质量是否符合预设标准。
4、现有技术存在以下不足：
5、现有技术通常是采用统一的时间标准来捕捉全息图像，全息图像因其独特的三维特性和复杂的视角信息，对拍摄条件有较高要求，如果采用固定的时间标准进行图像采集，对于一些特别复杂或细节丰富的全息图像，可能无法在有限的时间内准确捕捉到所有必要的细节和深度信息，这将导致图像损失关键数据，影响后续的分析和质量判断。
6、在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对
技术实现思路
1、本专利技术的目的是提供基于计算机视觉的全息印刷质量检测方法及系统，通过初始快速扫描全息图像并分析其关键特征来评估图像的复杂度，将图像分为高、中、低复杂度类别，再根据图像的复杂度调整采集时间和光学设置，使得对于高复杂度图像，可以配置更长的采集时间和更精细的设定，确保捕捉所有必要的细节和深度信息，对于一般和低复杂度图像，则可以相应减少采集时间，优化处理速度和资源使用，这种策略显著提高了全息图像采集的效率和质量，确保了各类图像都能在合适的条件下被准确捕获，从而提升了全息印刷质量的整体检测和评估流程，以解决上述
技术介绍
中的问题。
2、为了实现上述目的，本专利技术提供如下技术方案：基于计算机视觉的全息印刷质量检测方法，包括以下步骤：
3、使用高分辨率的图像采集设备，配置初始的图像采集环境，对每个全息图像进行初步快速扫描，捕捉图像的基本视觉信息，保存初步图像数据供后续分析；
4、对采集到的图像进行基础的预处理，以准备进行复杂度分析；
5、从预处理后的全息图像中提取有关区分图像复杂度的关键特征，对关键特征进行分析处理后，将全息图像按照复杂度划分为高复杂度图像、一般复杂度图像以及低复杂度图像；
6、根据复杂度评估结果，为高复杂度图像配置更长的采集时间和精细的光学设置，确保捕捉到所有的细节和深度信息，对于一般复杂度图像和低复杂度图像，分别调整采集时间，优化处理速度和资源使用；
7、对分类后的每个全息图像进行深度采集，确保每个类别的图像都能被高效地捕捉。
8、优选的，有关区分图像复杂度的关键特征包括纹理熵信息、边缘密度信息、结构异质性信息，获取后，通过纹理熵信息、边缘密度信息、结构异质性信息生成纹理熵指数、边缘密度指数、结构异质性指数，将纹理熵指数、边缘密度指数、结构异质性指数进行综合分析，生成图像复杂度参考系数，通过图像复杂度参考系数对预处理后的全息图像进行复杂度评估。
9、优选的，将预处理后的全息图像中生成的图像复杂度参考系数与预先设定的第一图像复杂度参考系数参考阈值和第二图像复杂度参考系数参考阈值进行比对分析，其中，第一图像复杂度参考系数参考阈值小于第二图像复杂度参考系数参考阈值，比对分析的结果如下：
10、若图像复杂度参考系数小于第一图像复杂度参考系数参考阈值，则将该预处理后的全息图像划分为低复杂度图像；
11、若图像复杂度参考系数大于等于第一图像复杂度参考系数参考阈值并且小于第二图像复杂度参考系数参考阈值，则将该预处理后的全息图像划分为一般复杂度图像；
12、若图像复杂度参考系数大于等于第二图像复杂度参考系数参考阈值，则将该预处理后的全息图像划分为高复杂度图像。
13、优选的，从预处理后的图像中提取纹理熵信息，通过纹理熵信息生成纹理熵指数的步骤如下：
14、将全息图像转换为灰度图像；
15、构建图像的灰度直方图，其中表示图像中的灰度级，表示具有灰度级的像素数目；
16、计算每个灰度级的出现概率，计算公式为：，其中n是图像中的总像素数；
17、计算全息图像的纹理熵e，计算的表达式为：，其中，l为灰度级总数，而为单个灰度级的熵贡献，对所有灰度级求和以得到整个图像的纹理熵；
18、通过将纹理熵值e与理论最大熵相比计算纹理熵指数，计算的表达式为：，式中，表示纹理熵指数。
19、优选的，从预处理后的图像中提取边缘密度信息，通过边缘密度信息生成边缘密度指数的步骤如下：
20、使用边缘检测算法从预处理后的全息图像中检测边缘；
21、计算经过边缘检测后被标记为边缘的像素总数；
22、记录图像中的总像素数，包括边缘和非边缘像素；
23、计算图像的边缘密度d，计算公式为：；
24、计算边缘密度指数，计算的表达式为：，式中，表示边缘密度指数，和分别是观察到的最小和最大边缘密度值。
25、优选的，从预处理后的图像中提取结构异质性信息，通过结构异质性信息生成结构异质性指数的步骤如下：
26、应用图像处理算法来识别和标记图像中的各种结构元素；
27、对于图像中识别的每个独立结构，计算其占据的像素数，其中j代表第 j个结构；
28、计算所有结构的总面积和图像中的总像素数，其中，；
29、对每个结构，计算其面积比，；
30、计算结构异质性指数，计算的表达式为：，式中，表示结构异质性指数，表示单个结构类型的异质性贡献。
31、优选的，根据预处理后的全息图像中生成的图像复杂度参考系数对高复杂度图像进行采集时间的调整，具体的调整步骤如下：
32、设定一个基础采集时间，此时间作为计算高复杂度图像采集时间的基点；
33、为高复杂度图像增加采集时间，具体的调整公式为：，式中，表示基础采集时间，表示高复杂度图像调整后的采集时间，为高复杂度图像下的系数，用于控制复杂度超过阈值部分对采集时间的影响强度，表示第二图像复杂度参考系数参考阈值，为高复杂度图像下的指数，用于调整复杂度超过第二图像复杂度参考系数参考阈值部分对时间调整的敏感度。
34、优选的，根据预处理后的全息图像中生成的图像复杂度参考系数对一般复杂度图本文档来自技高网...
【技术保护点】
1.基于计算机视觉的全息印刷质量检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，有关区分图像复杂度的关键特征包括纹理熵信息、边缘密度信息、结构异质性信息，获取后，通过纹理熵信息、边缘密度信息、结构异质性信息生成纹理熵指数、边缘密度指数、结构异质性指数，将纹理熵指数、边缘密度指数、结构异质性指数进行综合分析，生成图像复杂度参考系数，通过图像复杂度参考系数对预处理后的全息图像进行复杂度评估。
3.根据权利要求2所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，将预处理后的全息图像中生成的图像复杂度参考系数与预先设定的第一图像复杂度参考系数参考阈值和第二图像复杂度参考系数参考阈值进行比对分析，其中，第一图像复杂度参考系数参考阈值小于第二图像复杂度参考系数参考阈值，比对分析的结果如下：
4.根据权利要求2所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，从预处理后的图像中提取纹理熵信息，通过纹理熵信息生成纹理熵指数的步骤如下：
5.根据权利要求2所述的基于计算机视觉
6.根据权利要求2所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，从预处理后的图像中提取结构异质性信息，通过结构异质性信息生成结构异质性指数的步骤如下：
7.根据权利要求3所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，根据预处理后的全息图像中生成的图像复杂度参考系数对高复杂度图像进行采集时间的调整，具体的调整步骤如下：
8.根据权利要求7所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，根据预处理后的全息图像中生成的图像复杂度参考系数对一般复杂度图像进行采集时间的调整，具体的调整步骤如下：
9.根据权利要求8所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，根据预处理后的全息图像中生成的图像复杂度参考系数对低复杂度图像进行采集时间的调整，具体的调整步骤如下：
10.根据权利要求9所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，使用计算出的作为高复杂度图像的采集时间；
11.基于计算机视觉的全息印刷质量检测系统，用于实现上述权利要求1-10中任意一项所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，包括初始图像采集模块、图像预处理模块、特征提取与复杂度分析模块、采集时间与光学设置调整模块以及深度采集模块；
...【技术特征摘要】
1.基于计算机视觉的全息印刷质量检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，有关区分图像复杂度的关键特征包括纹理熵信息、边缘密度信息、结构异质性信息，获取后，通过纹理熵信息、边缘密度信息、结构异质性信息生成纹理熵指数、边缘密度指数、结构异质性指数，将纹理熵指数、边缘密度指数、结构异质性指数进行综合分析，生成图像复杂度参考系数，通过图像复杂度参考系数对预处理后的全息图像进行复杂度评估。
3.根据权利要求2所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，将预处理后的全息图像中生成的图像复杂度参考系数与预先设定的第一图像复杂度参考系数参考阈值和第二图像复杂度参考系数参考阈值进行比对分析，其中，第一图像复杂度参考系数参考阈值小于第二图像复杂度参考系数参考阈值，比对分析的结果如下：
4.根据权利要求2所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，从预处理后的图像中提取纹理熵信息，通过纹理熵信息生成纹理熵指数的步骤如下：
5.根据权利要求2所述的基于计算机视觉的全息印刷质量检测方法，其特征在于，从预处理后的图像中提取边缘密度信息，通过边缘密度信息生成边缘密度指数的步骤如下：
...
【专利技术属性】
技术研发人员：杨永峰，明华清，高先金，杨玉苹，刘金峰，张骥，杜宏涛，慎强，
申请(专利权)人：武汉银采天纸业股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。