基于MATLAB的香烟小包装图像处理研究

刘欢　温晶晶

【摘 要】本研究应用MATLAB数字处理工具箱对香烟小包装图像信息进行处理。详细介绍了应用图像处理方法（图像滤波、图像增强等）對烟包图像进行预处理，采用二值图像边沿连接方式来求边缘检测图像和边缘坐标，并用imcrop函数对目标图像区域进行定位，最终通过图像匹配进行烟包图像的合格性分析。仿真结果表明，所设计的方案可以有效的解决采用图像处理技术进行包装质量检测的一系列关键问题，具有重要的理论价值和应用前景。

【关键词】香烟包装;图像处理;MATLAB;质量检测

中图分类号： TP23 文献标识码： A 文章编号： 2095-2457（2019）27-0042-003

DOI：10.19694/j.cnki.issn2095-2457.2019.27.019

【Abstract】In this study， the digital processing toolbox of MATLAB is application for small packages of cigarettes image information processing. Many of image processing method （image filtering， image enhancement， etc.） use to cigarette image preprocess are introduced in detail. Using binary image edge connections to seek the edge detection and edge coordinates， imcrop function is used to locate the target image region and at the final the quality of the cigarette package image is analyzed by image matching. The results of the simulation show that the design of the program can effectively solve a series of key issues in the image processing technology for packaging quality testing and it has important theoretical value and application prospect.

【Key words】Cigarette packaging; Image processing; MATLAB; Quality inspection

0 引言

在竞争激烈的烟草行业中，香烟外包装是否精美直接体现烟草企业商标和品牌形象，香烟的任何包装质量问题都会影响人们对产品的满意度和企业信誉度，如何保证香烟包装生产的质量，减少和杜绝不合格产品流入市场，是各大卷烟企业全面质量控制的一个关键[1]。

现代化香烟大都由高速流水线生产，设备的自动化程度较高，导致生产过程中出现不合格产品的状况时有发生[2]。其中香烟包装上图案文字的错印是一类常见的现象，该类差错在香烟生产的质量问题中占有一定比的例。因此，在烟包生产线上对有包装瑕疵的香烟进行检测并及时剔除有重要意义。

目前，针对香烟小包装外观的检测大多采用原始的人工检测方法，该方法容易受检测人员身心素质和精神状态的影响，主观因素大、错检率高、效率低、劳动强度大，影响对香烟包装质量的检测[3]。随着图像处理技术和软件工程的迅速发展，香烟外包装在线自动检测成为可能。针对香烟包装质量检测的研究有很多，有对条烟包装质量的检测，香烟小包装外观质量的检测甚至有专门针对香烟小包拉线的检测，由此也出现了很多针对包装质量检测的算法，其中最主要的是图像匹配算法。Matlab在图像处理方面功能强大，将其应用在香烟小包装图像质量检测工作中意义重大。

1 图像处理

1.1 图像处理实现方案

本次实验针对烟包小包装图像在线检测，解决的思路大体如下：图像获取预处理目标分割目标定位合格性分析。

图像可以直接从CCD图像传感器获取;而获取图像后一般要先对其进行预处理，指的是图像滤波（去噪），图像增强等过程;目标分割，在这里是指把烟包图像从所拍摄的整张图像中找出来以及确定烟包的特征边缘位置;目标定位就是要把烟包图像上需要进行检测的区域作以划分，以便进行区域图像匹配;合格性分析是将处理过的图像与标准图像的对应区域进行一致性比较，匹配的为合格，反之为不合格。

如图1所示，（a）是合格图像预存步骤，（b）是识别图像处理步骤。图像识别是图像信息的加工过程，从图像信息输入到识别结果输出，每经一次处理，信息量就减少一部分，直到识别结果的一位信息与此相应。识别运算的复杂程度由简单到复杂变化，这样才能使每一个运算过程所占用的时间大致相当，整个运算时间最短。从图像的获取开始，经过图像的预处理、分割、特征提取，到最后的识别过程是运算量逐级增加，信息量逐级减少的过程。

1.2 烟包图像预处理

1.2.1 图像滤波去噪

在图像处理中，滤波常常用来修改或增强图像，以提高图像的信息质量。常用的滤波算法有中值滤波算法和均值滤波算法[4]。

MATLAB图像处理工具箱里提供的均值滤波器函数为filter2，如图2是采用不同尺寸的均值滤波器（分别是3*3，5*5，7*7大小的模板）进行低通滤波处理的结果，比较可知，当所用的平滑模板的尺寸增大时，消除噪声的效果增强，但同时所得的图像也变得更模糊，细节的锐化程度逐步减弱。

MATLAB图像处理工具箱里提供的中值滤波器函数为medfilt2，如图3就是采用不同尺寸的中值滤波器（分别是3*3，5*5，7*7大小的模板）進行低通滤波的结果，从处理结果来看，中值滤波器不像均值滤波器那样，在衰弱噪声的同时它不会使图像的边界模糊，这也说明中值滤波器效果较好。

还有很多的函数可以进行滤波，不再一一详解。仅提供一个各个滤波器滤波后图像，如图4所示。通过比较，本次实验将采用中值滤波进行去噪。

1.2.2 图像增强

图像增强的主要目的是改善图像的质量，因为在获取图像的过程中，由于种种非理想因素的影响，都会导致图像质量的退化。图像增强技术可分为频域增强和空域增强两大类。

如图5，有两组对比图像，左下角的图像是用imadjust函数扩展了左上角图像的对比度，由右边直方图的变化可知，变换之前灰度级的呈现较集中，将直方图调整后，灰度级扩展到[0，256]，使图像对比度得到增强，图像也变得清晰了。右边一组是采用对数变换前后的对比图像，可见在处理烟包图像时，用对数方法加强的图像效果没有灰度直接扩展的效果好。

直方图均衡化的基本思想是把原始图像的直方图变换成均匀分布的形式，从而达到了增强图像整体对比度的效果。MATLAB图像处理工具箱提供了histeq函数来完成直方图均衡化。直方图规格化则是通过一个灰度映象函数Gnew=F（Gold），将原灰度直方图改成所希望的直方图，可见此法关键就是灰度映象函数。用直方图均衡化和直方图规格化对烟包图像进行处理，处理结果如图6所示。

从图6来看，用直方图均衡化的图像的效果要比用直方图规定化的图像的效果好。所以，选用何种增强效果要依具体的对象而定。

因为这里是针对烟包图像（属一般性质的图像）进行操作，综合以上各种方法处理结果，选择采用最简单的灰度调整方法。

1.3 烟包图像目标分割

图像分割是指将图像中有意义的对象与背景分离，并把这些对象按照不同的含义分割开来[5]。本次实验中考虑用到的是基于边缘提取的分割法和分裂—合并法。MATLAB图像处理工具箱提供的用于边缘检测的函数是edge，由于边缘检测算法的类型较多，就大体将它们的处理结果做一下比较，如下图7所示。但MATLAB的edge函数只能进行边缘检测处理，却不能返回特征边缘坐标之类的参数值，在此考虑采用有返回值的四叉树分解或二值图像边界提取。

如图8是烟包图像分别用四叉树分解算法和二值图像边沿连接方式方法求得的边缘检测图像：从图像上看，用四叉树分解算法求出的边缘图像难于辨认，而用二值图像边沿连接方式方法求出的边缘图像却较清晰;在此采用二值图像边沿连接方式来求边缘检测图像和边缘坐标。

1.4 烟包图像目标定位

对目标图像区域的定位，即是要以烟包特征点为参照，根据在原来标准图像上选定的区域相对烟包同一特征点的位置数据，提取出与标准图像区域相对应的要比较的目标区域。在MATLAB里，用imcrop函数就能根据位置数据在识别图像上提取出相应的区域图像。通过调用此函数，可在标准图像上先随意选定各个区域图像，获取各个位置参数并记录下;待烟包部分图像确定后，再根据这些位置参数剪切出对应区域图像，下一步就可以进行比较了。

1.5 烟包图像合格性分析

可以用图像匹配、相关性、欧拉数和面积计算等来检验合格性。

图像匹配的主要目的是通过选择图像中的控制点（输入，输出图像的匹配位置）来推断空间变换的参数，然后对图像的其他像素应用推断出的空间变换，使得输出图像与给定基本图像所体现的场景一致（没有位移），最后比较配准后的图像以获取真正有意义的图像差别。图像匹配涉及到的思路较复杂，所调用的函数也比较多，但它检测合格的图像的相关性相当高。此次使用图像匹配进行图像的合格性分析。

2 MATLAB编程流程

MATLAB总体编程的流程图如下：

如图9，（a）为预设部分，是执行一次或少数几次的程序，就是选定烟包的牌号，确定要选择的图像区域，然后以处理后的特征边缘坐标作为基准点计算出各区域的相对坐标参数，将这些坐标参数存储起来，以便后面调用使用。（b）为循环执行部分，就是将要识别的图像进行与合格图像相同的预处理，再用相同的方法进行特征边缘的提取，这样才能确保不会产生太大的误差;之后根据前面存储的坐标参数提取出识别图像上的对应图像区域。再对各区域图像进行比较识别输出合格或不合格的结果，完成检测。各个子模块的编程流程图在此不再一一赘述。

3 结束语

对程序的各个子模块进行了编程和调试，也对同一部分的各种算子进行了调试和比较得出较好的方案。所编的程序基本上能完成所要求的功能，即处理图像、选择比较区域、识别图像得到是否合格的结果。

本文提出的是基于图像处理的烟包质量检测系统的仿真，它的成功仿真表明所设计的方案应当可以有效的解决采用图像处理技术进行包装质量检测的一系列关键问题，方案真正实现后的应用效果能满足厂家的质量控制要求，具有较大的应用推广价值。

【参考文献】

[1]曾文艳，王亚刚，蒋念平，邵惠鹤.基于机器视觉的香烟小包装外观质量检测系统[J].信息技术，2014，01：46-49.

[2]赵众，常灿，陈磊.基于图像识别技术的烟包封条缺陷检测[J].北京工业大学学报，2014，07：986-991.

[3]罗雪宁，彭云发，代希君，胡晓男，罗华平.基于MATLAB的红枣图像处理研究[J].农机化研究，2015，03：183-186.

[4]BROX T，KLEINSCHMIDT O，CREMERSD. Efficient nonlocal means for denoising of textural patterns[J].IEEE Transactions on Image Processing，2008，17（7）：1083-1092.

[5]WANG Y，LIU L，ZHANG H. Image segmentation using active contours with normally biased GVF external force[J].IEEE Signal Process Letters，2010，17（10）： 875-878.