摘要：随着社会的发展，企业对物体质量要求越来越高，基于图像处理的标签质量检测系统越来越被人们所看重。然而，标签在生产过程中，由于受到生产机器精度等因素的影响，生产出来的标签有很多质量问题，比如：少印。因此标签缺陷检测越来越重要。本论文主要针对对标签视觉检测系统的软件算法设计，使检测图像与标准图像进行相减，从而提取出缺陷部分，解决标签少印的问题。整个少印缺陷的检测过程不需要人工进行费力的对比，此过程由软件自行处理，人们只需要对检测出的标签进行确认，实现人工与智能化的完美结合，保证标签质量的目的。本文使用Visual C++6.0 开发工具进行软件代码编程，最后很好的完成了本论文少印的缺陷检测检测系统，在实验室中，我们对本系统稳定性，精确度进行了测试，测试结果表明本论文的缺陷检测系统能够满足要求。
关键词：标签质量；图像相减；测试
图像相减（又称为图像差影），是指把同一物体图片在不同时刻拍摄的两幅图像进行减法运算，从而得到差值结果图像。差值图像显示了图像间的差异信息，本论文基本思想是针对标准模板图像与缺陷图像进行想减运算，从而得到想减结果图像，通过分析相减图像的灰度值，对要测试的图像是否合格做出判断，若判断合格，则系统停止处理，若判断为不合格则对不合格标签进行剔除处理。
算法设计：设模板标准图像灰度像素值为A（x，y），设待检测缺陷图像为B（x，y），两图像做相减运算为C（x，y），他们之间的关系式为：C（x，y）=|B（x，y）-A（x，y）|
图像减法运算结果体现两幅图像的差异，算法容易实现，通过对两幅图像进行相减结果取绝对值，可以清除两幅图像之间共同的背景图案，分割出图像之间的不同之处，最后保留有缺陷的图像。如果两幅图像相减后C（x，y）越小，则表明图像之间的差异越小，两幅图像之间的相似度就越高，否则，相反。
如图所示，图1—1 为标准模板标签图像，图1—2 为待检测标签图像。经过如下算法：
BOOL WINAPI TuXJianFa（LPSTR lpYDIB，LPSTR lpBDIB，LONG lkuan，LONG lgao）
{
LPSTR lpsrc，lpsrcB；
LPSTR lpDst；
LPSTR lpNewDIB；
HLOCAL hNewDIB；
long i；
long j；
unsigned char xiangsu，xiangsuB；
LONG mhzj；
mhzj=WIDTHBYTES（lkuan*8）；
hNewDIB=LocalAlloc（LHND，lkuan*lgao）；
lpNewDIB=（char*）LocalLock（hNewDIB）；
lpDst=（char*）lpNewDIB；
memset（lpDst，（BYTE）255，lkuan*lgao）；
for（i=0；i<lgao；i++）
{
for（j=0；j<lkuan；j++）
{
lpsrc=（char*）lpYDIB+mhzj*i+j；
lpsrcB=（char*）lpBDIB+mhzj*i+j；
lpDst=（char*）lpNewDIB+mhzj*i+j；
xiangsu=（unsigned char）*lpsrc；
xiangsuB=（unsigned char）*lpsrcB；
*lpDst=abs（xiangsu-xiangsuB）；
}
}
memcpy（lpYDIB，lpNewDIB，lkuan*lgao）；
LocalUnlock（hNewDIB）；
LocalFree（hNewDIB）；
return TRUE；
}
使得两幅标签图像的差异如图1—3 所示：
从图1—3 可以看出：待检测标签图像与标准模板标签图像进行相减后，能够清除图像之间共同的部分，从而使差异部分体现出来。
总结：
本文通过对现有的标签进行观察分析，提出了图像相减的软件检测算法，并依据该算法对标签缺陷检测系统进行测试，最终得以实现，该系统能够减轻工人的繁重的劳动，实现标签检测的工作效率。
参考文献：
[1]宋慧欣，解读“新经济时代”中国机器视觉市场[J]，自动化博览，2010.4：69~69
[2]历小飞，基于机器视觉的汽车零件缺陷检测技术研究，武汉理工大学[D]，武汉理工大学2012：11~15
[3]何斌，马天宇，王运坚，Visual C++ 数字图像处理[D] 2002：473~477
论文作者:翁玉茹
论文发表刊物:《基层建设》2018年第27期
论文发表时间:2018/10/1
标签：图像论文; 标签论文; 缺陷论文; 相减论文; 两幅论文; 算法论文; 检测系统论文; 《基层建设》2018年第27期论文;