本發明涉及一種利用數字圖像處理技術實現紙病的檢測方法，特別涉及一種基于灰度圖像標記處理的紙病檢測方法。
背景技術：
紙張生產過程中，由于設備磨損、生產原料或者環境污染等原因，會造成一些影響紙張質量的缺陷，如：黑斑、亮斑、孔洞、褶皺、邊緣裂口等，這些統稱為紙病。在實際生產中，準確判斷某一紙病類型及追溯病源存在的位置和產生原因，為及時改進操作控制及設備維修等提供依據，對于生產質量的監控具有重要意義。
目前，市場上已經有一些成熟的紙病在線檢測系統，但因其價格昂貴而被極少數企業使用。關于紙病檢測的理論研究也有很多，但大多數算法解決的是有無紙病的問題及實現簡單紙病的快速識別功能，仍然存在檢測速度與紙張生產速度不匹配、檢測準確率不夠高、適用紙病的范圍有限等問題。
紙病的主要特征有灰度特征、形態特征及紋理特征。不同紙病種類的灰度與背景灰度有較大的差別。通過大量的實驗統計表明，黑斑的灰度比背景灰度均值低25％左右，孔洞的灰度則比背景灰度均值高25％左右，而裂口處的灰度比背景灰度均值高20％左右，褶皺的灰度與背景的灰度差別不大，但在褶皺處有比較明顯的灰度階躍。
連通域標記是指圖像中符合某種連通規則的連通像素用相同的符號表示出來。該算法可以實現對圖像中感興趣的區域進行標記處理，為每一個檢測到的連通區域內的像素賦予一個唯一標號，作為像素值，從而把不同大小、不同形狀的連通區域劃分開來，為后續目標物體特征的提取及圖像識別提供重要的依據。現有的連通域標記算法一般都是對二值圖像的連通域進行標記，顯然對灰度圖像二值化增加了處理的復雜度和一定的時間消耗。
指出現有連通域處理及進行參數值計算存在的問題：1.重復檢查鄰域像素；2.通過掃描實現參數值的統計。
技術實現要素：
為了克服上述現有技術的不足，本發明的目的在于提出一種基于灰度圖像標記處理的紙病檢測方法，能夠簡化圖像處理的復雜度和減少時間消耗，準確、快速地實現紙病檢測過程，提高紙病目標的檢測效率，具有效率高、準確性高的特點。
為了實現上述目的，本發明采用的技術方案是：
一種基于灰度圖像標記處理的紙病檢測方法，步驟如下：
步驟一：
通過工業攝像機獲得帶有紙病的紙張灰度圖像；
步驟二：
使用濾波窗口對灰度圖像進行增強處理，以消除細小的紋理細節以及噪聲像素；
步驟三：
選取多個合適的閾值，對步驟二得到的灰度圖像進行連通域標記處理，并統計用于紙病分辨的幾何特征值；
步驟四：
根據步驟三得到的連通域的標號值及幾何特征值實現紙病的辨識及區分，便于追溯紙病產生的原因。
所述的圖像增強處理是將步驟一得到灰度圖像進行濾波，以減少灰塵及光照等干擾引起的噪聲，起到增強紙病特征的作用；具體方法是：從圖像的左上角第一個像素開始，利用濾波窗口進行逐個像素的從左到右、從上到下的掃描，用窗口中各點的灰度值的中值來代替窗口中心點像素的灰度值。
所述的合適的閾值是根據不同紙病灰度值相對于背景灰度均值的差異大小選取，設置閾值為85和155，低于閾值85判斷紙病為黑斑、褶皺或邊緣裂口，高于閾值155判斷紙病為孔洞或亮斑。
所述灰度圖像的連通域標記處理，是根據選定的閾值對閾值范圍內的連通域設定標號值，為區分不同的紙病做準備，在標記處理時利用連通域的標記值實現紙病的初步區分，在標記處理的同時統計用于面積、圓形度、長寬比、矩形度計算所用的參數值，對各種紙病進行精確識別；具體方法如下：
標記處理前約定，低于閾值85的連通域中像素用標號1標記，高于閾值155的連通域中像素用標號2標記，通過連通域的起始位置區分存在多個同類的紙病的情況，具體分如下兩步驟實現：
(1)用當前像素的灰度值和背景灰度均值進行比較，如果差異值大于±5，則是前景像素，也就是紙病像素，進入步驟(2)的標記處理；否則是背景像素，什么也不做；
(2)如果工作窗中存在有前景像素ni，直接用ni的標號值標記當前像素p；否則用當前像素的灰度值和給定的閾值進行比較，用匹配上的閾值對應的標號值進行標記。
所述在標記過程中統計用于面積、圓形度、長寬比、矩形度的公式分別為：
圓形度C[l]＝4π*A[l]/(P[l])2；
其中P[l]代表標號值為l的紙病區域的周長；
長寬比ρ[l]＝α[l]/β[l]；
其中α[l]代表標號值為l的紙病區域的最小矩形的寬度，β[l]代表標號值為l的紙病區域的最小矩形的長度；
矩形度γ[l]＝A[l]/α[l]/β[l]；
其中A[l]代表標號值為l的紙病區域的面積；
在標記過程中需要統計的參數值包括：α[l]、β[l]、A[l]及P[l]，
α[l]＝MAX(Nx)，β[l]＝MAX(Ny)，A[l]＝|{p(x,y)|p(x,y)＝l}|。
所述的灰度圖像的連通域標記處理過程中同時記錄連通域的起始位置Si(X,Y)，確定具體位置，同時在標記過程中統計出標號值為l的紙病區域的面積A[l]，統計出對應各個標號的像素的數目以及αi和βi的值、得到標號值為l的紙病區域的像素橫坐標之和α[l]及標號值為l的紙病區域的像素的縱坐標之和β[l]，統計出標號值為l的紙病區域的周長P[l]。
與現有技術相比，本發明具有以下有益效果：
本發明較現有標記算法而言，是根據所處理的不同紙病間的特征差異，將傳統的二值圖像連通域標記擴展為針對灰度圖像的標記處理，在對灰度圖像進行去噪處理后，對灰度圖像直接進行圖像標記，避免了灰度圖像二值化的操作，簡化了圖像處理的復雜度和時間消耗，充分利用了紙病間的已有灰度值的差異，設置不同的閾值，實現了動態標記過程，快速實現紙病的初步辨識，并在標記過程中利用三元組數據表記錄連通域信息，標記結束后，直接利用數據表分析紙病的位置、大小及類別等，簡化后續紙病的識別過程。
整個過程顯著特點是簡化了操作過程，因為屬于同一連通域的像素的標號值是按照對應閾值設定的，所以本標記處理中不存在合并等價連通域的處理；能夠充分利用圖像灰度信息，憑借有效數據表達到快速、準確識別紙病的目的，提高了紙病目標的標記效率，加速了紙病的識別過程，滿足了企業對紙病檢測實時性、精確性的需求，具有效率高、準確性高的特點。
附圖說明
圖1為標記處理的工作窗，其中白色區域表示工作窗中的像素，灰色區域表示當前像素。
具體實施方式
下面結合附圖對本發明作進一步詳細說明。
本實施例以紙病中典型的“黑斑”、“邊緣裂口”作為被測對象，一種基于灰度圖像標記處理的紙病檢測方法，具體實施步驟如下：
步驟一：
通過工業攝像機獲取被測紙病的原始灰度圖像，像素大小為640×480。
步驟二：
使用濾波窗口對原始圖像進行濾波，以減少灰塵及光照等干擾引起的噪聲，起到增強紙病特征的作用，選用的濾波模板尺寸為3×3。具體方法為：從原始圖像的左上角第一個像素開始利用濾波模板進行從左到右、從上到下的滑動掃描，利用模板所覆蓋區域中像素點的中值取代原來的灰度值，實現中值濾波的平滑去噪。
步驟三：
根據不同的紙病的灰度相對于背景灰度均值的偏離程度不同，其中“黑斑”的灰度比背景灰度均值低30％以上，已知背景灰度均值為120，故設置閾值為85和155，低于閾值85判斷紙病為黑斑、褶皺或邊緣裂口，高于閾值155判斷紙病為孔洞或亮斑。
經過對不同紙病圖像的特征數據的統計分析表明：紙病的平均灰度、面積、圓形度、長寬比和矩形度可作為紙病識別的特征值。接下來對灰度圖像按從左至右、從上而下的順序進行掃描，并根據像素灰度值與閾值的大小關系進行標記處理。
如果當前的像素的灰度值大于等于155，則該像素為前景像素，否則為背景像素，基于灰度圖像的標記方法如下：
參見圖1，為標記當前像素時所用的工作窗。紙病標記的實現過程：如果當前像素p為前景像素，表明像素p是構成當前紙病區域的一個像素，用標號1標記，于是幾何參數值的變化為：A[l]＝A[l]+1，讓像素p所在的行和列的參數值分別增1，用于統計紙病區域最小矩形寬度值及長度值，P[l]的值與領域像素有關，此時還不能確定該值。接下來通過判斷工作窗中鄰域像素l1，r1，r2，r3，是否為前景像素進行等價連通體的合并處理。為了簡化標記的處理過程，我們以l1，r2，r3，r1的順序進行檢查。左鄰像素l1是剛剛處理過的像素，所以該像素是否為前景像素是已知的，無需檢查。于是根據l1的狀態分兩種情況進行合并等價標號的處理。當l1是前景像素是，執行情況(1)，否則執行情況(2)。
情況(1)：
查看當前像素p的正上方像素r2，如果r2為背景像素，接著查看右上方的像素r3，如果像素r3為前景像素說明當前像素的左鄰像素l1和右上方的像素r3原本處于兩個不同的連通域中，因為前景像素p的出現把它們合成在一個連通域中，于是需要合并等價連通域處理；當前像素標記處理結束；像素r1不管是前景像素還是背景像素均不影響當前前景像素p的標記結果。
情況(2)：
檢查正上方像素r2，如果r2為背景像素，檢查右上方的像素r3，如果r3為前景像素，繼續檢查左上方的像素r1，如果r1是前景像素，合并r1及r3所在的兩個等價連通域；當前像素標記處理結束。
上述步驟循環執行，直到所有像素掃描一遍后，標記過程結束。
由于單純地評價像素的灰度值信息不能準確地判定紙病的種類，所以在進行灰度圖像標記處理的同時還需要統計當前紙病的參數值，以便于后續計算面積、圓形度、長寬比和矩形度，以實現紙病的精確區分。對于標號為l的紙病區域，在標記過程中統計該紙病區域的起始地址AD、紙病區域最小矩形寬度α[l]、紙病區域最小矩形長度β[l]、面積A[l]以及周長P[l]。本實施例中，兩個紙病區域的像素灰度值均低于背景灰度均值，經過標記處理后，兩個連通域(紙病區域)的標號值分別為{1，2}，對應的起始地址分別是{(147,251)，(210,109)}，紙病區域最小矩形寬度分別是{10，2}，紙病區域最小矩形長度分別是{5，30}，面積分別是{69，35}，周長分別是{27,35}。根據公式：
圓形度C[l]＝4π*A[l]/(P[l])2；
長寬比ρ[l]＝α[l]/β[l]；
矩形度γ[l]＝A[l]/α[l]/β[l]；
分別計算得出兩個紙病區域的面積分別為{69，35}，圓形度為{1.1894，0.359}，長寬比分別為{2,0.0667}，矩形度分別為{1.38，0.58}，最終判斷該紙病為“黑斑”和“邊緣裂口”。