本發明涉及一種表面檢測技術，尤其是一種自動多模板檢測方法。

背景技術：

傳統印刷方式一次只能印刷若干數量的、內容相同的印刷品。隨著印刷需求不斷變化，印刷工藝在不斷地發展，可變數據印刷應運而生。可變數據印刷是指在印刷過程中，所印刷的圖像或文字可以按預先設定好的內容及格式不斷變化(如圖1所示，變化的區域稱作多模板區域)，因其具有個性化，增長速度非常快，相應地也提高了對印品質量的要求。顯而易見，如果運用傳統的比對檢測方法進行缺陷檢測，需將內容不同的印刷品進行歸類，然后對不同種類的印刷品再進行學習和檢測。這無疑增加了人力，需新的缺陷檢測方法代替傳統的缺陷檢測方法。

目前關于多模板區域缺陷檢測的處理過程是這樣的：首先人工確定每個多模板區域下子模板的個數以及子模板圖像，然后學習得到每個子模板的學習圖像，最后進入缺陷檢測。若某一印刷品存在多個多模板區域，每個多模板區域下又存在多個子模板，人工需要配置大量的子模板信息。一方面需要操作人員足夠的嚴謹細心，另一方面也影響了工作效率，因此存在一定的局限性。

技術實現要素：

本發明要解決的技術問題是：提出一種自動多模板檢測方法，不僅不需要人工配置子模板，而且能夠同時自動學習多個多模板區域，自動創建新的子模板，自動進行多模板區域的檢測。

本發明所采用的技術方案為：一種自動多模板檢測方法，包括以下步驟：

1)讀取產品圖像信息，在多模板區域內創建子模板，并對子模板自動生成子模板序號；

2)進行所有多模板區域進行檢測和學習；

3)將多模板區域內不同子模板組合成不同的款型，并進行款型的學習；

4)輸出檢測結果并結束檢測過程。

進一步的說，本發明所述的步驟1)中，提取多模板區域m*n像素的圖像，默認作為該多模板區域的第一個子模板圖像。

再進一步的說，本發明所述的步驟2)中，包括匹配子模板；匹配子模板包括以下步驟：a、在待處理圖像上獲取擴展的多模板區域m1*n1的圖像；b、匹配步驟1)中的子模板圖像。

再進一步的說，本發明所述的擴展的多模板區域是對多模板區域外擴的區域。

再進一步的說，本發明所述的匹配若成功，則進入子模板比對檢測算法學習和比對算法檢測過程；匹配若失敗，則新增子模板和缺陷報警。

再進一步的說，本發明匹配成功的情況下，截取學習圖像的多模板區域m*n像素的圖像，進入子模板比對檢測算法的學習，學習結束后，記錄當前多模板區域下匹配的子模板序號；匹配失敗的情況下，則需添加新的子模板，在學習圖像的多模板區域截取m*n像素的圖像作為新的子模板圖像，生成新的子模板序號，隨后進入學習子模板比對檢測算法的學習，學習結束后，記錄當前多模板區域下新增的子模板序號。

本發明的有益效果是：在學習過程中能夠自動添加新的子模板和款型；在檢測過程中能夠針對不同的子模板選擇不同子模板的學習圖像進行檢測，自動識別所對應的款型，既除去了人工挑揀又簡化了用戶操作的復雜性。

附圖說明

下面結合附圖和實施例對本發明進一步說明。

圖1是本發明多模板圖像示意圖；

圖2(a)-(e)是本發明匹配子模板示意圖；

圖3是本發明印刷品學習過程；

圖4是本發明多模板區域學習過程；

圖5是本發明印刷品檢測過程；

圖6是本發明多模板區域檢測過程；

圖7是本發明建模時默認生成的子模板示意圖；

圖8是本發明的款型示意圖。

具體實施方式

現在結合附圖和優選實施例對本發明作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以示意方式說明本發明的基本結構，因此其僅顯示與本發明有關的構成。

1.子模板的概念以及子模板的創建。多模板區域內不同的圖像有著不同的圖像模板，圖像自動歸類時需要一個判別標準，將多模板區域下用于歸類的圖像叫做子模板。建模時，提取多模板區域m*n像素(例如426*340)的圖像，默認作為該多模板區域的第一個子模板圖像，如圖2所示，(a)上的虛線所畫范圍為多模板區域，(c)是(a)中多模板區域截取的子模板圖像，并自動生成子模板序號r1-t1。

2.款型的概念以及款型的配置。款型定義為不同子模板的組合方式。以圖1的印刷品為例，該印刷品上有兩個多模板區域，將它們編號為：r1和r2。每個多模板區域下有三個子模板，則對應于多模板區域，每個子模板的編號可以為：r1-t1，r1-t2，r1-t3，r2-t1，r2-t2，r2-t3。按照組合關系，該印刷品最多有3*3種款型，如圖8所示。若所有的款型都存在，正常情況下如果要學習到所有的款型，學習樣品必須包含所有的款型。其實不然，假設已學習完包含所有子模板的三個款型：d1:[r1-t1，r2-t1]、d5:[r1-t2，r2-t2]和d9:[r1-t3，r2-t3]，此時款型記錄中有3條記錄。但是d2:[r1-t1，r2-t2]款型沒有參加學習，可以在現有的子模板的基礎上添加新的子模板間的組合關系到款型記錄中，這樣就新增了一個款型，在檢測過程中如果出現此款型則不會報錯。這種靈活的操作大大節約了時間成本。

3.匹配子模板。無論是對多模板區域進行學習還是檢測，匹配子模板是第一步，匹配算法支持灰度匹配、輪廓匹配等。因為待處理圖像(待學習圖像或待檢測圖像的統稱)與建模時的模板圖像的印刷可能存在一定的偏移，為了提高匹配的正確率，匹配子模板時，在待處理圖像上需要獲取擴展的多模板區域。擴展的多模板區域是對多模板區域外擴一定m1*n1大小(例如456*380)的區域。如圖2所示，以灰度匹配為例。(a)是建模時的部分模板圖像，(b)是待處理圖像的部分圖像，(b)的多模板區域的圖案相對于(a)向左偏移了14個像素向下偏移了18個像素。(c)和(d)分別是(a)和(b)的多模板區域內的圖像，灰度匹配得到的結果為不匹配。為解決此問題，將(b)中的多模板區域向x兩方向各擴展15像素，向y兩方向各擴展20像素得到(e)，(e)和(c)得到匹配的結果。因此，得到這樣一個結論，匹配子模板時擴展待處理圖像的多模板區域是必要的。設多模板區域r下有n個子模板r＝{t1,t2,…,tn}，匹配度為smatch。待處理圖像上的擴展多模板區域為e，e與每個子模板的匹配度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為匹配的子模板序號，否則無匹配的子模板。

4.學習過程如圖3-4所示。由圖3-4可知，擴展多模板區域圖像與子模板圖像匹配后會得到兩種結果，匹配和不匹配。①匹配的情況下，若匹配的子模板編號為r-tm，截取學習圖像的多模板區域m*n像素的圖像，進入子模板r-tm比對檢測算法的學習，學習結束后，記錄當前多模板區域下匹配的子模板序號r-tm；②不匹配的情況下，則需添加新的子模板，在學習圖像的多模板區域截取m*n像素的圖像作為新的子模板圖像，生成新的子模板序號r-tn+1，隨后進入學習子模板r-tn+1比對檢測算法的學習，學習結束后，記錄當前多模板區域下新增的子模板序號r-tn+1。按照上述過程學習完圖像上所有的多模板區域，會得到多模板區域下子模板間的組合關系。對比款型記錄表，若款型記錄表中不存在記錄下的組合關系，則將此加入到款型記錄中。這就是學習的全過程。以圖8的產品為例，建模時用的是圖8中d1款型的圖像，默認得到如圖7所示的兩個多模板區域下子模板(子模板序號r1-t1、r2-t1和相應的子模板圖像)和款型[r1-t1，r2-t1]。然后開始學習，進來圖8中d5款型的圖像，其中r1的擴展多模板區域圖像與子模板r1-t1的匹配度小于預先設定的匹配度，故在r1下添加新的子模板圖像(截取學習圖像的多模板區域圖像)以及生產新的子模板序號r1-t2，然后進入子模板圖像的比對檢測學習，學習結束后，記錄該多模板區域下的子模板序號r1-t2；r2處理過程與r1相同，記錄該多模板區域下的子模板序號r2-t2。兩個多模板區域學習完成，得到[r1-t2，r2-t2]子模板組合，發現款型記錄里無此種款型，將其添加到款型記錄里，至此款型記錄里有兩條記錄。

5.檢測之前，可以對子模板和款型進行編輯。啟用或禁用子模板，禁用后的子模板不參與檢測過程，若檢測的印刷品中出現禁用的子模板圖像視缺陷處理。刪除或新增款型，若檢測的印刷品中出現被刪除的款型視缺陷處理。同樣地檢測之前首先需要匹配子模板，找到匹配的子模板，然后才能運用子模板的學習圖像進行比對缺陷檢測。若找不到匹配的子模板，則報“無匹配子模板”的缺陷。檢測完圖像上的每個多模板區域，記錄下子模板間的匹配關系，若款型記錄中不存在此記錄款型，則報“無匹配款型”的缺陷。如圖5-6所示。

以上說明書中描述的只是本發明的具體實施方式，各種舉例說明不對本發明的實質內容構成限制，所屬技術領域的普通技術人員在閱讀了說明書后可以對以前所述的具體實施方式做修改或變形，而不背離本發明的實質和范圍。