• Odkrivanje napak v industrijskih tiskovinah s pomo jo ...


  •   
  • FileName: Rakun.pdf [read-online]
    • Abstract: nato uporabimo za ugotavljanje odstopanj med istoležnimi slikovnimi elementi. ... razli ni strojni opremi (ali s prebirniki ali z digitalnimi. kamerami) in za razli ne tiskovine (napise na ...

Download the ebook

Elektrotehniški vestnik 74(3): 99-106, 2007
Electrotechnical Review: Ljubljana, Slovenija
Odkrivanje napak v industrijskih tiskovinah s pomo jo slikovne
poravnave
Jurij Rakun, Damjan Zazula
Fakulteta za elektrotehniko, ra'unalništvo in informatiko
Smetanova 17
2000 Maribor
E-pošta: [email protected], [email protected]
Povzetek. V lanku opisujemo postopek, ki smo ga razvili za potrebe industrijskega preverjanja kakovosti tiskovin.
Postopek ra unalniško poravna sliki dveh tiskovin, in sicer referen ne ter primerjane. Poravnavo opravimo v dveh
fazah: najprej grobo, nato še natan nejšo. Prva faza temelji na prilagodljivi binarizaciji obeh slik in dolo anju njunih
težiš . Poravnavi težiš sledi še lokalno iskanje najboljšega prileganja, ki ga ovrednotimo z minimalno kvadratno
razdaljo med vrednostmi vseh slikovnih elementov. Tako doseženo grobo ujemanje izboljšamo še z iteracijo afinih
transformacij in vmesnih interpolacij obeh obravnavanih slik. Tak na in detajlnega poravnavanja vpelje elasti no
korekcijo, tako da optimalno prekrije tudi slike, ki se nekoliko razlikujejo po velikosti ali strukturi. Poravnani sliki
nato uporabimo za ugotavljanje odstopanj med istoležnimi slikovnimi elementi. Najo itnejša odstopanja opredelimo
kot tiskarske napake, pri emer se lahko omejimo le na sivinske slike, lahko pa upoštevamo tudi barvno informacijo.
Opisani pristop je robusten in uspešno odkriva tiskarske napake tudi pri zahtevni industrijski embalaži. Pri
stoodstotni pozitivni napovedljivosti doseže za dokumente s preprostejšimi motivi 95-odstotno senzitivnost, za
zahtevne dokumente z veliko besedila pa okoli 90–odstotno.
Klju ne besede: ra unalniška obdelava slik, poravnava slik, afine transformacije, pragovna segmentacija
Error Detection in Industrial Printed Matters Using Image
Registration
Extended abstract. In this paper we describe a new correction and results in an optimum fit also when the
approach to detect inferior quality and errors in printing proportions and sizes of the compared images are not
matter using a regular PC and document scanner. Our entirely equal. After the images have been optimally
method relies on a comparison of an inspected registered, discrepancies between individual pixels or
document with its referential version. It comprises regions are looked for. Finally, distribution of detected
coarse and fine document image registration first, and differences is used in order to mark the most probable
then detection of discrepancies between the aligned ones as caused by inferior printing quality. Errors can be
pixels or regions. Registration deploys binarized images searched either in gray or colour images, optionally also
and coarsely aligns them by their centres of gravity–Eq. in separate colour planes. A prototype user interface is
(2). After overlaying the calculated centres, we match shown in Fig. 1.
the images by rotating and translating them in a locally We confirmed experimentally that the developed
limited way. An optimum position is determined using algorithms perform satisfactorily. The error detection
the mean square error (MSE) of matched pixels–Eq. (3). rate in documents with a simple structure, mostly
The second registration step refines this position and is images, is about 95%, whereas with complex documents
based on affine transformations which, utilizing the containing a lot of text this figure is about 90% (Figs. 2
MSE criterion again, compute the rotation and nad 3). The results of automated printing errors
translation for an optimum image match–Eqs. (4) to (8). detection are depicted in Fig. 4 for a simple document
This fine registration works iteratively, with interim and in Fig. 5 for a more complex textual document.
interpolations, and introduces a kind of elastic image The described approach has been successfully
validated in an industrial firm. The only drawback
Prejet 15. junij, 2006 found is its rather high computational complexity of
Odobren 24. januar, 2007 O(n2).
100 Rakun, Zazula
Keywords: image processing, image registration, affine za ustrezno ra unalniško poravnavanje slik in iskanje
transformation, thresholding segmentation, image odstopanj med njimi. Tretje poglavje je namenjeno
comparison uporabniškemu vmesniku in kratki razlagi posameznih
funkcij, ki jih ponuja uporabniku. Rezultati delovanja
izdelanega prototipnega programa za iskanje tiskarskih
napak so prikazani in ovrednoteni v etrtem poglavju,
1. Uvod
peto poglavje pa razpravlja o prednostih in slabostih
Kljub vse ve ji uporabi elektronskih dokumentov je v uvedene rešitve ter sklene lanek.
številnih primerih tisk še vedno nujen. Spomnimo se
samo tiskovin, kot so serijsko tiskana uporabniška
2. Avtomatizirano ra unalniško iskanje
navodila, slike, nalepke in podobni dokumenti, ki so
pridruženi komercialnim izdelkom. Teh pri današnjem tiskarskih napak
stanju prodaje in uporabe artiklov ni mogo e zamenjati S prototipnim ra unalniškim programom poskušamo
z elektronsko zabeleženimi informacijami. Takoj pa, ko predvsem poenostaviti in avtomatizirati loveško delo,
imamo opravka s številnimi ponovnimi tiskanji serije ki je sicer edina možnost za preverjanje pravilnosti
dokumentov, ki se jim pri velikoserijski proizvodnji tiskovin. V nasprotju z napravami, namenjenimi analizi
nikakor ne moremo izogniti, je zelo verjetno, da bo tiskovin in pravilnosti postopkov v proizvodnji, ki
prihajalo do tiskarskih napak. ve inoma opravljajo 100-odstotno preverjanje, je naš
Odkrivanje tiskarskih napak je za loveka naporno prototip namenjen predvsem vzor nemu preverjanju.
in delikatno opravilo. Še posebej je zahtevno pri Tak pristop pospeši, nekoliko poenostavi in posploši
velikoserijski proizvodnji, saj na primer proces odkrivanja napak in je po izkušnjah
multinacionalka s podro ja kozmeti ne industrije samo velikoserijskih proizvajalcev dovolj zanesljiv.
v Sloveniji na leto uporabi ve kot 350 milijonov Želimo, da naš program omogo a univerzalno
tiskovin, med katerimi je treba pravo asno odkriti 1 do analizo odstopanj med dvema slikama. Omogo a naj
2 % neuporabnih. analizo pri razli nih lo ljivostih slik, pri razli ni
Na trgu obstaja veliko naprav, ki so namenjene za poravnanosti motivov slik in celo pri slikah, ki niso
nadzor industrijskih procesov. Glede na na in zajemanja isto enako velike. Od znanih komercialnih naprav se
slik jih lahko razdelimo v dve skupini. Prve zajemajo razlikuje tudi po tem, da omogo a analizo napak na
slike s kamero in jih najdemo predvsem v proizvodnih razli ni strojni opremi (ali s prebirniki ali z digitalnimi
procesih [7, 9]. Tu skrbijo za pravilen potek procesa, kot kamerami) in za razli ne tiskovine (napise na
je npr. polnjenje steklenic, pakiranje proizvodov ipd. embalažnih škatlah, prozorne in neprozorne nalepke,
Druge, namenjene predvsem za preverjanje tiskovin, pa navodila ipd.).
temeljijo na uporabi namenskih prebirnih naprav [8]. Kakor smo povedali že uvodoma, je postopek
Vsem je skupno, da pri razli nih zajemih slik v poravnave slik eden glavnih korakov naše rešitve. Da
digitalizirano obliko delujejo v nadzorovanih pogojih, dosežemo najboljšo poravnanost slik, uporabljamo
saj slike zajemajo pri isti osvetljenosti in predvsem na postopke za togo in elasti no poravnavo slik. Prvi
istih pozicijah [9]. S tem se postopek odkrivanja temeljijo na iskanju ter poravnavi težiš binariziranih
odstopanj mo no poenostavi. slik [1] in so uporabljeni za grobo poravnavo. Drugi,
Bistvena razlika med navedenimi pristopi in torej postopek elasti ne poravnave [2], pa poskrbi še za
zahtevami, ki se jim podreja rešitev, opisana v tem fino poravnavo in je znan na podro ju obdelave
lanku, je, da ob slikah nimamo natisnjenih oznak, po medicinskih slik, npr. za magnetnoresonan ne naprave.
katerih bi lahko slike medsebojno pravilno prekrili. Ko sta referen na in primerjana slika dovolj dobro
Takšen na in poravnavanja slik je trivialen, naša rešitev poravnani, lahko primerjamo istoležne slikovne
pa mora za poravnavo poskrbeti z bolj domišljenim elemente in ugotavljamo, kje nastajajo obmo ja
pristopom, ki deluje na samih slikah, seveda neodvisno morebitnih napak, torej odstopanj, ki niso posledica
od njihove vsebine. Na ta na in lahko realiziramo obdelovalnih postopkov in zaokrožitvenih napak. Treba
ra unalniško iskanje tiskarskih napak, ne da bi se je odlo iti, kako veliko naj bo obmo je z napako, da
potrebovali predrago, specializirano videoopremo, bomo nanj opozorili. Ni se treba, denimo, obremenjevati
izognemo pa se tudi neposrednemu preverjanju, pri z napakami, ki jih s prostim o esom niti ne vidimo. Za
katerem so etikete že nalepljene na izdelku. Taka rešitev preverjanje serijskih nalepk v industriji je dovolj
je celo nezaželena, saj je treba izdelek, ki ima poiskali le napake, ki so ve je ali enake 0,2 mm [11].
nalepljeno pokvarjeno etiketo, v celoti izlo iti, eprav z Premer iskanega napa nega obmo ja torej lahko
njim samim ni ni narobe. izrazimo v slikovnih elementih takole:
V nadaljevanju bomo opisali postopek, ki iš e L
tiskarske napake tako, da pozna referen no tiskovino in d 0,2 pikslov, (1)
z njeno sliko primerja sliko preverjanega dokumenta. V 25,4
drugem poglavju opisujemo izhodiš ne zahteve ter ideje
Odkrivanje napak v industrijskih tiskovinah s pomo'jo slikovne poravnave 101
kjer pomeni L ploskovno lo ljivost slike, podano v M N
številu slikovnih elementov na palec (25,4 mm). Pri O= ( p1 ( x, y ) p 2 ( x, y )) 2 , (3)
lo ljivosti 300 pik na palec, denimo, znaša izra unani x =1 y =1
premer 3 slikovne elemente. Pri odkrivanju napak v
slikah z navedeno lo ljivostjo se bomo torej osredoto ili kjer pomenijo O oceno ujemanja dveh slik, p1(x,y)
na iskanje odstopajo ih obmo ij, katerih premer je vsaj sivinsko vrednost v sliki 1 in p2(x,y) sivinsko vrednost v
3 slikovne elemente. sliki 2, obe na poziciji x,y.
Poravnava referen ne in primerjane slike mora Najboljše ujemanje (minimalni O) dolo a
odstraniti tako morebitni zasuk kot premik med njima. binarizirano verzijo primerjane slike, ki jo obdržimo za
Zato smo jo zasnovali v dveh korakih: najprej s nadaljnjo obdelavo. Izra unani težiš i zaokrožimo na
hevristi nim pristopom primerjani sliki poravnamo celoštevilski vrednosti in sliki premaknemo tako, da se s
grobo, v drugem koraku pa ju poskušamo optimalno težiš i pokrivata. Izberemo si obmo je ±5°, v katerem
prekriti z afino transformacijo. bomo s sukanjem primerjane slike proti referen ni
poiskali boljše ujemanje. Da zmanjšamo zahtevnost
postopka, najprej poskušamo prilagajanja s korakom 5°
2.1 Groba poravnava v obmo ju [-5°,5°]. Pozicijo z najmanjšim odstopanjem
Grobo poravnavo slik smo izvedli s poravnavo težiš slik obdržimo, okoli nje pa poiš emo še boljše ujemanje
[1], ki ju izra unamo v binarizirani referen ni in ob zasukih za 1° v intervalu [-4°,4°]. V rotacijo
primerjani sliki. primerjane slike je seveda vklju ena interpolacija, ki
Binarizacijo slik opravimo z uporabo histogramov, dodatno pove uje ra unsko zahtevnost postopka.
in sicer tako, da izlo imo ozadje in poskušamo ohraniti Za tem poskušamo sliki na hitro še bolje poravnati s
vse druge objekte na sliki. Velikokrat se izkaže, da translacijami v bližnji okolici najboljše pozicije,
vrednosti v histogramu niso unimodalne in da izlo anje dolo ene s sukanjem. Premikamo se najprej za dva, nato
ozadja ni trivialno. Lotili smo se ga z iskanjem pa še za en slikovni element v vse smeri, dokler
histogramskega maksimuma, ker predvidevamo, da je uspevamo najti kakšno boljše ujemanje ( manjši O).
slikovnih elementov, ki imajo barvo ozadja, najve . Od Groba poravnava sliki navadno že zelo dobro
maksimuma se spuš amo v obe smeri in iš emo prekrije, vendar še ne toliko, da bi lahko odstopanja
minimalni vrednosti – torej dolini levo in desno od med njima opredelili iz razlik med vrednostmi
maksimuma. Najdeni minimumi so prag za izlo anje istoležnih slikovnih elementov. Zato moramo pose i še
ozadja. Ker pa ti minimumi ponavadi niso izraziti, po optimizaciji z afino transformacijo. Temu bomo
postavimo prage šele po izvedbi iterativnega iskanja preprosto rekli fina poravnava.
najboljše pozicije. Postopek deluje tako, da prvi
potencialni prag postavimo pri prvem najdenem 2.2 Fina poravnava
minimumu. Potem gledamo, ali se po premiku za en
slikovni element histogram morda spet spusti. He se, Uporabimo postopek poravnave slik iz [2], ki temelji na
iš emo še drugi, bolj oddaljeni minimum in tam iteracijah z afinimi transformacijami in vmesnimi
postavimo drugi prag. Postopek nadaljujemo do najve interpolacijami slik. S tem slike dodatno poravnamo,
petega potencialnega praga. tako da se bodo, kolikor je le mogo e, ujele. Uporaba
Z vsakim od postavljenih potencialnih pragov za rekurzivnih afinih transformacij pa vpeljuje še dodatno
izlo anje ozadja sliko binariziramo in ji dolo imo elasti no korekcijo slik, ki sliki geometrijsko popravi,
težiš e. Enako seveda naredimo tako za referen no kot e med njima obstajajo manjša geometrijska neskladja.
zaprimerjano sliko. Po [2] izpeljemo postopek fine poravnave na
Ko sta sliki binarizirani, izra unamo težiš i po naslednji na in. Vzemimo, da sta ekvivalentna slikovna
formuli (2), kar naredimo po vsaki iteraciji binarizacije elementa iz prve in druge slike ozna ena kot p(x,y,t) in
posebej: p(x,y,t-1). Parameter t dolo a referen no, parameter t-1
M N M N pa primerjano sliko. He gre za sliki z enakim motivom,
b ( x, y ) x b ( x, y ) y lahko slikovne elemente ene slike izrazimo tako, da
x =1 y =1 x =1 y =1 (2) ustrezno transformiramo lego slikovnih elementov iz
x ti = , y ti = , druge slike. To zapišemo kot:
ti ti
p ( x, y , t ) =
M N (4)
p(m1 x + m 2 y + m5 , m3 x + m 4 y + m 6 , t 1) .
kjer so: ti = b ( x, y ) število uporabljenih
x =1 y =1 Parametri od m1 do m6 v ena bi (4) so v tem primeru
slikovnih elementov za izra un težiš a, b(x,y) koeficienti, ki jih bomo dolo ili z uporabo afine
binarizirana slika, x in y koordinati, M število stolpcev transformacije. Zapišimo sedaj oceno trenutne
in N število vrstic v sliki. poravnave kot vsoto kvadratov razlik med istoležnimi
Sedaj težiš i poravnamo in ocenimo trenutno slikovnimi elementi za primer, ko sta sliki veliki M×N
ujemanje slik po formuli (3): slikovnih elementov:
102 Rakun, Zazula
r M N Ko odkrijemo najboljšo skupno poravnavo,
E ( m) = ( p ( x, y , t ) iteracijski postopek zaklju imo in uporabimo dobljene
x =1 y =1 (5) r
kumulativne parametre m pri izvorni, neporavnani
2
p(m1 x + m 2 y + m5 , m 3 x + m 4 y + m 6 , t 1)) , barvni sliki.
r
pri emer pomeni m = (m1 , m 2 , m 3 , m 4 , m 5 , m 6 )T
3. Ra unalniška realizacija z
vektor afinih parametrov. uporabniškim vmesnikom
Afini parametri mi, ki jih iš emo, v ena bi (5) ne
nastopajo eksplicitno. Zato ena bo razvijemo v V tej sekciji na kratko povzemamo, kako prototipni
Taylorjevo vrsto in jo aproksimiramo s leni prvega program, ki smo ga izdelali, pomaga uporabniku pri
reda: u inkovitem iskanju odstopanj med primerjanima
r M N tiskovinama. Slika 1 kaže videz uporabniškega
E ( m) { p ( x, y , t ) [ p ( x, y , t ) + vmesnika.
x =1 y =1
Za nimo z gumboma za nalaganje referen ne in
[(m1 1) x + m 2 y + m 5 ] p x ( x, y, t ) + (6) primerjane slike tiskovin s pomnilnega medija
[m 3 x + (m 4 1) y + m 6 ] p y ( x, y, t ) (ozna ena kot »slika 1« in »slika 2« zgoraj desno). Ker
ne vemo, s kakšnim prebirnim sistemom bo program
p t ( x, y, t )]}2 , deloval, podpiramo vnos razli nih formatov slik, kot so
bmp, tiff, pcx, jpeg, gif itd. Priporo ljiva je uporaba
kjer px, py in pt pomenijo parcialne odvode po x, y in t. nekomprimiranih slik (npr. bmp), saj v nasprotju s
Pri izvedbi postopka te odvode ocenimo z diferencami. komprimiranimi ne vsebujejo šuma, ki je posledica
Ena bo (6) poenostavimo in uvedemo vektorski zapis, kompresije slik.
r
kjer je c = ( x p x , y p x , x p y , y p y , p x , p y ) T in Nadaljujemo z grobo poravnavo. Kot smo spoznali v
skalar k = pt + x·px + y·py. Zaradi preglednosti smo prejšnjem podpoglavju, naš program z grobo poravnavo
izpustili argumente pri parcialnih odvodih. Nova oblika kompenzira zasuk in premik, ki nastaneta, e sliki ob
zapisa je naslednja: prebiranju nista popolnoma enako položeni na prebirno
M N površino. Za etni zasuk lahko nastavimo na 0°, 90°,
r r r
E ( m) = ( k c T m) 2 . (7) 180° ali 270° (privzeto 0°), tako da kliknemo v ustrezna
x =1 y =1 okenca. V dodatnem pogovornem oknu lahko odredimo,
r v kakšnih kotnih premikih bomo poravnavali iz izbrane
S parcialnim odvajanjem ena be (7) po m pridemo za etne lege (med ±5° in ±45°).
r
do minimalne napake E( m ), e velja: Sledi fina poravnava. Ta, kot vidimo na sliki 1, ne
M N
1
M N omogo a nobenih dodatnih nastavitev in jo sprožimo po
r rr r
m= cc T ck . (8) kon ani grobi ali ro ni poravnavi slik (gumb
x =1 y =1 x =1 y =1 »Poravnaj«).
Pod gumbi za poravnave so v uporabniški vmesnik
Z dobljenimi parametri mi izvedemo afino vgrajeni drsniki za iskanje napak. Izberemo lahko
transformacijo, vendar pa se moramo zavedati, da sivinsko ali barvno analizo, tako da kliknemo krožca
omogo a le lokalno omejena, manjša približevanja k »Sivinska« ali »RGB« v polju »Analiza« (spodaj
optimalni rešitvi. Zato jo izvajamo iterativno. Zaradi desno). Obe izbiri predvidevata dodatno nastavitev
manjše asovne zahtevnosti uporabimo svinske slike. V praga za odkrivanje napak. Nastavimo ga s pomo jo
vsaki iteraciji transformiramo vmesne slike iz prejšnjega treh drsnikov, ki sledijo gumbu »Detekcija«, za vsako
r
koraka z novimi afinimi parametri m . posamezno barvno ravnino posebej.
Koordinate slikovnih elementov po transformaciji S etrtim drsnikom dolo imo minimalne velikosti
niso ve celoštevilske, zato moramo slike interpolirati. napa nih regij, v katere lahko združujemo odstopajo e
Uporabljamo linearno interoplacijo v Moorovem sosednje slikovne elemente. Kadar želimo prikazovati
sosedstvu z radijem 1 [6]. Izkazalo se je, da napa ne regije, moramo klikniti v polje nad drsnikom za
interpoliranje samo ene slike vnaša dodatne odstopanja velikost regij.
med primerjanima slikama. Zato vsako interpolacijo Gumb »Filtriraj« isto desno na dnu uporabniškega
opravimo tako na originalni kot na primerjani sliki: vmesnika sproži obdelavo naloženih slik z nizkim sitom
izra unane parametre afine tansformacije razdelimo na (slikovne elemente nadomesti s povpre ji okolic 3×3).
zasuk in premik, polovico obeh apliciramo na eni sliki, Sliko tako zgladi in s tem odstrani drobne napake, ki so
polovico pa v nasprotni smeri na drugi sliki. Tako je posledica šuma. Filter je programu dodan kot opcijski
skupni u inek enak, kot bi bil s celotno transformacijo korak, ki ga lahko izvedemo pred iskanjem napak.
samo na eni sliki, vendar pa interpolacijske spremembe Na dnu uporabniškega vmesnika najdemo devet
(povpre enja v okolici slikovnih elementov) podobno gumbov za ro no poravnavo. Gumbom je pridruženo
vplivajo na obe primerjani sliki hkrati. vnosno polje »Enot«. V slednje vpišemo velikost
Odkrivanje napak v industrijskih tiskovinah s pomo'jo slikovne poravnave 103
Slika 1: Prikaz uporabniškega vmesnika prototipne rešitve programa za iskanje tiskarskih napak
Figure 1: User interface for a prototype of detection of printing errors
koraka, s katerim želimo izvajati ro no poravnavo. Pri pa je prikaz napak v primeru sivinske analize, ko imamo
zasuku so to stopinje, pri premiku pa slikovni elementi. samo eno, sivinsko ravnino.
Ro no poravnavo moramo najprej aktivirati, kar
postorimo s sredinskim gumbom. Z njim ro no
4. Rezultati ra unalniškega odkrivanja
poravnavo tudi sklenemo (deluje torej po principu
vklop/izklop). Zgoraj, spodaj, levo in desno so gumbi, tiskarskih napak
ki so namenjeni premikom gor, dol, levo in desno. Uporabnike programa za avtomati no odkrivanje
Ozna eni so z napisom »T«. Diagonalno so nameš eni tiskarskih napak zanimajo predvsem najo itnejša
gumbi z oznakami »R«. Le-ti omogo ajo ro ne rotacije. odstopanja na preiskovanih tiskovinah, zato nima
Gumb, ki je levo od gumba zgoraj, rotira v negativno smisla, da bi jim takoj pokazali vse odkrite napake.
smer, gumb pa, ki je desno od gumba zgoraj, rotira v Predvidevamo, da so vrednosti odstopanj med
pozitivno smer. Dodatna gumba sta namenjena primerjanima slikama normalno porazdeljene, zato
hitrejšemu sukanju, kadar sta primerjani sliki zelo izra unamo prag, ki odredi, katera odstopanja bodo
zasukani. Levi opravlja zasuk za 90°, desni pa za 180°. prikazana, takole:
Oba su eta v pozitivno smer. D = µ +3 , (9)
V levem spodnjem vogalu uporabniškega vmesnika
sre amo še ve je podro je, ki je razdeljeno na dve pri emer so D vrednost praga, µ povpre na vrednost
podpodro ji. Zgornje je namenjeno prikazu slik, spodnje odstopanj med slikama in : njihov standardni odklon.
pa prikazu odstopanj. Polji ob gumbih »Slika 1« in Pri normalni porazdelitvi je 99,74 odstotkov vseh
»Slika 2« dolo ata, katera slika bo prikazana na delovni odstopanj pod pragom iz ena be (9), kar se je v praksi
površini uporabniškega vmesnika (obe, ena izmed obeh izkazalo kot ugodno privzeto vrednost. Seveda pa lahko
ali nobena). Vmes najdemo še dodatno polje, ki uporabnik to nastavitev pozneje ro no tudi spremeni
omogo a prikaz slik v barvah ali s sivinami. Vsako sliko (pove a ali zmanjša).
pa lahko s klikom na ustrezno tipko »Slika« pogledamo Za preizkušanje vseh faz delovanja razvitega
še v pove avah. Odpre se namre dodatno okno, v prototipnega programa za odkrivanje tiskarskih napak
katerem je omogo eno pove evanje in zmanjševanje smo uporabili dva pristopa. V prvem smo vzeli slike
slik (zoom). tiskovin, ki smo jim umetno dodali naklju na
Spodnje podpodro je je sestavljeno iz štirih gumbov. odstopanja. Tako smo pri odkrivanju napak to no
Prvi trije so namenjeni prikazu razlik (napak) med vedeli, katere smo zares uspeli odkriti in katerih ne.
barvnima slikama. Zadnji, skrajno desni pa ima dve Drugo skupino poskusov pa smo izvedli s pari realnih
funkciji. Prva je prikaz združenih napak v vseh treh slik, pri katerih smo sami na pogled ocenili, kje se
barvnih ravninah, e smo opravili barvno analizo, druga razlikujejo. Potem smo rezultate ra unalniškega
okdrivanja napak primerjali s svojimi od itki.
104 Rakun, Zazula
4.1 Validacija postopka z referen nimi slikami in odkrivanja tiskarskih napak ugotavljali s pomo jo
umetno dodanimi napakami senzitivnosti in pozitivne napovedljivosti. Senzitivnost
podaja odstotek pravilno razpoznanih napak, pozitivna
Naklju no smo izbrali nekaj slik iz nabora, ki so
napovedljivost pa dolo a odstotek resni nih napak
nam ga posredovali iz Henkla Slovenija d. o. o. v
izmed vseh javljenih napak. Rezultate grafi no
Mariboru. Vsako od njih smo v paru (identi ni sliki)
prikazujeta sliki 2 in 3. Na obeh sta leva grafa
posredovali našemu analiznemu programu, pri tem pa
namenjena prikazu senzitivnosti, desna pa pozitivni
smo eno od slik v paru umetno pokvarili z dodajanjem
napovedljivosti. Rezultati s slike 2 so bili dobljeni z
razli nih tipov odstopanj. Sliko smo pokvarili tako, da
analizo slik, ki imajo relativno preproste motive in le
smo ji na naklju nih mestih dodali naklju no število
malo besedila, medtem ko so rezultati s slike 4 dobljeni
napak, vendar ne ve kot 30. Te napake so naklju ne
pri analizi kompleksnejših slik, na katerih je veliko
velikosti (od 1×1 do 10×10 slikovnih elementov) z
besedila (gre za proizvajal eva uporabniška navodila).
naklju no izbranima dvema tipoma odstopanj. Za prvo
Z znakom karo smo v grafih na slikah 2 in 3
vrsto umetno dodanih odstopanj je zna ilna popolna
prikazali to ko, ki ustreza avtomati ni za etni nastavitvi
neodvisnost od predela slike, kamor so umeš ena. O
praga za odkrivanje napak in pomeni približno 0,3 %
drugem tipu napak pa govorimo, ko se barvi
najo itnejših napak, torej najve jih slikovnih odstopanj.
spremenjenega slikovnega predela in umetno dodanih
odstopanj sicer ujemata, a pride do razlik v odtenkih.
Kakšen tip napake bo izbran za vsako od dodanih 4.2 Rezultati analize tiskovin s tiskarskimi
umetnih napak, je dolo eno naklju no, tako da je 50 % napakami
dodanih napak prvega, 50 % pa drugega tipa. Pri obeh Iz nabora industrijskih tiskovin firme Henkel iz
tipih je za vsako barvno ravnino mogo e odstopanje v Maribora smo izbrali pare slik, med katerimi je bila ena
intervalu [0, 255], le da pri prvem tipu barvo izberemo brez napak, torej referen na, druga pa je vsebovala
naklju no, pri drugem pa jo dolo ajo prvotne barve odstopanja, ki smo jih lahko zaznali že s prostim
spreminjanega slikovnega obmo ja. o esom.
V vseh poskusih smo uspešnost avtomati nega
Slika 2: Senzitivnost (levo) in pozitivna napovedljivost (desno) za slike s preprostimi motivi
Figure 2: Sensitivity (left) and positive predictivity (right) for images with simpler motives
Slika 3: Senzitivnost (levo) in pozitivna napovedljivost (desno) za slike z zapletenimi (tekstovnimi) vsebinami
Figure 3: Sensitivity (left) and positive predictivity (right) for images with more complex (textual) contents
Odkrivanje napak v industrijskih tiskovinah s pomo'jo slikovne poravnave 105
Slika 4 kaže primer analize za nalepko »Fa«. Levo visokem privzetem pragu za 0,3 % najve jih napak
so z rde imi krožci ozna ena mesta, za katera smo odkril množico odstopanj, ki jih prej sami nismo
opazili odstopanja v tisku. Desno je prikazan rezultat zaznali. Za industrijskega uporabnika je tako obsežno
avtomati nega iskanja napak na sivinski sliki barvnega opozarjanje na množico drobnih napak, ki se lahko
originala »Fa«. Tudi naš program najdene napake povezane z enim samim slikovnim elementom, celo
obkroži rde e. Vidimo, da so bila najdena vsa mote e. Naš prototipni program ponuja dve rešitvi: ali
odstopanja, ki smo jih prej opazili že sami, poleg tega dvigne prag za zaznavo napak ali pa zahteva razvrš anje
pa je avtomati na analiza odkrila še precej dodatnih napak v regije. Prvi na in sicer reducira število
slikovnih elementov, pri katerih je razlika med prikazanih napak, pri emer pa lahko izlo imo tudi
referen no in primerjano sliko ve ja od nastavljenega takšne, ki so o itne in bi ne smele biti spregledane.
praga. V danem primeru smo uporabili privzeto Drugi na in, pri katerem se odlo imo, kako veliko mora
vrednost praga, ki izlo i približno 0,3 % najo itnejših biti združeno napa no obmo je, da ga prikažemo, je
napak. potencialno boljši, saj nikoli ne izpusti o itnih napak.
Podobne rezultate prikazuje slika 5 za embalažo Združevanje napak v regije privede tudi do nekoliko
proizvoda »Silk-Flex«. Tudi tukaj so v levem delu druga nega prikaza: program združena napa na
ozna ene napake, ki smo jih opazili s prostim o esom. obmo ja uokviri, medtem ko posamezne napake
Na sredini so na sivinski sliki prikazani rezultati obkrožuje, kakor smo že omenili. Na sliki 5 desno je
avtomati ne analize. Vidimo, da je program že pri prikazano, katere napake ozna i avtomati na analiza, e
Slika 4: Primer analize za motiv »Fa«: napake, najdene s prostim o esom (levo), in napake, najdene s pomo jo
programa (desno)
Figure 4: Printing error detection for label ”Fa”: errors as seen by a human observer (left), and found by our
algorithm (right)
Slika 5: Primer analize za motiv »Silk-flex«: napake, najdene s prostim o esom (levo), in posamezne napake, najdene
s pomo jo programa (sredina) ter združene v regije (desno)
Figure 5: Printing error detection for document ”Silk-flex”: errors as seen by a human observer (left), found by our
algorithm (middle), and grouped into erroneous regions (right)
106 Rakun, Zazula
dovolimo le regije, ki presegajo velikost 3×3 slikovne današnjih zmogljivosti mogo e bistveno znižati trenutne
elemente. asovne zahtevnosti postopkov za avtomati no iskanje
tiskarskih napak.
5. Razprava in sklepi
Zahvala
Kakor smo statisti no pokazali v podpoglavju 4, so
opisani ra unalniški postopki za avtomati no odkrivanje Avtorja se zahvaljujeta univ. dipl. inž. Borutu
tiskarskih napak zanesljivi in natan ni. Eksperimentalno Suhadolniku iz Henkla Slovenija d. o. o., ki je s svojimi
smo ugotovili, da odkrijemo na slikah s preprostejšimi nasveti in s preizkušanjem prototipne rešitve pomembno
motivi okoli 95 %, na zahtevnih slikah z veliko besedila pripomogel k zasnovi predstavljenega postopka.
pa okoli 90 % resni nih napak, ne da bi pri tem javljali
fantomske napake.
Literatura
Prototip analiznega programa je že prestal
preizkušanje v industrijskem okolju: pri Henklu [1] D. Zazula, Obdelava signalov in slik (zapiski
Slovenija, d. o. o., v Mariboru so z njim ve mesecev predavanj), 2005, neobjavljeno gradivo.
obdelovali svoje industrijske tiskovine. O itali so mu [2] S. Periaswamy, H. Farid, “Elastic Registration in
dve pomanjkljivosti: preveliko asovno zahtevnost in the Presence of Intensity Variations”, IEEE
preveliko ob utljivost. Slednja seveda ni problemati na, transactions on medical imaging, let. 22, št. 7, str.
kakor smo že razložili v podpoglavju 4. He uporabnik 865–874.
meni, da program odkriva napake, ki za opazovalca s [3] R. P. Woods, “Spatial Transformation Models, ” v:
prostim o esom niso mote e, lahko vedno zmanjša Handbook of Medical Imaging, Isaac Bankman
njegovo ob utljivost, tako da pove a prag za prikaz (ur.), Academic Press, San Diego, 2000, str. 465–
napak. Resnejši pa je o itek o asovni zahtevnosti, ki je 497.
O(n2), e n pomeni dimenzijo slike. Izmerili smo, da [4] R.C. Gonzalez, Digital image processing: using
lahko traja iskanje napak pri ve jih tiskovinah, ki Matlab, 1. izd., Pearson Prentice Hall, Upper
vsebujejo veliko besedila z lo ljivostjo 300 pik na palec, Saddle River, 2003.
tudi 15 minut in ve . To je za serijske preizkuse v [5] A. Bovik, Handbook of Image and Video
industriji nesprejemljivo. Vzrok seveda ti i v veliki Procession, 1. izd., Academic press, 2000.
ra unski zahtevnosti poravnavanja primerjanih slik. Kaj [6] M. Seul, Practical Algorithms for Image Analysis:
se da storiti? description, examples, and code, 1. izd.,
Pri grobi poravnavi bi se vsekakor lahko zatekli v Cambridge University Press, Cambridge, 2001.
frekven ni prostor. Vemo, da se iz faznega spektra da [7] QEA, IAS-1000, http://www.qea.com/ias1000.html
ugotovili premik, iz amplitudnega spektra pa še zasuk [8] QEA, Scanner IAS,
med slikama. S tem bi nekoliko skrajšali obdelavo, ne http://www.qea.com/pdf/datasheet_scannerias.pdf
pa dovolj. Bolj problemati na je namre fina poravnava. [9] FDS, FDS Imaging Software,
Pri tej lahko poskušamo z zmanjšanjem števila http://www.fdsresearch.com
uporabljenih slikovnih elementov. Eden od na inov je [10] B. Suhadolnik: ustna navodila, Henkel Slovenija d.
ve lo ljivostni pristop, kjer za prvo iteracijo uporabimo o. o., Maribor, junij 2005.
sliko nekajkrat manjše lo ljivosti in dobljene parametre
poravnave prenesemo na sliko ve je lo ljivosti. Nato
lo ljivost izboljšamo in postopek ponovimo. Jurij Rakun je leta 2005 diplomiral na Fakulteti za
Ponavljamo, dokler ne pridemo do slik izvornih elektrotehniko, ra unalništvo in informatiko v Mariboru. Od
lo ljivosti. takrat je na tej fakulteti vpisan na podiplomski študij
ra unalništva in informatike. Maja 2006 je s temo, ki o
Alternativni na in pa predvideva, da namesto
obravnava pri ujo i prispevek, zasedel drugo mesto na
celotne slike v poravnavo vklju ujemo samo njene dele. tekmovanju študentskih raziskovalnih lankov Regije 8 pri
Ker gre za toge slike, neujemanje enega dela slike IEEE (Evropa, Afrika in Azija brez Daljnega vzh


Use: 0.4398