摘 要：介绍了基于数字图像处理的印刷品缺陷计算机自动检测系统的设计。该系统能从印刷品图像中提取缺陷图像，实现印刷品表面的印后缺陷自动检测。
关键词： 缺陷检测 遗传算法 印刷品
常见的印刷品表面的印后缺陷[1]，主要有针孔、颜色失真、油墨溅污、黑点、文字模糊、沾污、起皱、漏印、刮伤、错位等。所有的缺陷反映到视觉效果上就是和原先期望的印刷效果的不一致。以计算机为核心的自动检测系统的基本原理是，通过CCD摄像头采集一幅无缺陷的标准印刷品图像，保存在计算机中。然后在线采集待检图像。不断将待检图像和标准图像进行对比，检出错误，得到缺陷图像，再对缺陷图像进行缺陷分类和测量统计。本文主要介绍信用卡印刷中，成品缺陷检测的方法。
1 缺陷检测流程
印刷品缺陷的计算机自动检测工作流程图1所示，其中标准图像需在每种印刷品印前输入，正常工作时只需不断采集待检图像。
由于印刷品在传动过程中难免会发生平移和旋转，因此将待检品图像和标准图像进行比较前要首先将标准图象和待检图像对准，也即求出两者的位置变换参数，以便于对比时校正。这里我们采用了遗传算法进行图像对准。严格意义上讲，图像对准应使得两幅图像的每一个像素点都能一一对应上，但这样运算量很大。由于平移和旋转变换时所有的像素点都是遵循同样的变换规则，我们在图像上选取了部分采样点，组成点集S，通过求出这些采样点的位置变换参数，得到整幅图像的变换参数。
比较操作即减影操作。将两幅图像相同之处减去，留下的就是缺陷图像。
下面分别予以介绍。
2基于遗传算法的图像对准算法
2.3选择算子
采用遗传性能较好的期望值方法[4]，即
（1） 根据每个个体的适应度值，计算群体中每个个体在下一代生存的期望数目。
（2） 随机选择一个个体，若其生存期望值小于零，重复（2）。
（3） 若某个个体被选中参与配对或交叉，则它在下一代中的生存期望值减去0.5；若不参与配对或交叉，直接被复制到下一代，则它在下一代中的生存期望值减去1。
（4） 转（2），直到生成新的群体。
2.4遗传算子
交叉算子采用单点交叉，变异算子也是采用基本变异算子。
2.5图像对准的遗传算法流程
（1） 确定种规模，随即生成初始种群。
（2） 计算每个个体的适应度值。
（3） 根据每个个体的适应度值，从种群中选择个体进入下一子代。
（4） 以交叉概率和突变概率对子代中的个体进行遗传操作。
（5） 计算子代中每个个体的适应度值。
（6） 如满足结束条件退出；否则转（3）
