本发明涉及一种利用数字图像处理技术实现纸病的检测方法，特别涉及一种基于灰度图像标记处理的纸病检测方法。
背景技术：
纸张生产过程中，由于设备磨损、生产原料或者环境污染等原因，会造成一些影响纸张质量的缺陷，如：黑斑、亮斑、孔洞、褶皱、边缘裂口等，这些统称为纸病。在实际生产中，准确判断某一纸病类型及追溯病源存在的位置和产生原因，为及时改进操作控制及设备维修等提供依据，对于生产质量的监控具有重要意义。
目前，市场上已经有一些成熟的纸病在线检测系统，但因其价格昂贵而被极少数企业使用。关于纸病检测的理论研究也有很多，但大多数算法解决的是有无纸病的问题及实现简单纸病的快速识别功能，仍然存在检测速度与纸张生产速度不匹配、检测准确率不够高、适用纸病的范围有限等问题。
纸病的主要特征有灰度特征、形态特征及纹理特征。不同纸病种类的灰度与背景灰度有较大的差别。通过大量的实验统计表明，黑斑的灰度比背景灰度均值低25％左右，孔洞的灰度则比背景灰度均值高25％左右，而裂口处的灰度比背景灰度均值高20％左右，褶皱的灰度与背景的灰度差别不大，但在褶皱处有比较明显的灰度阶跃。
连通域标记是指图像中符合某种连通规则的连通像素用相同的符号表示出来。该算法可以实现对图像中感兴趣的区域进行标记处理，为每一个检测到的连通区域内的像素赋予一个唯一标号，作为像素值，从而把不同大小、不同形状的连通区域划分开来，为后续目标物体特征的提取及图像识别提供重要的依据。现有的连通域标记算法一般都是对二值图像的连通域进行标记，显然对灰度图像二值化增加了处理的复杂度和一定的时间消耗。
指出现有连通域处理及进行参数值计算存在的问题：1.重复检查邻域像素；2.通过扫描实现参数值的统计。
技术实现要素：
为了克服上述现有技术的不足，本发明的目的在于提出一种基于灰度图像标记处理的纸病检测方法，能够简化图像处理的复杂度和减少时间消耗，准确、快速地实现纸病检测过程，提高纸病目标的检测效率，具有效率高、准确性高的特点。
为了实现上述目的，本发明采用的技术方案是：
一种基于灰度图像标记处理的纸病检测方法，步骤如下：
步骤一：
通过工业摄像机获得带有纸病的纸张灰度图像；
步骤二：
使用滤波窗口对灰度图像进行增强处理，以消除细小的纹理细节以及噪声像素；
步骤三：
选取多个合适的阈值，对步骤二得到的灰度图像进行连通域标记处理，并统计用于纸病分辨的几何特征值；
步骤四：
根据步骤三得到的连通域的标号值及几何特征值实现纸病的辨识及区分，便于追溯纸病产生的原因。
所述的图像增强处理是将步骤一得到灰度图像进行滤波，以减少灰尘及光照等干扰引起的噪声，起到增强纸病特征的作用；具体方法是：从图像的左上角第一个像素开始，利用滤波窗口进行逐个像素的从左到右、从上到下的扫描，用窗口中各点的灰度值的中值来代替窗口中心点像素的灰度值。
所述的合适的阈值是根据不同纸病灰度值相对于背景灰度均值的差异大小选取，设置阈值为85和155，低于阈值85判断纸病为黑斑、褶皱或边缘裂口，高于阈值155判断纸病为孔洞或亮斑。
所述灰度图像的连通域标记处理，是根据选定的阈值对阈值范围内的连通域设定标号值，为区分不同的纸病做准备，在标记处理时利用连通域的标记值实现纸病的初步区分，在标记处理的同时统计用于面积、圆形度、长宽比、矩形度计算所用的参数值，对各种纸病进行精确识别；具体方法如下：
标记处理前约定，低于阈值85的连通域中像素用标号1标记，高于阈值155的连通域中像素用标号2标记，通过连通域的起始位置区分存在多个同类的纸病的情况，具体分如下两步骤实现：
(1)用当前像素的灰度值和背景灰度均值进行比较，如果差异值大于±5，则是前景像素，也就是纸病像素，进入步骤(2)的标记处理；否则是背景像素，什么也不做；
(2)如果工作窗中存在有前景像素ni，直接用ni的标号值标记当前像素p；否则用当前像素的灰度值和给定的阈值进行比较，用匹配上的阈值对应的标号值进行标记。
所述在标记过程中统计用于面积、圆形度、长宽比、矩形度的公式分别为：
圆形度C[l]＝4π*A[l]/(P[l])2；
其中P[l]代表标号值为l的纸病区域的周长；
长宽比ρ[l]＝α[l]/β[l]；
其中α[l]代表标号值为l的纸病区域的最小矩形的宽度，β[l]代表标号值为l的纸病区域的最小矩形的长度；
矩形度γ[l]＝A[l]/α[l]/β[l]；
其中A[l]代表标号值为l的纸病区域的面积；
在标记过程中需要统计的参数值包括：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}|。
所述的灰度图像的连通域标记处理过程中同时记录连通域的起始位置Si(X,Y)，确定具体位置，同时在标记过程中统计出标号值为l的纸病区域的面积A[l]，统计出对应各个标号的像素的数目以及αi和βi的值、得到标号值为l的纸病区域的像素横坐标之和α[l]及标号值为l的纸病区域的像素的纵坐标之和β[l]，统计出标号值为l的纸病区域的周长P[l]。
与现有技术相比，本发明具有以下有益效果：
本发明较现有标记算法而言，是根据所处理的不同纸病间的特征差异，将传统的二值图像连通域标记扩展为针对灰度图像的标记处理，在对灰度图像进行去噪处理后，对灰度图像直接进行图像标记，避免了灰度图像二值化的操作，简化了图像处理的复杂度和时间消耗，充分利用了纸病间的已有灰度值的差异，设置不同的阈值，实现了动态标记过程，快速实现纸病的初步辨识，并在标记过程中利用三元组数据表记录连通域信息，标记结束后，直接利用数据表分析纸病的位置、大小及类别等，简化后续纸病的识别过程。
整个过程显著特点是简化了操作过程，因为属于同一连通域的像素的标号值是按照对应阈值设定的，所以本标记处理中不存在合并等价连通域的处理；能够充分利用图像灰度信息，凭借有效数据表达到快速、准确识别纸病的目的，提高了纸病目标的标记效率，加速了纸病的识别过程，满足了企业对纸病检测实时性、精确性的需求，具有效率高、准确性高的特点。
附图说明
图1为标记处理的工作窗，其中白色区域表示工作窗中的像素，灰色区域表示当前像素。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本实施例以纸病中典型的“黑斑”、“边缘裂口”作为被测对象，一种基于灰度图像标记处理的纸病检测方法，具体实施步骤如下：
步骤一：
通过工业摄像机获取被测纸病的原始灰度图像，像素大小为640×480。
步骤二：
使用滤波窗口对原始图像进行滤波，以减少灰尘及光照等干扰引起的噪声，起到增强纸病特征的作用，选用的滤波模板尺寸为3×3。具体方法为：从原始图像的左上角第一个像素开始利用滤波模板进行从左到右、从上到下的滑动扫描，利用模板所覆盖区域中像素点的中值取代原来的灰度值，实现中值滤波的平滑去噪。
步骤三：
根据不同的纸病的灰度相对于背景灰度均值的偏离程度不同，其中“黑斑”的灰度比背景灰度均值低30％以上，已知背景灰度均值为120，故设置阈值为85和155，低于阈值85判断纸病为黑斑、褶皱或边缘裂口，高于阈值155判断纸病为孔洞或亮斑。
经过对不同纸病图像的特征数据的统计分析表明：纸病的平均灰度、面积、圆形度、长宽比和矩形度可作为纸病识别的特征值。接下来对灰度图像按从左至右、从上而下的顺序进行扫描，并根据像素灰度值与阈值的大小关系进行标记处理。
如果当前的像素的灰度值大于等于155，则该像素为前景像素，否则为背景像素，基于灰度图像的标记方法如下：
参见图1，为标记当前像素时所用的工作窗。纸病标记的实现过程：如果当前像素p为前景像素，表明像素p是构成当前纸病区域的一个像素，用标号1标记，于是几何参数值的变化为：A[l]＝A[l]+1，让像素p所在的行和列的参数值分别增1，用于统计纸病区域最小矩形宽度值及长度值，P[l]的值与领域像素有关，此时还不能确定该值。接下来通过判断工作窗中邻域像素l1，r1，r2，r3，是否为前景像素进行等价连通体的合并处理。为了简化标记的处理过程，我们以l1，r2，r3，r1的顺序进行检查。左邻像素l1是刚刚处理过的像素，所以该像素是否为前景像素是已知的，无需检查。于是根据l1的状态分两种情况进行合并等价标号的处理。当l1是前景像素是，执行情况(1)，否则执行情况(2)。
情况(1)：
查看当前像素p的正上方像素r2，如果r2为背景像素，接着查看右上方的像素r3，如果像素r3为前景像素说明当前像素的左邻像素l1和右上方的像素r3原本处于两个不同的连通域中，因为前景像素p的出现把它们合成在一个连通域中，于是需要合并等价连通域处理；当前像素标记处理结束；像素r1不管是前景像素还是背景像素均不影响当前前景像素p的标记结果。
情况(2)：
检查正上方像素r2，如果r2为背景像素，检查右上方的像素r3，如果r3为前景像素，继续检查左上方的像素r1，如果r1是前景像素，合并r1及r3所在的两个等价连通域；当前像素标记处理结束。
上述步骤循环执行，直到所有像素扫描一遍后，标记过程结束。
由于单纯地评价像素的灰度值信息不能准确地判定纸病的种类，所以在进行灰度图像标记处理的同时还需要统计当前纸病的参数值，以便于后续计算面积、圆形度、长宽比和矩形度，以实现纸病的精确区分。对于标号为l的纸病区域，在标记过程中统计该纸病区域的起始地址AD、纸病区域最小矩形宽度α[l]、纸病区域最小矩形长度β[l]、面积A[l]以及周长P[l]。本实施例中，两个纸病区域的像素灰度值均低于背景灰度均值，经过标记处理后，两个连通域(纸病区域)的标号值分别为{1，2}，对应的起始地址分别是{(147,251)，(210,109)}，纸病区域最小矩形宽度分别是{10，2}，纸病区域最小矩形长度分别是{5，30}，面积分别是{69，35}，周长分别是{27,35}。根据公式：
圆形度C[l]＝4π*A[l]/(P[l])2；
长宽比ρ[l]＝α[l]/β[l]；
矩形度γ[l]＝A[l]/α[l]/β[l]；
分别计算得出两个纸病区域的面积分别为{69，35}，圆形度为{1.1894，0.359}，长宽比分别为{2,0.0667}，矩形度分别为{1.38，0.58}，最终判断该纸病为“黑斑”和“边缘裂口”。