由于各種因素影響，會出現(xiàn)各種各樣的噪聲，如高斯噪聲、椒鹽噪聲及隨機噪聲等。噪聲給圖像處理帶來很多困難，它對圖像分割，特征提取，圖像識別，具有直接的影響，因此實時采集的圖像需進行濾波處理。圖像濾波要求能去除圖像以外的噪聲，同時又要保持圖像的細節(jié)。印刷制作,當噪聲為高斯噪聲時，最常使用的是線性濾波器，易于分析和實現(xiàn)；但線性濾波器對椒鹽噪聲的濾波效果很差，傳統(tǒng)的中值濾波器能減少圖像中的椒鹽噪聲，但效果不算理想，即充分分散的噪聲被去掉，而彼此靠近的噪聲會被保留下來，所以當椒鹽噪聲比較嚴重時，它的濾波效果明顯變壞。本系統(tǒng)改進型中值濾波法。該方法首先求得噪聲圖像窗口中去除最大和最小灰度值像素后的中值，然后計算該中值與對應的像素灰度值的差，再與閾值相比較以確定是否用求得的值代替該像素的灰度值。
　　
　　圖像分割在該階段中檢測出各色標并與背景分離，物體的邊緣是由灰度不連續(xù)性所反映的L 邊緣種類可分為兩種，其一是階躍性邊緣，它兩邊的像素的灰度值有顯著不同；其二是屋頂狀邊緣，它位于灰度值從增加到減小的變化轉折點L對于階躍性邊緣，其二階方向導數(shù)在邊緣處呈零交叉，因而可用微分算子來做邊緣檢測算子。微分算子類邊緣檢測法類似于高空間域的高通濾波，有增加高頻分量的作用，這類算子對噪聲相當敏感，對于階躍性邊緣，通常可用的算子有梯度算子Sobel 算子和Kirsh 算子。對于屋頂狀邊緣可用拉普拉斯變換和 Kirsh 算子。由于色標為長方形，且相鄰邊緣灰度級相差較大，包裝招標,故采用邊緣檢測來分割圖像。這里采用Sobert 邊緣子來進行邊緣檢測，它是利用局部差分算子來尋找邊緣，能較好的將色標分離出來。在實際的檢測過程中，采用彩色圖像邊緣檢測方法，選擇合適的彩色基（如強度、色度、飽和度等）來進行檢測。根據(jù)印刷機的類型特點，即印刷機各色的顏色和版圖的特點，進行多閾值處理，得到各色的二值圖。
　　
　　將分割后的圖像進行測量，通過測量值來識別物體，由于色標為形狀規(guī)則的矩形，所以可對下述特征進行提取：（1） 由像素計算矩形面積，（2） 矩形度，（3） 色度（H ） 和飽和度（S ），然后根據(jù)各色標的間隔的像素點數(shù)量得到色標間的間距，與設定值比較，得到兩者的差值，共進行m 次測量，取平均差值，給數(shù)字交流伺服調節(jié)部分提供相應的調節(jié)信號。以調節(jié)色輥的相對位置，從而消除或減少印刷錯位。在特征提取時，對圖像進行多光譜圖像分析，可以定量地表示色標，如彩色數(shù)圖像中像素的顏色，采用HIS 格式得到各色標顏色信息的兩個參數(shù)：色度和飽和度，以此來檢測油墨的質量。對各色二值圖再進行統(tǒng)計計算或與標準圖形進行樣板匹配，測量印刷過程中墨屑等參數(shù)。
　　
　　印刷機由開卷機放卷運行依次經(jīng)過各印刷單元，進行各色的印刷和烘干，由收卷機進行收卷L 每色印刷都會在印料的邊沿印上以供套色用的色標，該色標線水平長10 mm ，寬１mm ，每個相鄰顏色的標志線在套印精確時應相互平行，垂直（縱向）相距 20 mm ，由設置在生產(chǎn)線上的攝影機連續(xù)攝取印制品的視頻圖像，通過尺寸測量和多光譜分析可識別出視頻圖像上各色標，得出色標間距和色標的顏色參數(shù) L 如果相鄰兩色色標間隔大于或小于20 mm ，則說明套印出現(xiàn)了偏差。將該偏差信號送給伺服變頻驅動單元，驅動交流伺服電機，使相應的套色修正輥ML 上下移動來延長或縮短印料自上一單元印刷版輥到該單元印刷版輥的行程來動態(tài)修正。

更多相關信息可登陸：http://m.blackbaidu.com/包裝網(wǎng)