Paper Surface Image Processing for Roughness Quality Measurement

Abstract

Diplomityössä on käsitelty paperin pinnankarkeuden mittausta, joka on keskeisimpiä ongelmia paperimateriaalien tutkimuksessa. Paperiteollisuudessa käytettävät mittausmenetelmät sisältävät monia haittapuolia kuten esimerkiksi epätarkkuus ja yhteensopimattomuus sileiden papereiden mittauksissa, sekä suuret vaatimukset laboratorio-olosuhteille ja menetelmien hitaus. Työssä on tutkittu optiseen sirontaan perustuvia menetelmiä pinnankarkeuden määrittämisessä. Konenäköä ja kuvan-käsittelytekniikoita tutkittiin karkeilla paperipinnoilla. Tutkimuksessa käytetyt algoritmit on tehty Matlab® ohjelmalle. Saadut tulokset osoittavat mahdollisuuden pinnankarkeuden mittaamiseen kuvauksen avulla. Parhaimman tuloksen perinteisen ja kuvausmenetelmän välillä antoi fraktaaliulottuvuuteen perustuva menetelmä.

This thesis deals with the problem concerned with the measurement of the roughness of surfaces of paper sheets that is one of central measurement problems of paper materials. Measurement methods currently being employed in the paper industry have many grave disadvantages: the poor ac-curacy and incompatibility for measuring smooth papers, essential requirements for laboratory conditions and huge time demands. Capabilities of optical light-scattering based approaches in order to measure the surface roughness are studied in the thesis. Machine vision and image processing techniques were examined to treat images of rough paper surfaces. The algorithms were implemented in Matlab®. The obtained results show a fair possibility to measure the roughness through images. The best correlation between traditionally and image-measured roughness were gained by applying the fractal dimension approach.