图像相减（又称为图像差影），是指把同一物体图片在不同时刻拍摄的两幅图像进行减法运算，从而得到差值结果图像。
差值图像显示了图像间的差异信息，本论文基本思想是针对标准模板图像与缺陷图像进行想减运算，从而得到想减结果图像，通过分析相减图像的灰度值，对要测试的图像是否合格做出判断，若判断合格，则系统停止处理，若判断为不合格则对不合格标签进行剔除处理.
算法设计：设模板标准图像灰度像素值为A（x,y），设待检测缺陷图像为B（x,y）,两图像做相减运算为C（x,y），他们之间的关系式为：
C（x,y）=|B（x,y）-A（x,y）|图像减法运算结果体现两幅图像的差异，算法容易实现，通过对两幅图像进行相减结果取绝对值，可以清除两幅图像之间共同的背景图案，分割出图像之间的不同之处，最后保留有缺陷的图像.
如果两幅图像相减后C（x,y）越小，则表明图像之间的差异越小，两幅图像之间的相似度就越高，否则，相反.
如图所示，图1-1 为标准模板标签图像，图 1-2 为待检测标签图像.经过如下算法：
BOOL WINAPI TuXJianFa (LPSTR lpYDIB,LPSTR lpB-
DIB
，
LONG lkuan,LONG lgao)
{
LPSTR lpsrc,lpsrcB;
LPSTR lpDst;
LPSTR lpNewDIB;
HLOCAL hNewDIB;
long i;
long j;
unsigned char xiangsu,xiangsuB;
LONG mhzj;
mhzj=WIDTHBYTES(lkuan*8);
hNewDIB=LocalAlloc(LHND,lkuan*lgao);
lpNewDIB=(char*)LocalLock(hNewDIB);
lpDst=(char*)lpNewDIB;
memset(lpDst,(BYTE)255,lkuan*lgao);
for(i=0;i<lgao;i++)
{
for(j=0;j<lkuan;j++)
{
lpsrc=(char*)lpYDIB+mhzj*i+j;
lpsrcB=(char*)lpBDIB+mhzj*i+j;
lpDst=(char*)lpNewDIB+mhzj*i+j;
xiangsu=(unsigned char)*lpsrc;
xiangsuB=(unsigned char)*lpsrcB;
*lpDst=abs(xiangsu-xiangsuB);
}
}
memcpy(lpYDIB,lpNewDIB,lkuan*lgao);
LocalUnlock(hNewDIB);
LocalFree(hNewDIB);
return TRUE;
}
使得两幅标签图像的差异如图 1-3 所示：
从图1-3 可以看出：待检测标签图像与标准模板标签图像进行相减后，能够清除图像之间共同的部分，从而使差异部分体现出来.
总结：本文通过对现有的标签进行观察分析，提出了图像相减的软件检测算法，并依据该算法对标签缺陷检测系统进行测试，最终得以实现，该系统能够减轻工人的繁重的劳动，实现标签检测的工作效率.
参考文献：
[1] 宋慧欣，解读“新经济时代”中国机器视觉市场[J],自动化博览，2010.4:69~69
[2] 历小飞，基于机器视觉的汽车零件缺陷检测技术研究，武汉理工大学[D],武汉理工大学 2012:11~15.
[3] 何斌，马天宇，王运坚，Visual C++ 数字图像处理[D] 2002:473~477.
