1.一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，包括：抽选一份完整包装盒，将其按照待识别面的轴线方向投影到任一平面，手动锚定其投影图形的四个角点作为定位角点；

利用图像采集设备采集完整包装盒的原始图像，对其图形切割并与所述定位角点定位匹配进行透视变换，获得没有透视变形的标准图像；在所述标准图像上选取兴趣标识进行提取，按照不同的预设条件生成多个带有兴趣标识的模板图像；

利用图像采集设备采集待测包装盒的原始图像，对其进行透视变换，获得没有透视变形的待测第一图像，对所述待测第一图像进行降采样，并计算降采样后每个像素点的方向；

根据每个像素点的方向与对应模板图像的大小，将所述待测第一图像与标准图像进行差异度识别获得匹配得分；

将匹配得分达到预设值的模板图像的预设条件代入所述待测第一图像中，使得待测第一图像通过该预设条件进行变换获得矫正后的待测第二图像，并将所述待测第二图像与标准图像进行特征点提取，并分别对二者进行滤波，计算特征点描述算子，并基于所述特征点描述算子，提取所有所述待测第二图像与标准图像中两两匹配的特征点；

采用随机抽样一致集计算任意两两匹配的特征点之间的单应性变换矩阵，并对所述待测第二图像进行变换，获得兴趣标识与标准图像兴趣标识区域重合的待测第三图像；对所述标准图像和待测第三图像进行二值化运算，再对二者二值化后的图像进行形态学处理，根据处理结果中字符缺陷大小的面积与阈值的差值，判断待测第三图像的字符缺陷情况。

2.根据权利要求1所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，对任一图像的透视变换操作包括如下方法：利用二值化算法分割出包装盒的投影图形区域，获得其图形区域四个角点坐标；通过该图形四个角点坐标与所述定位角点计算透视变换矩阵，再对图像进行透视变换，获得的该包装盒没有透视变形的图像。

3.根据权利要求1所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，对图像的降采样操作采用高斯金字塔进行降采样，降采样后，分别计算每个图像的像素点的向量 ：；

；

其中， 分别表示点 的 和 方向。

4.根据权利要求3所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，对已经降采样后的图像中每个像素点，以模板图像的大小，以该点为中心，将每个降采样后的模板图像每个点的方向向量与该图像选择的区域每个点的方向向量按照：来计算向量点积之和，作为匹配

得分score，并将匹配得分score做归一化处理：

；

其中， 表示为第j次的匹配得分， 表示归一化后的得分， 表示每个降采样后模板图像中的点数量， 分别表示模板图像上像素点和待匹配图像区域像素点的向量， 分别表示向量的模。

5.根据权利要求4所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，对于每个降采样的模板图像，都计算匹配得分；其中，计算匹配得分是否达到预设值包括如下步骤：设经过降采样的待检测图像中共有M个点，有N个模板图像，由此将得到N*M个匹配得分值 ，其中，M表示模板图像在待检测图像上的移动次数，即每次移动会计算N个匹配得分；在其中取最大值

；并以该最大值为预设条件，找出对

应的模板图像，得到待检测第一图像相对于标准图像的缩放尺度和旋转角度，通过仿射变换将所述待检测第一图像变换到与所述标准图像大小一致，即获得待检测第二图像；其中，所述大小一致是指：所述待检测第一图像中的兴趣标记区域与标准图像中的兴趣标记区域大小一致。

6.根据权利要求1所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，所述特征点提取包括如下方法：设图像用二维离散函数 表示，首先构造Hessian矩阵如下：；

其中，等式右边部分表示图像函数 分别对 和 以及 求二阶导数，定义 ， ， ；

然后，得到所有特征点：

；

其中，等式左边表示Hessian矩阵对应的行列式的值，Dxy上乘的一个加权系数0.9表示近似高斯滤波，由此得到特征点。

7.根据权利要求6所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，所述滤波的处理包括如下方法：利用不同的盒式滤波器模板尺寸进行处理，生成多组滤波后的图像；每组图像包括三幅，同一组的图像滤波器模板尺寸相同，不同组之间的滤波器模板尺寸依次增大，由此得到多组不同尺度的一系列的滤波后的图像；将经过Hessian矩阵处理的每个像素点与每组图像的三幅图像空间邻域内的26个点进行比较，初步定位出关键点，最后采用三维线性插值法得到亚像素级的特征点，并同时去掉值小于预设阈值的点，筛选出最终的稳定的特征点。

8.根据权利要求1所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，计算特征点描述算子包括如下步骤：设所述标准图像的特征点描述算子表示为descriptor1，所述待测第二图像的特征点描述算子表示为descriptor2；

在任一特征点周围选取一个20×20大小的区域形成矩形区域块，并按照4×4大小划分为16个子区域块，所述矩形区域块的方向为沿着特征点的主方向；

在每个子区域统计25个像素的水平方向和垂直方向的haar小波特征，其中，主方向采用的是统计特征点圆形邻域内的harr小波特征，即在特征点的圆形邻域内，统计60度扇形内所有点的水平、垂直harr小波特征总和，然后扇形以0.2弧度大小的间隔进行旋转并再次统计该区域内harr小波特征值之后，最后将值最大的那个扇形的方向作为该特征点的主方向。

9.根据权利要求1所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，所述标准图像与待测第二图像中，判断其两两特征点是否匹配包括如下方法：计算任一两两对应的特征点的欧氏距离：

；

设任意两个对应的特征点匹配的距离阈值 ，如果距离满足 ，则认为两个特征点匹配； 表示两个特征点描述算子之间的欧氏距离， 表示设定的距离阈值，Descriptor1和descriptor2分别表示两个特征点的描述算子。

10.根据权利要求9所述的一种牛奶包装盒印刷字符的缺陷检测方法，其特征在于，所述采用随机抽样一致集计算任意两两匹配的特征点之间的单应性变换矩阵包括如下方法：对于标准图像中的匹配点集记为 ，待检测第二图像中的匹配点集记为 ，使用 次随机抽样，每次从 和 中各抽取 个点，由此，得到每个点集对 ；然后分别计算每个点集对应的单

应性变换矩阵，得到 个单应性变换矩阵，最后，选择这些单应性矩阵的平均值最为最终的变换矩阵 ，即；

另外， 对于每个单应性矩阵 的计算，利用齐次坐标的性质，对于每次选取的 个点，在 和 点集中，分别记为如下矩阵形式；

；

其中， 和 分别表示第i次抽样的第1个点，其它以此类推；

根据等式 ，获得单应性变换矩阵 ；

对所述待测第二图像进行变换，获得兴趣标识与标准图像兴趣标识区域重合的待测第三图像时，根据所述单应性变换矩阵，对所述待测第二图像进行变换，将待测第二图像进行变换获得的待测第三图像；所述重合是指：所述待测第三图像中的兴趣标识区域与所述标准图像中的兴趣标识区域位置一致；

对所述标准图像与待测第三图像进行二值化运算后，进行减法运算获得相减后的对比图像；对所述对比图像进行形态学运算去除杂点；统计其去掉杂点后的每个连通区域的面积，并比较每个连通区域的面积与预设的字符缺陷面积的差值。