halcon表面纹理检测

Halcon表面纹理检测案例

*This program demonstrates how to detect small texture

*defects on the surface of plastic items by using the fast

*fourier transform(FFT).

*检测塑料物品表面的小纹理缺陷

*First,we construct a suitable filter using Gaussian

*filters.创立一个滤波器

*Then,the images and the filter are convolved

*by using fast fourier transforms.

*图像经过傅里叶变换后，滤波，再经过反变换

*Finally,the defects

*are detected in the filtered images by using

*morphology operators.

*通过形态学检测出缺陷

*Initializations

dev_update_off()

dev_close_window()

read_image(Image,'plastics/plastics_01')

get_image_size(Image,Width,Height)

dev_open_window(0,0,Width,Height,'black',WindowHandle) set_display_font(WindowHandle,14,'mono','true','false') dev_set_draw('margin')

dev_set_line_width(3)

dev_set_color('red')

*

*Optimize the fft speed for the specific image size

*根据具体的图像尺寸优化傅里叶变换的速度（有此函数）optimize_rft_speed(Width,Height,'standard')

*

*Construct a suitable filter by combining two gaussian

*filters

Sigma1:=10.0

Sigma2:=3.0

gen_gauss_filter(GaussFilter1,Sigma1,Sigma1,0.0,'none','rft',Width,Height)

gen_gauss_filter(GaussFilter2,Sigma2,Sigma2,0.0,'none','rft',Width,Height)

sub_image(GaussFilter1,GaussFilter2,Filter,1,0)

*

*Process the images iteratively

NumImages:=11

for Index:=1to NumImages by1

*

*Read an image and convert it to gray values

read_image(Image,'plastics/plastics_'+Index$'02')

rgb1_to_gray(Image,Image)

*RGB图->gray图

*Perform the convolution in the frequency domain

*频域图像处理三步，第二步将频域图像和高斯滤波器做卷积

rft_generic(Image,ImageFFT,'to_freq','none','complex',Width)

convol_fft(ImageFFT,Filter,ImageConvol)

rft_generic(ImageConvol,ImageFiltered,'from_freq','n','real',Width)

*

*Process the filtered image

gray_range_rect(ImageFiltered,ImageResult,10,10)

*做一个矩形模板，模板处理图像10*10模板

min_max_gray(ImageResult,ImageResult,0,Min,Max,Range)

threshold(ImageResult,RegionDynThresh,max([5.55,Max*0.8]),255)

connection(RegionDynThresh,ConnectedRegions)

select_shape(ConnectedRegions,SelectedRegions,'area','and',4,99999)

union1(SelectedRegions,RegionUnion)

closing_circle(RegionUnion,RegionClosing,10)

connection(RegionClosing,ConnectedRegions1)

select_shape(ConnectedRegions1,SelectedRegions1,'area','and',10,99999)

area_center(SelectedRegions1,Area,Row,Column)

*Display the results

dev_display(Image)

Number:=|Area|

if(Number)

gen_circle_contour_xld(ContCircle,Row,Column,gen_tuple_const(Number,30), gen_tuple_const(Number,0),gen_tuple_const(Number,rad(360)),'positive',1)

ResultMessage:=['Not OK',Number+'defect(s)found']

Color:=['red','black']

dev_display(ContCircle)

else

ResultMessage:='OK'

Color:='forest green'

endif

disp_message(WindowHandle,ResultMessage,'window',12,12,Color,'true') if(Index#NumImages)

disp_continue_message(WindowHandle,'black','true')

stop()

endif

endfor

*this example shows how to detect mura defects

*in blurred images模糊图像中检测污斑

*LCD中的污斑缺陷检测

dev_close_window()

dev_update_off()

Path:='lcd/mura_defects_blur_'

**定义一个字符串常量，此常量接上字符串索引构成文件名称

read_image(Image,Path+'01')

get_image_size(Image,Width,Height)

dev_open_window_fit_size(0,0,Width,Height,640,480,WindowHandle)

set_display_font(WindowHandle,14,'courier','true','false')

dev_set_draw('margin')

dev_set_line_width(3)

dev_set_color('red')

ScaleFactor:=0.4

for f:=1to3by1

read_image(Image,Path+f$'.2i')

decompose3(Image,R,G,B)

*correct side illumination

rft_generic(B,ImageFFT,'to_freq','none','complex',Width)

gen_gauss_filter(ImageGauss,100,100,0,'n','rft',Width,Height)

convol_fft(ImageFFT,ImageGauss,ImageConvol)

rft_generic(ImageConvol,ImageFFT1,'from_freq','none','byte',Width)

**傅里叶变换，滤波，反变换

sub_image(B,ImageFFT1,ImageSub,2,100)

**图像相减

*perform the actual inspection

zoom_image_factor(ImageSub,ImageZoomed,ScaleFactor,ScaleFactor,'constant')

*avoid border effects when using lines_gauss()

*避免边界干扰

get_domain(ImageZoomed,Domain)

erosion_rectangle1(Domain,RegionErosion,7,7)

**腐蚀掉边缘，消除边界干扰，缩小ROI

reduce_domain(ImageZoomed,RegionErosion,ImageReduced)

**缩小ROI

lines_gauss(ImageReduced,Lines,5,0.02,0.3,'dark','true','gaussian','true')

**找线

hom_mat2d_identity(HomMat2DIdentity)

hom_mat2d_scale_local(HomMat2DIdentity,1/ScaleFactor,1/ScaleFactor, HomMat2DScale)

affine_trans_contour_xld(Lines,Defects,HomMat2DScale)

*

dev_display(Image)

dev_display(Defects)

if(f<3)

disp_continue_message(WindowHandle,'black','true')

stop()

endif

endfor

皮革检测 皮革检验 成分分析

皮革检测皮革检验成分分析 皮革是经脱毛和鞣制等物理、化学加工所得到的已经变性不易腐烂的动物皮。革是由天然蛋白质纤维在三维空间紧密编织构成的，其表面有一种特殊的粒面层，具有自然的粒纹和光泽，手感舒适。 专业名词术语 生皮：没有经过鞣制的皮的统称。 牛皮：牛皮的统称，目前以菜牛为主。 公牛皮：已成年的公牛皮。 母牛皮：已成年或生过小牛的母牛皮，而乳牛也属其中，乳牛皮适用于衣饰皮及手套皮。 中母牛皮：这种牛是未满三年的母牛，且未生过小牛。 中牛皮：这种皮之大小乃介于大牛于小牛之问，不分公母牛均可称呼。 小牛皮：通常是指出生未满一年的牛皮，不分性别的通称。 小羊皮：是小的山羊皮，通常大小在二到五平方公尺，而大山羊皮是五平方尺以上而毛孔粗大羊的通称，绵羊皮，是相当柔软的皮，通常用在衣饰较多。 水牛皮：大部分为热带地区所产，而皮革纹路大而粗糙，较适合做家具类皮，而小水牛则用在高级鞋类。再配合上植物丹宁处理，是近年来非常流行的品种，如打蜡皮。 坯革：未经过表面处理的皮。这种皮是经过水场处理后成为制鞋类及皮饰的材料，如绒面皮及反毛皮，这种皮经过细砂磨过，表现有好的手感，就如同绒布表面是主要用在注重温暖感鞋类的重要材料。如登山鞋，而猪皮的绒面皮几乎可使用在各种鞋类，女鞋及运动鞋占一半，绒面皮在衣饰上是相当重要的材料，科标检测提供专业的皮革检测，从人类有文字记载以来，就是生活中的一部分。 油皮：有些健行鞋或船上用鞋，经常使用油感甚重的皮料，这种皮料以指甲或手撑开，颜色就变浅或变深些，但以手抚平后又回复正常，而这种带有些粘腻油感的皮料就叫油皮。 打蜡皮：植鞣或半植鞣后经过抛光产生变色烧焦效果的皮革，称之打蜡皮。这种皮料风行很久，至今不衰。 擦色皮：是以表面涂饰方法，将皮革表面喷成较深的颜色，但底色用浅色，经过布轮磨擦后，即可产生美丽的双色效果。打光皮：用传统的皮革处理方式，用酪蛋白做表面涂饰，然后机器以玻璃滚筒，重复的磨光皮面，以产生优雅的透明光泽，这类皮料叫做打光皮，目前在高级的小牛皮、小羊皮、蛇皮上仍然沿用此种方式处理的皮料，适用于高级鞋，这种皮

皮革分级及验收标准管理规定

皮革分级及验收标准管理规定 1.0 目的: 明确皮革检验规格、检验方法。确保皮革质量。 2.0 范围: 适用于公司皮革的检查验收。 3.0 定义: 对皮革产品原材料检验分级别拟定标准。 4.0 职责: 4.1 品质部IQC按此标准进行皮料检验及分级 4.2 皮具项目组、品质部负责本文件的制定,修改、废止之起草工作 4.3.总经理负责本标准制定、修改、废止之批准 5.0皮料伤残定义 5.1 严皮胚的伤残:如颈皱、伤疤、血管腺、菌伤、癣癞、鞭花、鞍伤、虹眼虻底、虱疔、划伤、痘疤、凸包、干裂、烙印等 5.2 加工过程中的伤残:如剥伤、孔洞、折裂、沙眼、夹油伤钩捆伤、烫伤。 5.3 制革过程中的伤痕:如片伤、仲展伤、打光伤、熨伤、推平和订板伤、滚压伤刺划伤、磨伤、铲软皮伤、去肉伤等机械伤、跳刀印。还有由于化学控制不好或微生物侵蚀所造成的浸水伤和酶鞣伤 5.4 松面:皮革的粒面层松弛现象,将面向内弯折90°时,粒面呈现皱纹。将皮革放平后消失,但仍有明显的皱纹痕迹者,感官验法:在1cm距离内有六个或六个以下的即为松面,六个以上不作为松面。 5.5 管皱:指粒面层与网状层中间纤维松弛的现象,呈现在皮革的粒面上有粗大的皱纹者。感官检验法:将皮革粒面向内弯折90°时,出现粗纹者,如在弯折时出现的皱纹不大,当放平后仍能消失者,不做为管鼓。 5.6 裂面:皮革经弯折或折叠强压,粒面层出现裂纹的现象叫裂面。 5.7 龟纹:制革生产时操作部当造成的缺陷,在制革不松的情况下,呈现粗大的皱纹,虽经整理,仍不能消失叫龟纹,

5.8 折纹:皮革面的折痕,虽经滚压或推平,而成革用手仍能摸出不平的皱纹叫折纹。 5.9 两层:原皮在加工再加工保管或制革生产过程,由于皮的中层发生腐烂而形成两层现象 5.10 生心:鞣制时,鞣剂渗透不够所造成的缺陷,表现革的切口断面色泽不匀,中间断渐淡,严重者中层呈一条胶体状 5.11 僵硬:纤维没有分离好或鞣制不良,致革身扁平板硬,在搓揉时感觉很死板,呈木板状。 5.12 脱色:面革以干的细布在革面上任一部位顺方向擦5次,有严重脱色现象即为脱色 5.13 裂浆:面革将面革面向外四重折叠,用手指紧压后,涂饰层发生裂缝者叫裂浆。 5.14 水花:修饰面革在水染或熨皮过程中出现叫下的斑点,水洗不当出现水印者 5.15 涂层脱落:修饰面革涂层以专用的胶布粘着后,能随拉下来的胶布脱落者。 5.16 涂层发粘:修饰面革有粘着感的。 5.17 色差:同一张皮的不同部位有明显颜色差异。 5.18 色花:除苯胺效应外,同一张革面颜色深浅有明显差别的,革上常有的如盐斑、油花、毛根不净和刷色或喷涂饰剂不均所造成的缺陷。 5.19 粗面:革在加工过程中,由于膨胀不够或涂饰不好,造成革面各部位明显粗超的叫粗面。 6.0 缺陷种类 6.1 线型缺陷:按线的长短来测量的缺陷,如裂纹、划伤、刀伤。 6.2 面型缺陷:可按面积大小来测量的缺陷,如龟纹、伤疤、茵伤、孔洞和聚集的虹眼、痘疤、裂痕、严重的血管腺、烙印等 6.3 聚集型缺陷:多种缺陷彼此相距不超过7cm所形成较大面积的缺陷,如分散的虻眼或虱疔和两种以上的缺陷邻聚在一起的。 7.0 缺陷面积的测量和计算 7.1 线型缺陷面积:按缺陷长度乘2cm计算,如果线型曲折不便按此计算时则按包括此线型的最小矩形面积的计算 7.2 面型的缺陷面积:缺陷的宽度在2cm以上时,应以包括此缺陷的实际面积计算

Halcon表面划伤检测实例

Halcon表面划伤检测实例 *关闭活动图形窗口 dev_close_window () * 在程序执行中指定输出行为为off。 dev_update_window ('off') * **** * step: acquire image 步骤：获取图像 * ****读入文件名为'surface_scratch' 的图像到Image read_image (Image, 'surface_scratch') get_image_size (Image, Width, Height) *打开一个和Image宽高比一致的图像窗口 dev_open_window_fit_image (Image, 0, 0, Width, Width, WindowID) *设置窗口字体大小为12，字体类型为Courier，粗体不倾斜字体。 set_display_font (WindowID, 12, 'Courier', 'true', 'false') *设置填充模式为'margin' dev_set_draw ('margin') *定义输出轮廓线宽为4

dev_set_line_width (4) *显示Image到窗口 dev_display (Image) *WindowID窗口使用黑色字体在一个方框内显示按"F5"继续运行字体，并注册F5消息处理disp_continue_message (WindowID, 'black', 'true') stop () * **** * step: segment image 步骤：图像分割 * **** * -> using a local threshold 使用局部阈值 * 对Image进行7*7均值滤波 mean_image (Image, ImageMean, 7, 7) ********************************************************************* *得到的图像为： * * * *用均值滤波图像作为二值化阈值图像，返回小于灰度值小于该点阈值-5的图像。 dyn_threshold (Image, ImageMean, DarkPixels, 5, 'dark') *************************************** ****得到的区域为：

皮革检验规范(真皮类)

一.目的 明确喜临门公司进料真皮的检验项目及验收标准，以保障进料真皮能够符合公司使用及满足国家标准要求。 二.范围 适用于喜临门家具股份有限公司（包含分公司）的所有真皮皮革的质量判定 三.职责与权限 1.采购管理中心：负责将本标准纳入皮革采购合同，要求供应商供货的皮革能够满足此标准 2.品质中心：负责真皮检验标准的制定、修定及验收判定 四.真皮示意图（牛皮） 根据国际皮革行业公布的《标准牛皮体形部位图》，如下；

标准整张牛皮：A+B+C+D+E+F+G 整张牛皮中各部位大致面积（或重量）比例为：按整张牛皮的总重量或总面积计，牛皮的皮心部 约占45%－55%；颈肩部（包括头部）约占20%－25%；腹部约占20%－25%。 五. 抽样标准 1. 外观抽样：每批分散抽检，按4包（含以下）抽检1包比例进行，每包抽检10张皮 2. 理化性能检测：每批进料随机抽取3张皮裁剪送试验室进行检测 六. 检验判定标准 1.真皮分级（国标）：喜临门要求进料皮革外观能够满足二级标准 2. 真皮出裁率标准： 3. 检验条件及方法（外观） 3.1 检验亮度：600-800 Lx ，40W 双日光灯。 3.2 检验视角：如条件许可，检验者目视方向应与光源方向成45°，有多面的部件，每一侧 都要当作一个单独的平面来检验。如下图所视： 3.3 检验方法及工具：目视/光源箱 4.外观检验项目及判定标准

4.2皮身平整、柔软、丰满有弹性 4.3 颜色： 与封样或色卡对比，在自然光源或d65光源箱测试不允许有明显 色差，参照以下进行判定。*与封样件比较≥4级；；

3. 尺寸: 4.1.厚度：规格尺寸±0.1mm 4.2.板数：皮幅38SF

halcon学习笔记——实例篇 长度和角度测量+

halcon学习笔记——实例篇长度和角度测量实例二：长度和角度测量 素材图片： halcon代码： 1: *读取并截取图片 2: dev_close_window() 3: read_image (Image, 'D:/MyFile/halcon/长度和角度测量/图.png') 4: crop_rectangle1 (Image, ImagePart, 75, 0, 400, 400) 5: get_image_size (ImagePart, Width, Height) 6: dev_open_window (0, 0, Width, Height, 'black', WindowHandle) 7: dev_display (ImagePart) 8: 9: *获取图形的边界 10: threshold (ImagePart, Regions, 0, 112) 11: 12: *分离三角形和圆形

13: connection(Regions,ConnectedRegions) 14: sort_region(ConnectedRegions,SortedRegions,'upper_left','true','column') 15: select_obj(SortedRegions,Circle,1) 16: select_obj(SortedRegions,Triangle,2) 17: 18: *获取三角形各边的信息 19: skeleton(Triangle,TriangleSkeleton) 20: gen_contours_skeleton_xld(TriangleSkeleton,TriangleContours,1,'filter') 21: segment_contours_xld(TriangleContours,ContoursSplit,'lines_circles', 5, 4, 2) 22:select_contours_xld(ContoursSplit,SelectedContours, 'contour_length',100, 999, -0.5, 0.5) 23: fit_line_contour_xld (SelectedContours, 'tukey', -1, 10, 5, 2, RowBegin, ColBegin, RowEnd, ColEnd, Nr, Nc, Dist) 24: 25: *计算三角形角度 26:angle_ll (RowBegin[0], ColBegin[0], RowEnd[0], ColEnd[0], RowBegin[1], ColBegin[1], RowEnd[1], ColEnd[1], Angle1) 27:angle_ll (RowBegin[0], ColBegin[0], RowEnd[0], ColEnd[0], RowBegin[2], ColBegin[2], RowEnd[2], ColEnd[2], Angle2) 28:angle_ll (RowBegin[1], ColBegin[1], RowEnd[1], ColEnd[1], RowBegin[2], ColBegin[2], RowEnd[2], ColEnd[2], Angle3) 29: Angle1:=abs(deg(Angle1)) 30: Angle2:=abs(deg(Angle2)) 31: Angle3:=abs(deg(Angle3)) 32: 33: *获取圆的信息 34: area_center(Circle,AreaCircle, RowCircle, ColumnCircle) 35: 36: *计算圆心到三角形各边的距离 37: Distance := [] 38:for Index := 0 to 2 by 1 39:distance_pl (RowCircle, ColumnCircle, RowBegin[Index], ColBegin[Index], RowEnd[Index], ColEnd[Index], ThisDistance) 40: Distance := [Distance,ThisDistance] 41: endfor

数字图像处理角点检测方法研究毕业论文

数字图像角点特征检测方法研究

目录 引言 (3) 1 研究背景与发展 (6) 1.1研究背景 (6) 1.2研究现状和发展概述 (6) 1.3应用软件M ATLAB (7) 2 角点检测概念与原理 (9) 2.1角点的定义 (9) 2.2角点概念及特征 (9) 2.3角点检测意义 (9) 2.4角点检测原理 (10) 2.5角点检测技术的基本方法 (10) 2.5.1 基于模板的角点检测 (10) 2.5.2 基于边缘的角点检测 (11) 2.5.3 基于灰度变化的角点检测 (13) 3 角点算法概述 (14) 3.1角点检测的标准 (14) 3.2H ARRIS角点检测算子 (14) 3.2.1 Harris角点检测算子流程图 (19) 3.2.2 Harris角点检测算子的特点 (20) 3.2.3 Harris角点检测性质 (20) 3.2.4 Harris和Moravec算子角点检测实验结果 (21) 3.3一种改进的H ARRIS的算法 (23) 3.3.1试验结果 (24) 3.4S USAN角点检测算子 (25) 3.3.1 SUSAN角点检测一般步骤 (27) 3.3.2 Susan角点检测算子特点 (29) 3.3.3 Susan角点检测试验结果 (29) 4 其他算子简介 (33) 4.1小波变换算子 (33) 4.2F ORSTNER算子 (33) 4.3CSS角点检测算法 (35) 4.4ACSS角点检测算法 (36) 4.5各种角点检测算法的比较 (36) 结论 (39) 致谢 (41)

参考文献 (42) 附录1 HARRIS算法程序 (44) 附录2 MORA VEC算法程序 (46) 附录3 改进的HARRIS算法 (48) 附录4 SUSAN算法程序 (50)

Harris角点检测算法编程步骤及示例演示

Harris角点检测算法编程步骤及示例演示 也不说那么多废话了，要介绍啥背景意义之类的，角点检测，顾名思义，就是检测角点，最简单的就是两条线的交点了，还有比如下国际象棋的棋盘格子的交点之类的，反正就是检测这些点。 简单将Harris角点检测算法的思想说下，就是拿一个小窗在图像中移动，通过考察这个小窗口内图像灰度的平均变换值来确定角点。（1）如果窗口内区域图像的灰度值恒定，那么所有不同方向的偏移几乎不发生变化； （2）如果窗口跨越一条边，那么沿着这条边的偏移几乎不发生变化，但是与边垂直的偏移会发生很大的变化； （3）如果窗口包含一个孤立的点或者角点，那么所有不同方向的偏移会发生很大的变化。 下面给出具体数学推导： 设图像窗口平移量为（u,v）,产生的灰度变化为E(u,v), 有E(u,v)=sum[w(x,y)[I(x+u,y+v)-I(x,y)]^2],其中w(x,y)为窗口函数， I(x+u,y+v)为平移后的灰度值，I(x,y)为平移前的灰度值。 有泰勒公式展开可得： I(x+u,y+v)=I(x,y)+Ix*u+Iy*v+O(u^2,v^2); Ix,Iy分别为偏微分，在图像中为图像的方向导数. 因此E(u,v)=sum[w(x,y) [Ix*u+Iy*v+O(u^2,v^2)]^2], 可以近似得到E(u,v)=sum[w(x,y) [Ix*u+Iy*v]^2],即 E(u,v)=[u,v][Ix^2,Ix*Iy;Ix*Iy,Iy^2][u,v]T

令M=[Ix^2,Ix*Iy;Ix*Iy,Iy^2]，因此最后对角点的检测成了对矩阵M的特征值的分析了，令M其特征值为x1,x2; 当x1>>x2或者x2>>x1，则检测到的是边缘部分； 当x1,x2都很小，图像窗口在所有移动的方向上移动灰度级都无明显变化. 当X1,X2都很大时且相当，检测到的是角点。 编程时用x1,x2不方便，因此定义角点响应函数; R=det(M)-k(trace(M))^2; 其中det(M)为矩阵M的行列式，trace(M)为矩阵M的迹。 下面给出更具数学公式实际编程的步骤： 1.利用水平，竖直差分算子对图像的每个像素进行滤波以求得 Ix,Iy,进而求得M中的四个元素的值。 M=[Ix^2,Ix*Iy;Ix*Iy,Iy^2] 2.对M的四个元素进行高斯平滑滤波，为的是消除一些不必要 的孤立点和凸起，得到新的矩阵M。 3.接下来利用M计算对应每个像素的角点响应函数R，即： R=det(M)-k(trace(M))^2; 也可以使用改进的R： R=[Ix^2*Iy^2-(Ix*Iy)^2]/(Ix^2+Iy^2);里面没有随意给定的参数k，取值应当比第一个令人满意。 4.在矩阵R中，同时满足R(i,j)大于一定阈值threshold和R(i,j)

皮革质量检验标准方法

皮革质量检验标准方法目录检索: ＧＢ２０４００２００６皮革和毛皮有害物质限量 ＱＢ／Ｔ２７２８２００５皮革物理和机械试验 ＱＢ／Ｔ２７０３２００５汽车装饰用皮革 ＱＢ／Ｔ２８５６２００７毛革服装 ＱＢ／Ｔ２７１６２００５皮革化学试验样品的准备 ＱＢ／Ｔ２５３６２００７毛革 ＱＢ／Ｔ２７０４２００５手套用皮革 ＱＢ／Ｔ２７１２２００５皮革物理和机械试验粒面强度和伸展高度的测定 ＳＮ／Ｔ１０４５．２进出口染色纺织品和皮革制品中禁用偶氨染料的检验方法气相色谱/质谱法 ＱＢ／Ｔ２７２０２００５皮革化学试验氧化铬的测定 ＱＢ／Ｔ２７２１２００５皮革化学试验水溶物、水溶无机物和水溶有机物的测定 ＱＢ／Ｔ２７２４２００５皮革化学试验PH的测定 ＱＢ／Ｔ２７０９２００５皮革化学物理和机械试验厚度的测定 ＱＢ／Ｔ２７０８２００５皮革取样批样的取样数量 ＱＢ／Ｔ２７０７２００５皮革物理和机械试验试样的准备和调节 ＱＢ／Ｔ２７１３２００５皮革物理和机械试验收缩温度的测定 ＱＢ／Ｔ２７１４２００５皮革物理和机械试验耐折牢度的测定 ＱＢ／Ｔ２７１５２００５皮革物理和机械试验视密度的测定 ＱＢ／Ｔ２７１９２００５皮革化学试验硫酸盐总灰分和硫酸盐水溶物灰分的测定ＱＢ／Ｔ２７２６２００５皮革物理和机械试验耐磨性能的测定 ＱＢ／Ｔ２７２７２００５皮革色牢度试验耐光色牢度 ＱＢ／Ｔ２７２５２００５皮革气味的测定 ＱＢ／Ｔ２７１７２００５皮革化学试验挥发物的测定 ＱＢ／Ｔ２７１８２００５皮革化学试验二氯甲烷萃取物的测定 ＱＢ／Ｔ２７２９２００５皮革物理和机械试验水皮燃烧性能的测定 ＧＢ／Ｔ１９９４１２００５皮革和毛皮化学试验甲醛含量的测定

皮革分级及检验标准

皮革分级及检验标准 1.0目的： 明确皮革检验规格、检验方法。确保皮革质量。 2.0范围： 适用于公司皮革的检查验收。 3.0定义： 对皮革产品原材料检验分级别拟定标准。 4.0职责： 4.1品质部IQC按此标准进行皮料检验及分级。 4.2皮具项目组、品质部负责本文件的制定，修改、废止之起草工作。 4.3.总经理负责本标准制定、修改、废止之批准 5.0皮料伤残定义 5.1严皮胚的伤残：如颈皱、伤疤、血管腺、菌伤、癣癞、鞭花、鞍伤、虻 眼、虻底、虱疔、划伤、痘疤、凸包、干裂、烙印等。 5.2加工过程中的伤残：如剥伤、孔洞、折裂、沙眼、夹油伤钩捆伤、烫伤。 5.3制革过程中的伤痕：如片伤、伸展伤、打光伤、熨伤、推平和订板伤、 滚压伤、刺划伤、磨伤、铲软皮伤、去肉伤等机械伤、跳刀印。还有由于化学控制不好或微生物侵蚀所造成的浸水伤和酶鞣伤。

5.4松面：皮革的粒面层松弛现象，将面向内弯折90°时，粒面呈现皱纹。 将皮革放平后消失，但仍有明显的皱纹痕迹者，感官验法：在1cm距离内有六个或六个以下的即为松面，六个以上不作为松面。 5.5管皱：指粒面层与网状层中间纤维松弛的现象，呈现在皮革的粒面上有 粗大的皱纹者。感官检验法：将皮革粒面向内弯折90°时，出现粗纹者，如在弯折时出现的皱纹不大，当放平后仍能消失者，不做为管鼓。 5.6裂面：皮革经弯折或折叠强压，粒面层出现裂纹的现象叫裂面。 5.7龟纹：制革生产时操作部当造成的缺陷，在制革不松的情况下，呈现粗 大的皱纹，虽经整理，仍不能消失叫龟纹， 5.8折纹：皮革面的折痕，虽经滚压或推平，而成革用手仍能摸出不平的皱 纹叫折纹。 5.9两层：原皮在加工再加工保管或制革生产过程，由于皮的中层发生腐烂 而形成两层现象。 5.10生心：鞣制时，鞣剂渗透不够所造成的缺陷，表现革的切口断面色泽不匀，中间断渐淡，严重者中层呈一条胶体状。 5.11僵硬：纤维没有分离好或鞣制不良，致革身扁平板硬，在搓揉时感觉很死板，呈木板状。 5.12脱色：面革以干的细布在革面上任一部位顺方向擦5次，有严重脱色现象即为脱色。 5.13裂浆：面革将面革面向外四重折叠，用手指紧压后，涂饰层发生裂缝

halcon+vb检测光学玻璃元件实例

halcon+vb检测光学玻璃元件实例发布于：2013-08-20 10:05 自然光下的玻璃元件实图 环型光源下的玻璃元件图 halcon 代码

open_framegrabber ('DirectShow', 1, 1, 0, 0, 0, 0, 'default', 8, 'gray', -1, 'false', 'def ault', 'Microvision MV-1400UC Digital Camera', 0, -1, AcqHandle) *打开摄像头 grab_image_start (AcqHandle, -1) *开始铺货图像 grab_image_async (Image, AcqHandle, -1) *捕获第一帧图像 get_image_size (Image, Width, Height) *获得图像大小 dev_open_window (0, 0, Width/6, Height/6, 'black', WindowHandle) *打开适合大小的窗口，应为相机是1400万像素所以图想太大窗口被我缩小了。 while (true) *无限循环 try grab_image_async (Image, AcqHandle, -1) *捕获一帧图像 dev_display (Image) *显示图像 smooth_image(Image, ImageSmooth, 'deriche2', 0.5) *平滑图像 threshold (ImageSmooth, Regions,125, 255) *阈值处理 *这个表面有些灰尘呵呵不过可以当噪点过滤掉的 area_center (Regions, Area1, Row3, Column3) *获得区域中心点 gen_contour_region_xld(Regions, Contours, 'border_holes') *将阈值处理后获得的区域转换成xld smooth_contours_xld(Contours, SmoothedContours, 5) *平滑xld

皮料检验标准

目的： 明确皮革检验规格、检验方法。确保皮革质量。 范围： 适用于公司皮革的检查验收。 定义： 对皮革产品原材料检验分级别拟定标准。 职责： 品质部IQC按此标准进行皮料检验及分级。 皮具项目组、品质部负责本文件的制定，修改、废止之起草工作。 .总经理负责本标准制定、修改、废止之批准 皮料伤残定义 严皮胚的伤残：如颈皱、伤疤、血管腺、菌伤、癣癞、鞭花、鞍伤、虻眼、虻底、虱疔、划伤、痘疤、凸包、干裂、烙印等。 加工过程中的伤残：如剥伤、孔洞、折裂、沙眼、夹油伤钩捆伤、烫伤。 制革过程中的伤痕：如片伤、伸展伤、打光伤、熨伤、推平和订板伤、滚压伤、刺划伤、磨伤、铲软皮伤、去肉伤等机械伤、跳刀印。还有由于化学控制不好或微生物侵蚀所造成的浸水伤和酶鞣伤。 松面：皮革的粒面层松弛现象，将面向内弯折90°时，粒面呈现皱纹。将皮革放平后消失，但仍有明显的皱纹痕迹者，感官验法：在1cm距离内有六个或六个以下的即为松面，六个以上不作为松面。 管皱：指粒面层与网状层中间纤维松弛的现象，呈现在皮革的粒面上有粗大的皱纹者。感官检验法：将皮革粒面向内弯折90°时，出现粗纹者，如在弯折时出现的皱纹不大，当放平后仍能消失者，不做为管鼓。

裂面：皮革经弯折或折叠强压，粒面层出现裂纹的现象叫裂面。 龟纹：制革生产时操作部当造成的缺陷，在制革不松的情况下，呈现粗大的皱纹，虽经整理，仍不能消失叫龟纹， 折纹：皮革面的折痕，虽经滚压或推平，而成革用手仍能摸出不平的皱纹叫折纹。 两层：原皮在加工再加工保管或制革生产过程，由于皮的中层发生腐烂而形成两层现象。 生心：鞣制时，鞣剂渗透不够所造成的缺陷，表现革的切口断面色泽不匀，中间断渐淡，严重者中层呈一条胶体状。 僵硬：纤维没有分离好或鞣制不良，致革身扁平板硬，在搓揉时感觉很死板，呈木板状。 脱色：面革以干的细布在革面上任一部位顺方向擦5次，有严重脱色现象即为脱色。 裂浆：面革将面革面向外四重折叠，用手指紧压后，涂饰层发生裂缝者叫裂浆。 水花：修饰面革在水染或熨皮过程中出现凹下的斑点，水洗不当出现水印者。 涂层脱落：修饰面革涂层以专用的胶布粘着后，能随拉下来的胶布脱落者。涂层发粘：修饰面革有粘着感的。 色差：同一张皮的不同部位有明显颜色差异。 色花：除苯胺效应外，同一张革面颜色深浅有明显差别的，革上常有的如盐斑、油花、毛根不净和刷色或喷涂饰剂不均所造成的缺陷。 粗面：革在加工过程中，由于膨胀不够或涂饰不好，造成革面各部位明显

角点检测方法总结

角点检测(Corner Detection) 角点检测(Corner Detection)是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪、三维建模和目标识别等领域中。也称为特征点检测。角点通常被定义为两条边的交点，更严格的说，角点的局部邻域应该具有两个不同区域的不同方向的边界。而实际应用中，大多数所谓的角点检测方法检测的是拥有特定特征的图像点，而不仅仅是“角点”。这些特征点在图像中有具体的坐标，并具有某些数学特征，如局部最大或最小灰度、某些梯度特征等。现有的角点检测算法并不是都十分的鲁棒。很多方法都要求有大量的训练集和冗余数据来防止或减少错误特征的出现。 角点检测方法的一个很重要的评价标准是其对多幅图像中相同或相似特征的检测能力，并且能够应对光照变化、图像旋转等图像变化。角点检测的方法有：Moravec角点检测算法，FAST角点检测算法，Harris角点检测法和shi_tomas角点检测法等。 1.1.1Moravec角点检测算法 Moravec角点检测算法Moravec角点检测算法是最早的角点检测算法之一。该算法将角点定义为具有低“自相关性”的点。算法会检测图像的每一个像素，将像素周边的一个邻域作为一个patch，并检测这个patch和周围其他patch的相关性。这种相关性通过两个patch间的平方差之和(SSD)来衡量，SSD值越小则相似性越高。如果像素位于平滑图像区域内，周围的patch都会非常相似。如果像素在边缘上，则周围的patch在与边缘正交的方向上会有很大差异，在与边缘平行的方向上则较为相似。而如果像素是各个方向上都有变化的特征点，则周围所有的patch都不会很相似。Moravec会计算每个像素patch和周围patch的SSD 最小值作为强度值，取局部强度最大的点作为特征点。Moravec角点检测算法有几个很明显的缺陷：1，强度值的计算并不是各向同性的，只有离散的8个45 度角方向被考虑。因为patch的评议比较最多只有8个方向；2，由于窗口是方形并且二元的，因此相应函数会有噪声；3，对边缘的相应太简单，因为强度值尽取SSD的最小值；

鉴别皮革,分类和常见缺陷

一、皮革、人造革、移膜革的区别： 皮革：指动物的生批2经过各种整饰方法处理后，形成的物理化学性能相对稳定，具备良好的透气性和柔韧性的成品。 人造革：指经过化学的方法制成的类似天然皮革的制品。 移膜革：在二层表面皮上经过专门整饰方法造出一个假粒面，或将已经制成假粒面膜贴于二层皮上以模仿全粒面或具特殊效果的鞋面革。 区分：PU与PVC革的背面部分皆为纤维层或海绵层，皮料的背面则为天然肉面层；移膜革的背面也为天然肉面层，但表层有人造革成分，横截面有明显分层。 二、皮的分类 1按表面状态分类 1）全粒面皮：指粒面及天然毛孔保持完整，粒纹清晰可见，无修饰轻磨痕迹，毛孔均匀自然。 2）轻修皮：指粒面经过轻磨，仍可见天然的毛孔和纹理，但毛孔不及全粒面皮均匀，又称半粒面皮。 3）修面皮：是将部分粒面磨去以减轻粒面伤残的影响，然后经过专门修饰方法造出一个假粒面，以模仿全粒面或具特殊效果的鞋面皮。 4）正绒皮：在粒面上磨出天鹅绒般的细绒，手感柔软。 5）反绒皮：在肉面磨出细绒的鞋面皮。 6）磨沙皮：表面细沙状，按沙粒的大小分粗磨沙和细磨沙。 2、按整饰方法分类 1）全苯胺皮：不用含有覆盖性颜料膏而只用含有金属络合染料着色剂的涂饰剂涂饰，涂层透明，粒面的天然毛孔和粒纹清晰可见，采用粒面无伤残或伤残少的胚皮加工而成，高档自然，又称全粒面皮。 2）半苯胺：以金属络合染料为主，掺合少量覆盖性颜料膏的涂饰剂涂饰,仍部分保留苯胺效应，采用粒面无伤残或伤残少的胚皮加工而成，高档自然，又称半粒面皮。 3)充苯胺：将部分里面磨去,用专门整饰方法造出一个模仿全粒面的假粒面,并具有部分苯胺效应,毛孔和粒面经皮面拉伸后,粒面消失明显.采用粒面伤残较多且深胚皮加工而成，又称修面皮。 4）擦色皮：在修面皮涂饰的基础上进行擦色效应涂饰，在其效应层上擦拭时被擦去一部分，

皮革检测相关信息标准

皮革检测相关标准信息 皮革是经脱毛和鞣制等物理、化学加工所得到的已经变性不易腐烂的动物皮。革是由天然蛋白质纤维在三维空间紧密编织构成的，其表面有一种特殊的粒面层，具有自然的粒纹和光泽，手感舒适。青岛科标检测研究院有限公司专业提供皮革分析检测服务，检测项目涉及力学性能、老化测试、成分分析和配方还原等，可出具权威资质报告。 检测产品： 原料皮：牛皮、山羊皮、绵羊皮、猪皮、貉子皮、兔皮、狐狸皮、水貂皮 成品革：鞋面革、鞋里革、服装手套革、沙发革、汽车坐垫革、箱包革、特殊/专业成品革 成革服装：皮大衣、皮夹克、皮帽、时装皮革、特殊/专业成革服装 裘皮制品：裘皮褥子、裘皮服装、裘皮帽子、裘皮玩具、貂皮制品、狐皮制品 皮革化工原料：阳离子染料、硫化染料、还原染料、金属络合染料、冰染染料、溶剂染料、直接染料、酸性染料、分散染料 活性染料、碱性染料、特殊/专业染料、表面活性剂、脱脂剂、铬鞣剂、复鞣剂、助鞣剂、染色助剂、加脂剂、涂饰材料等 皮革辅料/五金：成型鞋底、人造革、合成革、鞋跟、鞋楦、鞋带、皮革五金配件、特殊/专业皮革辅料 球类皮革：皮革篮球、皮革排球、皮革足球、特殊/专业皮革球类 检测项目： 具体检测项目： 物理性能测试：拉伸强度、伸长率、撕裂强力、抗张、收缩温度、崩裂高度、崩裂强度、皮革视密度、 涂层耐折牢度（常温/低温）、底革耐折牢度、吸水性、耐热性、防油、耐摩擦、毛皮阻燃性 化学性能测试：pH值、六价铬含量、甲醛含量、禁用偶氮染料、气味、毛皮挥发物含量、皮革含水量及挥发物 色牢度：摩擦色牢度、耐水渍色牢度、耐汗渍色牢度、耐光照色牢度 材质鉴定：材质鉴别（皮革、毛皮/人造革/合成革等） 检测标准：

moravec角点检测算法

MORA VEC算法提取角点特征 1.角点 图像灰度值在各个方向变化都比较大的点，即认为是角点。Moravec角点量是指在各个方向上灰度变化的最小值，当在某个方向上，灰度值的变化最小，并且这个最小值也大于某个设定的阈值，那么认为这个点就是一个角点。 2.MORA VEC算法介绍 Moravec角点检测算法的思想是：在图像中设计一个局部检测窗口，当该窗口沿各个方向作微小移动时，考查窗口的平均能量变化，当该能量变化值超过设定的阈值时，就将窗口的中心像素点提取为角点。 本实验的算法的步骤如下： (1) 对每一像素(c，r)，计算以其为中心的m*m的影像窗口中0°、45°、90°、 135°四个方向相邻像素灰度差的平方和V1、V2、V3、V4。 其中，k为m/2的模。计算V1、V2、V3、V4的最小值作为该像素点的兴趣值。 (2)给定经验阈值T，将兴趣值大于阈值的点作为候选点。 (3)新建一个窗口，窗口大小可不同于计算兴趣值窗口的大小。选择候选点中 的极值点作为特征点，即在一定范围内，取兴趣值最大者为特征点。此过程也称为抑制局部非最大。 综上，Moravec算子是在四个主要方向上，选择具有最大—最小方差的点作为特征点。 3.实验过程 本实验采用5*5的窗口大小，设置了0°、45°、90°、135°四个方向的移动，设置经验阀值为4000，新窗口为8*8，进行实验。 实验代码如下：

img=imread('1.png');%读取图像 [m,n,d]=size(img); %获取数据大小 if (d==3) %转换为灰度图像 img=rgb2gray(img); end window=5; w=floor(window/2); %设置窗口大小 V=zeros(m,n); for i=(w+1):(m-w-1) for j=(w+1):(n-w-1) V1=0;V2=0;V3=0;V4=0; %设置初始值 for k=(-w):(w-1) %计算四个方向的值 V1=V1 + (double(img(i+k,j))-double(img(i+k+1,j))).^2; V2=V2 + (double(img(i+k,j+k))-double(img(i+k+1,j+k+1))).^2; V3=V3 + (double(img(i,j+k))-double(img(i,j+k+1))).^2; V4=V4 + (double(img(i+k,j-k))-double(img(i+k+1,j-k+1))).^2; V(i,j)=min([V1,V2,V3,V4]); end end end T=1000;%经验阀值 V(V

基于角点检测的图像处理方法

基于角点检测的图像处理方法研究 摘要：本文主要研究了图像的角点检测方法，在计算机视觉中，机器视觉和图像处理后总，特征提取都是一个重要的方向。而角点又是图像的一个重要局部特征，它决定了图像中目标的形状，因此在图像匹配，目标描述与识别及运动估计，目标跟踪等领域，角点提取都具有重要的意义。角点的信息含量很高，可以对图像处理提供足够的约束，减少运算量，极大地提高运算速度。角点检测问题是图像处理领域的一个基础问题,是低层次图像处理的一个重要方法。角点检测的目的是为了匹配，而匹配的效率取决于角点的数量。Harris角点检测原理是对于一副图像，角点于自相关函数的曲率特性有关，自相关函数描述了局部局部图像灰度的变化程度。在角点处，图像窗口的偏移将造成自相关函数（图像灰度的平均变化）的显著变化。harris算子是一种简单的点特征提取算子，这种算子受信号处理中自相关函数的启发，给出与自相关函数相联系的矩阵M。M阵的特征值是自相关函数的一个阶曲率，如果两个曲率值都高，那么久认为该点是特征点。 关键词：角点，角点检测，Harris角点

ABSTRACT This paper studies the image of the corner detection methods in computer vision, machine vision and image processing general, feature extraction is an important direction. The corner is an important local feature image, which determines the shape of the target image, so the image matching, object description and recognition and motion estimation, target tracking and other fields, corner detection are of great significance. Corner of the information content is high, image processing can provide sufficient constraints to reduce the amount of computation greatly improve the processing speed. Corner detection is a basic image processing problems, low-level image processing is an important way. Corner detection is designed to match the efficiency of the matching depends on the number of corners。Harris corner detection principle is that for an image, corner point on the curvature properties of the autocorrelation function is related to the local auto-correlation function describes the degree of local image intensity changes. In the corner point, the offset will result in the image window autocorrelation function (the average image intensity changes) change significantly. arris operator is a simple point feature extraction operator, this operator by the signal processing in the autocorrelation function of inspiration, given the autocorrelation function associated with the matrix M. Eigenvalues of matrix M is an order autocorrelation function of the curvature, if the two curvature values are high, for so long that the point is the feature points. Key word: Corner , Corner detection , Harris Corner

皮革相关检测(国家检测标准归类)

皮革相关检测 1、 GB/T 4689.20-1996 《皮革涂层粘着牢度测定方法》 2、 GB/T 4689.21-1996 《皮革吸水性测定方法》 3、 GB/T 4689.22-1996 《皮革透气性测定方法》 4、 GB 4690-1984 《皮革成品部位的区分》 5、 GB 4692-1984 《皮革成品缺陷的测量和计算》 6、 GB 4693-1984 《皮革成品验收规则》 7、 GB 4694-1984 《皮革成品的包装、标志、运输和保管》 8、 GB/T 14254-1993 《染色毛皮耐摩擦色牢度测试方法》 9、 QB/T 1261-1991 《毛皮工业术语》 10、 QB/T 1262-1991 《毛皮成品验收规则》 11、 QB/T 1263-1991 《毛皮成品缺陷的测量和计算》 12、 QB/T 1264-1991 《毛皮成品的包装、标志、贮藏和运输》 13、 QB/T 1265-1991 《毛皮成品抽样数量及方法》 14、 QB/T 1266-1991 《毛皮成品物理性能测试用试片的空气调节》 15、 QB/T 1267-1991 《毛皮成品样块部位和标志》 16、 QB/T 1268-1991 《毛皮成品试片厚度和宽度的测定》 17、 QB/T 1269-1991 《毛皮成品抗张强度的测定》 18、 QB/T 1270-1991 《毛皮成品伸长率的测定》 19、 QB/T 1271-1991 《毛皮成品收缩温度的测定》 20、 QB/T 1272-1991 《毛皮成品化学分析试样的制备及化学分析通则》 21、 QB/T 1273-1991 《毛皮成品挥发物含量的测定》 22、 QB/T 1274-1991 《毛皮成品总灰分的测定》 23、 QB/T 1275-1991 《毛皮成品三氧化二铬的测定》 24、 QB/T 1276-1991 《毛皮成品四氯化碳萃取物的测定》 25、 QB/T 1277-1991 《毛皮成品 PH值的测定》 26、 QB/T 1278-1991 《毛皮成品掉毛测试方法》 27、 QB/T 1279-1991 《毛皮透水气性测试方法》 28、 QB/T 1327-1991 《皮革表面颜色摩擦牢度测试方法》 29、 QB/T 1582-1992 《皮革五金工业术语》 30、 QB/T 1807-1993 《有色皮革耐热牢度试验方法》 31、 QB/T 1808-1993 《有色皮革耐水牢度试验方法》 32、 QB/T 1809-1993 《皮革伸展定型试验方法》 33、 QB/T 1810-1993 《皮革耐冲击试验方法》 34、 QB/T 1811-1993 《皮革耐水气性试验方法》 35、 QB/T 2002.1-1994 《皮革五金配件电镀层技术条件》 36、 QB/T 2002.2-1994 《皮革五金配件表面喷涂层技术条件》 37、 QB/T 2157-1995 《制革用揩光浆、颜料膏测试方法》 38、 QB/T 2158-1995 《制革用加脂剂测试方法》 39、 QB/T 2222-1996 《合成鞣剂测试方法》 40、 QB/T 2223-1996 《制革用丙烯酸树脂乳液测试方法》 41、 QB/T 2262-1996 《皮革工业术语》 42、 QB/T 2412-1998 《皮革用化学品技术通则》 43、 QB/T 3638-1999 《皮制球工业术语》 44、 QB/T 3639-1999 《箱包工业术语》 45、 QB 4689.1-1984 《皮革－试验室样品－部位和标志》 46、 QB 4689.2-1984 《皮革－物理性能测试用试片的空气调节》 47、 QB 4689.3-1984 《皮革－取样－批样的取样数量》 48、 QB 4689.4-1984 《皮革－物理性能测试－厚度的测定》 49、 QB 4689.5-1984 《皮革－抗张强度和伸长率的测定》 50、 QB 4689.6-1984 《皮革－撕破力率的测定》 51、 QB 4689.7-1984 《皮革－粒面强度和伸展高度的测定－崩裂试验》 52、 QB 4689.8-1984 《皮革－收缩温度的测定》 53、 QB 4689.9-1984 《皮革－耐折牢度的测定》 54、 QB 4689.10-1984 《皮革－视密度的测定》 55、 QB 4689.11-1984 《皮革－化学试验样品的制备》 56、 QB 4689.12-1984 《皮革－水分及其他挥发物的测定》 57、 QB 4689.13-1984 《皮革－二氯甲烷萃取物的测定》 58、 QB 4689.14-1984 《皮革－硫酸盐总灰分和硫酸盐水不溶物灰分的测定》