蓝色荧光对钻石颜色分级的影响

采用USB4000光纤光谱仪,在D65参照光源的条件下,测量各个色级不同荧光强度钻石样品的CIE1931色品坐标和主波长,根据色度学原理计算钻石样品的兴奋纯度和亮度纯度。结果表明,对于不同色级而相同荧光强度的钻石,随着色级的降低,钻石的主波长递减,兴奋纯度和亮度纯度递增,即钻石的颜色饱和度增加;对于同一色级的钻石,随着荧光程度的增加,钻石的主波长递增,兴奋纯度和亮度纯度呈减小趋势,强荧光至弱荧光可使钻石的兴奋纯度和亮度纯度上升1到2个色级,即不同程度的钻石荧光可使钻石颜色提升1～2个色级。     

绿色翡翠基于HSL色度参数的计算机颜色分级

色相、饱和度及亮度是翡翠颜色分级的基本参数,通过彩色数码相机采集翡翠图像,提取出色彩的HSL色度学参数,并以此为基础,利用Visual C++语言编写计算机分析程序,对绿色翡翠样品图像进行像素点的扫描与分析,进一步进行色彩类型分类,获得颜色色级、均匀度等结果。为了验证这一程序的可靠性,对样品色彩进行主观分级、GemDialogue色卡描述及HSL色度学参数分析,结果显示与计算机颜色分级的数据吻合,说明绿色翡翠基于HSL色度参数的计算机颜色分级系统运行稳定快捷,具有一定的可行性,能很好的完成对绿色翡翠图像各种绿色像素点的分类与计算,并能针对不均匀翡翠根据各种绿色像素点所占的比例进行分析,并最终给出分级定名,实现了计算机程序对绿色翡翠色彩的自动分类。     

钻石分级的实际应用

钻石的质量评价有4个方面:颜色、净度、切工和重量。其中颜色、净度与切工的分级都有严格的标准,须有专门知识、经验与设备。但在不具备这些条件时,若能掌握钻石分级要点,也能对钻石质量作出有益的评估,为选购钻石提供参考。1 钻石的色级评估 钻石有多种颜色,色级的评定,仅对无色至浅黄色(褐)的钻石而言。一颗钻石,属于那一色级,要通过与标作对比确定,表1是钻石色级的划分。在没有标样时,高色级的钻石(96至100色),即使是训练有素的专业人     

透射法在山东蓝宝石颜色量化中的应用（下）

山东蓝宝石在反射光下近黑色,无法适应国际上较通用的有色宝石品质分级体系。文章根据该产地蓝宝石的颜色特征,通过对比实验探讨最佳颜色测试方法,为山东蓝宝石颜色分级体系的建立提供理论支持。研究表明：透射法测试能更好地表征与区分蓝宝石的颜色。本实验根据色度学原理,以CIE1976Lab均匀色空间为载体,对透射条件下山东蓝宝石的颜色参数（明度、色调、饱和度）进行量化分析,为山东蓝宝石颜色分级体系的建立提供参考。     

透射法在山东蓝宝石颜色量化中的应用（上）

山东蓝宝石在反射光下近黑色,无法适应国际上较通用的有色宝石品质分级体系。文章根据该产地蓝宝石的颜色特征,通过对比实验探讨最佳颜色测试方法,为山东蓝宝石颜色分级体系的建立提供理论支持。研究表明：透射法测试能更好地表征与区分蓝宝石的颜色。本实验根据色度学原理,以CIE1976Lab均匀色空间为载体,对透射条件下山东蓝宝石的颜色参数（明度、色调、饱和度）进行量化分析,为山东蓝宝石颜色分级体系的建立提供参考。     

GIA宣布实施钻石切工分级体系

GIA宣布，将从2006年1月1日起开具新的钻石分级报告。对GIA的D-Z色级、FL-1。净度级的圆形明亮琢型钻石，在新的报告中除了颜色、净度和克拉质量分级信息外，还包括切工分级信息。GIA安排，从8月1日～12月31日使钻石业界熟悉这个新的钻石切工分级体系，了解其优点。     

绿色翡翠颜色的HSL色度学特征

目前的翡翠市场暂时未建立起评价绿色翡翠颜色的统一标准。基于HSL色度学的绿色翡翠颜色分级理论与技术,本研究拟采用机器视觉法。根据色度学原理,以HSL颜色空间模型为理论基础,在色温5 500K白光光源下,通过彩色数码摄像头采集绿色翡翠样品的色彩,对每个样品图像颜色进行HSL值分析,从而量化绿色翡翠颜色的参数指标,并将所得到的HSL数值按不同色相(H)投点到二维的SL图像上,得到翡翠绿色色彩的HSL分布区间及其色度学特征,确定绿色翡翠各种色彩类型的HSL值边界,从而区分和确定绿色翡翠的色调,划分绿色翡翠的颜色浓度和明亮度,量化绿色翡翠的色彩类型。     

绿松石结构的致密性对其颜色量化研究的影响

绿松石的结构致密性对其颜色量化研究工作存在重要影响。采用国际公认的色度学变量CIE 1976色差(ΔE)来表征绿松石样品在特定区域内颜色的不均一性,通过静水称重法和原子力显微镜(AFM)来表征结构致密性的体相和表相特征。结果发现,质地疏松绿松石存在较大色差、较大的表面粗糙度及较小的相对密度。激光剥蚀电感耦合等离子质谱仪(LA-ICP-MS)研究绿松石成分显示,疏松绿松石样品中致色元素含量呈现较大的测量不确定性,存在很严重的随激光剥蚀时间延长而迅速衰减的现象,而致密绿松石样品并无此现象。出土疏松绿松石样品的受沁程度和色差也明显大于致密样品。相对而言,高致密性绿松石具有相对密度较大、表面平滑度较高、颜色分布较为均一、致色元素分布较为规律、抗污染能力较强等优良特征。因此,在后续绿松石颜色量化分级工作当中,对致密性进行严格定量显得尤为必要。     

结合全局与局部多样性特征的色纺纱色度学指标测试与评价

为建立科学、有效的色纺纱色度学指标测试评价标准,以纺织品数码测色理论为基础,设计并实现色纺纱大幅面微距图像采集系统,克服传统微距图像采集视野范围受限的问题,为色度学指标特征的提取与分析提供保障。重点针对大色差色纺纱特有的呈色机制与过程,建立了结合全局颜色特征与局部纹理特征的色度学指标表征模型,提取的三阶颜色矩特征和彩色局部方向模式特征,不仅利用全局与局部特征间的互补性,而且还能结合不同颜色空间的多样性。实验结果表明：对于色纺纱色度学指标的细微改变,提取的多样性特征均能准确、稳定地进行表征,验证了融合算法的有效性和鲁棒性;同时,相较于传统的分光光度法,更具有理想的适应性和实用性。     

印前Photoshop基本技术(连载1)——关于色彩

在印前技术领域,校色无疑是至关重要的一环。但在我们学习校色过程之前,让我们先来了解一下色度学。色度学确切地讲,它是研究人眼对颜色感觉规律的一门科学。每个人的视觉并不是完全一样的。在正常视觉的群体中间,也有一定的差别。目前在色度学上为     

基于机器视觉的金丝皇菊智能分级系统研究

为实现对金丝皇菊的快速无损等级评估,本文应用机器视觉技术对5个等级的金丝皇菊进行智能分级。首先根据金丝皇菊的品质特性设计分级装置,并根据金丝皇菊的颜色、形状、完整度等特征设置不同的分级标准;其次运用图像灰度化、图像去噪、图像增强技术完成金丝皇菊图像预处理;再次采用加色法混色模型(Red Green Blue, RGB)完成金丝皇菊颜色特征提取与识别,并通过图像分割和边缘检测技术完成对金丝皇菊图像完整度的判断及花径的计算,得出金丝皇菊的预测等级;最后基于Microsoft Visual Studio 2017平台开发一套金丝皇菊智能分级系统,实现系统的实时可视化操作。结果表明,本文设计的金丝皇菊智能分级系统整体分级准确率达到了97.6%,平均分级速度为人工的5倍多,其在可靠性、速度、工作效率、鲁棒性等各方面都优于传统的人工分级,本研究为机器视觉技术在花茶分级领域的应用提供了实际案例与技术参考。     

毛坯钻石估价原理及应用探讨

由于国际毛坯钻石市场相对封闭, 评估工作者面临着缺乏直接的市场交易参考信息等困难, 无法采用传统的珠宝评估方法进行估价. 采用价值链分析方法, 从研究钻石价值链入手, 以成品(抛光)钻石的分级体系为基础, 建立了针对估价需求的毛坯钻石质量分级体系, 构建估价模型, 提出了通过成品价格还原原材料价格的还原成本法, 介绍了该方法在毛坯钻石估价中的实际应用. 根据该估价原理和方法, 利用计算机数据库技术可为毛坯钻石估价提供更便利、准确的估价辅助手段. 该估价原理和方法也可推广应用到其它宝石原料的估价实践中.     

THE DEVELOPMENT OF A MACHINE VISION SYSTEM FOR SHIITAKE GRADING

A grading system was developed to classify shiitake automatically into various grades of quality in terms of size, shape and color. A shiitake is scanned with a color charge‐coupled‐device camera and then various geometrical and color characteristics are determined by image processing. The online grading procedure includes the following sequences in processing dried shiitake: (a) color abnormality is eliminated by image analysis; (b) broken caps are detected by calculation of the area‐to‐perimeter ratio; and (c) size is determined by pixel counting from the bottom view. Image processing and algorithmic manipulations are done on a personal computer (PC) while grading is carried out by a programmable logic controller (PLC). The PLC accepts grading instructions from the PC, hence controls the grading mechanisms. Pilot system validation was done on 250 dried shiitake samples and resulted in a 97.6% accuracy rate. This result is better than that by visual inspection. A complete grading cycle takes 4.8 s, of which the PC unit participates 0.3–0.7 s depending on the physical complexity of the shiitake being processed.     

纺织品色差和色牢度的数码影像技术评级

采用目测评级法、测色仪评级、数码影像系统评级三种方法对特警面料样本的色差与日晒色牢度进行评级,并对评级结果进行对比.结果表明,数码影像技术与人眼目视评级具有良好的相关性,且其误差率和客观稳定性比人眼目测评级更胜一筹.采用数码影像技术进行纺织品的色差与色牢度评级是准确可靠的.     

镶嵌钻石4C分级的概念与技术

镶嵌钻石的品质分级可采用与裸钻相似但又有所不同的概念与技术，颜色分级可采用宝石显微镜配合的比色石支架的方法，将度分级可采用白背景技术涌除映像的影响，对切工可采用目估评价的方法。对比性实验研究表明，应用上述技术方法，可使镶嵌钻石的品质分级达到相当高的可信度。     

基于机器视觉的猴头菇品质快速无损检测与分级

传统的猴头菇品质检测与分级主要依靠人工分拣来完成,其主观性强、精度相差大、效率低,浪费了大量人力物力资源。鉴于此,为了实现猴头菇的快速无损等级评估,该研究引入机器视觉技术,提出了一种猴头菇品质的快速无损检测与分级方法,设计一套基于机器视觉的猴头菇品质快速无损检测与智能分级设备,并通过图像处理和软件设计开发一套猴头菇智能快速无损检测分级系统。通过加色法混色模型（RGB）对猴头菇的颜色特征的快速检测与等级的判定;采用图像阈值分割和Canny边缘检测,实现猴头菇完整度的判定;使用最小外接圆法对猴头菇的大小进行实时计算,完成猴头菇直径大小的判别;基于Microsoft Visual Studio 2017平台开发一套猴头菇品质快速无损检测可视化平台。试验证明,基于机器视觉的猴头菇品质快速无损检测与分级系统检测准确率达到97.07%,速度达到人工的5倍多。验证了系统的可靠性和可行性,为食品工业的智能化生产和加工提供了技术支撑,推动了机器视觉技术在食品行业的应用。     

绿松石颜色成因及分级研究现状

绿松石是一种含水的铜铝磷酸盐矿物,纯净状态下呈天蓝色,因常见复杂类质同象而呈现出丰富多变的颜色外观.绿松石颜色成因可由晶体场理论解释,其天蓝色由Cu2+配位八面体的局域对称性及其在晶格中的结构位置决定;Fe3+和V3+的综合作用导致蓝色绿松石中绿色调的出现;Fe3+含量的增多会使得蓝色绿松石向土黄、棕色转变.绿松石中存在氢键较强的羟基(Al-OH)、氢键相对较弱的[Cu(H2O)4]2+和充填在孔隙或微裂隙中的吸附水,其中羟基和结晶水的热损失会对绿松石颜色产生破坏性的影响,而吸附水含量的增加仅对绿松石颜色的明度和饱和度产生积极作用.绿松石结构致密性影响着绿松石吸附水的赋存,疏松绿松石吸水前后的色差大于致密绿松石吸水前后的色差.目前针对绿松石颜色分级的研究方法可分为理论建模型和规律总结型两类,前者基于CIE 1976 L*a*b*颜色体系,以L*、a*和b*颜色参数为独立变量进行聚类分析和判别分析,将单一色调内的绿松石颜色分成差异性极显著的不同类别,从而根据明度和彩度进行具体级别的描述;后者基于HSB表色体系,实现绿松石颜色空间内的可视化表征,总结绿松石分布规律并结合肉眼观察特征,并以色相分级、明度分级和饱和度分级构成绿松石颜色分级的全部内容.