CN105526887A - 一种非接触式织物表面粗糙度测试方法及测试装置 - Google Patents

Abstract

本发明涉及一种非接触式织物表面粗糙度测试方法及测试装置，该测试装置包括固定在第一轮轴两端的两个转轮、固定在第二轮轴两端的两个转轮和固定在第一轮轴、第二轮轴上并和所述第一轮轴、第二轮轴组成长方形框架的框板，织物环绕在第一轮轴和第二轮轴上；一摄像头置于第一轮轴顶端的上方；第一轮轴每转过一定角度就拍摄一帧图像。本发明的一种非接触式织物表面粗糙度测试装置结构简单，实现的测试方法能准确、稳定、快速地实现表面粗糙度测量的要求。

Description

一种非接触式织物表面粗糙度测试方法及测试装置

技术领域

本发明属技术领域，涉及一种非接触式织物表面粗糙度测试方法及测试装置。

背景技术

在地铁轨道工程的建设和运营过程中，经常会出现水的问题，不仅有地下水、雨水、潮汐倒灌积水，还有季节性的暴雨或洪水，大量的水会从地铁的通气孔和地铁车站进出口处涌入隧道，大量水的灌入会毁坏地铁线路的电气***和信号***，造成巨大的经济损失，严重时更可能危及人员生命。故此，如何迅速有效地阻止大量的水进入地铁隧道便成为了一个须臾解决的问题。

一般隧道防水是由结构防水技术和材料防水技术两部分组成。地铁隧道防水设计时通常考虑的是采用结构防水的方法。结构防水的定义为地铁工程自身结构在支撑围岩荷载的同时又有防水的功能。以上海轨交2号线线为例，2号线部分穿越黄浦江，首先，在穿越黄浦江段的隧道两端河南中路站和陆家嘴路站间设置防淹门。要求该防淹门在发生事故时能够快速反应，将倒灌进隧道的水堵截在越江隧道的区间内,使两端车站和全线免遭江(潮)水的淹没。如何做到使防淹门能够迅速放下，同时防淹门可以抵抗黄浦江潮倒灌所带来的巨大冲击力，找寻到这种坚固的材料也是一个棘手问题。

在地铁进出站口也设置有类似防淹门的金属制抗洪挡板，由于挡板高度有限，且挡板与地面间存在间隙，同时使用时需要工作人员及时到达现场处理等等原因，此种结构在防突发洪水时依然显现得比较脆弱。

从2007年开始美国研究人员提出采用“胶囊型纤维织物材料”来抵挡突发性大量雨水的倾入，这充气胶囊型纺织材料(又称“充气塞”)与上文提到的“防淹门”的作用相似，但其优点在于质量轻、结构简易、设置灵活、安全可靠。“空气塞”的织物表面与隧道壁之间若有充分的啮合，则可有效地抵抗水流在隧道内的自由流动。当暴雨或其它水流进入隧道时，“空气塞”迅速打开后充满隧道，水流被聚集在两“空气塞”之间，避免水流任意在整个隧道内自由流动。“空气塞”的这些优点使其成为硬质防淹门的良好替代品。

地铁隧道胶囊型空气塞织物的表面摩擦性能是影响其有效性的重要因素，表征织物摩擦性能的一般方法是采用日本Kawabata的KES测试中的摩擦系数和表面粗糙度。Kawabata为了评定织物的手感，设计制造了KES-F织物风格测试***，可以测出织物的14个力学性能指标和2个物理指标，综合表达织物的基本风格和综合风格。KES***是广泛运用的独特的织物物理机械性能测试***，其测试结果有效地帮助制造商、贸易商、研发人员之间的沟通和合作。

KES***中的KES-FB4是测试与手感相关的织物表面性能，包括平均摩擦系数、摩擦系数的平均差不匀率和表面粗糙度三个指标。它使用两种摩擦头共同评价面料的表面性能。第一测试头为指形测试头，由10根0.5毫米的细钢丝模仿人的指纹形态排成一个平面,测试时测试头平面与被测试面料表面间施加一定压力并由机器控制以一定的速度产生相对滑动，由传感器记录得到动摩擦系数关于位移的曲线。第二测试头为一个矩形环，由于面料表面高低不平，测试时施加一定压力，测试头在与面料发生接触的过程中会发生震动,织物组织结构的不同、织物表面的织疵、纱线上的锁结都会使得矩形环上下运动，织物的厚度变化可以用矩形环上下运动的位移量来表示,从而得到织物厚度关于位移的变化曲线。

在进行织物表面粗糙度试验时，采用触头与试样表面相接触，在一定压力(10cN)下进行测试得到表面粗糙度曲线，以厚度平均差表示织物表面粗糙度SMD。织物平均厚度是在50N/m²压强下测得的，粗糙度是织物表面轮廓的度量，SMD值高表示织物表面起伏程度大。

织物的粗糙度取决于纱线的排列间距、纱线不匀率、织物组织结构和织物的其它几何结构因素(如屈曲波)。如果不考虑纱线不匀率及毛羽，外轮廓粗糙度是以织物中心线为基准线的织物厚度变化的度量。由KES***中的SMD定义，所测得的粗糙度值是由平均线和曲折线构成的面积的平均高度。对于大部分织物，其摩擦性能与其粗糙度紧密相关联，这也表明织物外轮廓粗糙度在一定程度上代表了织物的摩擦系数。

尽管KES***测试织物表面摩擦性能应用广泛，但受制于测试原理，它在精确表达织物摩擦性能方面存在不可避免的缺点：

1)KES粗糙度测试过程中由于有外力施予织物样品，由此影响了测试结果的准确性。有研究报道说，KES***测得的值依然难以达到精确的程度。

2)KES织物表面性能测试***所得到的测试结果很少能帮助建立表面性能和织物结构的数量关系，它主要是对织物手感、裁剪性能给予一般的描述。

3)由于测试是触头在织物某一方向上来回运动而测得的摩擦系数和粗糙度，其结果无法描述织物的初始摩擦性能。

4)测试触头的尺寸使得被测织物的类型受到局限。

其它类似的接触式测试织物表面粗糙度的方法都存在着同样的缺陷，接触式测试方法不再适用于表征织物的初始摩擦性能。于是人们探索非接触式测试手段表征织物的表面粗糙度。

由于接触式测试材料表面粗糙度方法的局限，研究人员自上世纪九十年代开始研发非接触式测试方法。目前非接触式粗糙度检测方法主要有光学方法、图像处理方法、超声检测法等。

1)光学测量法

A、激光聚焦法

激光聚焦法是以一个聚焦光点入射到被测表面上模拟机械触针进行测量，由于表面粗糙度的存在，光电探测器上的信号会发生变化，通过测量信号的变化量来计算表面粗糙度的数值。目前发展比较成熟的激光聚焦方法是激光探针干涉法，其原理是采用很细的聚焦光探针入射被测表面，物体表面的高度变化引起参考光和测量光光程差的变化，通过相位比较可得到表面轮廓。用激光聚焦法得到的表面轮廓和触针法获得的轮廓一样，可用来计算表面粗糙度的参数。该技术具有灵敏度高、体积小等优点，缺点是易受振动的影响。

B、激光散射法

当激光以一定角度照射到被测表面时，除部分光线被试件表面吸收外，大部分光线将被反射和散射，表面越光洁，反射光占的比例越大；当表面比较粗糙时，散射图谱中只有散射光的作用存在。对大多数被测材料表面而言,其表面轮廓的高度和斜率为高斯分布，此时，散射场光强呈以空间角度为变量的高斯分布，并且激光入射角的分布与表面粗糙度之间有一定的对应关系。

激光散射法具有测量速度快、仪器结构简单、抗干扰能力强和不会划伤被测件等优点。由于它测量的是被测表面的平均特性，故不能显示出被测表面的具体形貌。由于存在衍射限和***的横向分辨率由物镜的数值孔径决定,对大粗糙度值的试件测量不够精确。同时，这种测量方法对表面的清洁度要求较高，灰尘对其测量结果有一定的影响。

C、激光散斑法

带有相差并且相干的二次球面子波相遇产生了强度分布为粒状的斑纹，称为散斑。通过包括对光学***信号分析的激光散斑粗糙度计，可很快测量试件图像散斑的平均对比度，在一定范围内散斑对比度和表面粗糙度之间存在线性关系。

这种方法可以用于表面粗糙度的在线测量，振动对测量结果的影响降低了很多，并且，可以获得比较好的粗糙度分辨率。但是，这种方法不能获得被测表面的轮廓，不能用于非高斯分布的表面粗糙度测量。

D、暗区比测量法

由于光在粗糙表面反射时将产生散射,在光轴上所测得的光强将降低。表面粗糙度愈大，主轴上的光强将愈小，即更多的光将会反射出主轴，于是在焦平面上将会有更多的点处于暗区。所以，暗区主要来源于两部分，一部分是由于被测表面不同部分反射光相互干涉形成的，另一部分是由于散射而使光强降低所造成。当被测的表面为镜面时，全为亮区，即暗区比为零。当被测的表面特别粗糙时，光全部散射，暗区比趋于1。说明随着被测表面粗糙度的增加，暗区比增大。暗区比测量法综合利用了散射法和散斑法的优点。但是，材料不同加工方式以及不同材料的表面要求分类对待,标定出不同的初始粗糙度。暗区比测量法测量精度高,且适合在线测量,但只适宜于单一加工方式的表面粗糙度在线测量。

2)图像方法

该方法采用摄像头和图像处理技术测量材料表面的粗糙度。Pourdeyhimi[5]等研究人员用图像的方法观测并定量表征地毯表面的磨损情况，通过研究地毯表面图像各点的灰度值检测地毯织物表面粗糙度的变化情况，该方法虽然一定程度上了解了地毯表面的磨损，但是它无法区分磨损和织物纹理造成的不同灰度值，因此测试精度不高。Sul[7]等研究人员也用类似的方法获取非织物表面的图像，通过图像处理后观测织物表面起球或疵点，其精度好于前者，但表征织物表面粗糙度尚不够精确。

这些通过图像处理技术用灰度值表征织物表面粗糙度的方法都存在明显的缺陷，即图像的灰度值变化无法区分织物表面纤维磨损还是表面疵点，亦或织物纹理，测量精确度受到较大影响。此外织物本身颜色的不同也会影响测试的精确度。

3)超声检测法

超声声速与一定表面面积接触，根据超声波传播时间(间接反映传播距离)测得材料表面各点的位置，其测量结果反映了表面一定范围的总体平均粗糙度。

由此可见，现有的各种测量方法很难满足当前粗糙度测量准确、稳定、快速地实现表面粗糙度测量的要求，开发出一种激光非接触式表面粗糙度测量仪是今后的发展趋势。

发明内容

本发明的目的是提出一种非接触式织物表面粗糙度测试方法及测试装置，以解决现有技术存在的上述问题。

本发明的一种非接触式织物表面粗糙度测试方法，包括以下步骤：

(1)获取织物的一帧图像；

将织物沿经纱或纬纱方向折叠，获取包含垂直于织物平面的折叠处外形轮廓线的一帧图像；

(2)获得织物的多帧图像；

n次重复步骤(1)，即获得织物的n帧包含垂直于织物平面的折叠处外形轮廓线的图像；且：

n≥mR*([P/R]+1)，当P/R不为整数时；

n≥mP，当P/R为整数时；

其中，

R为织物组织循环纱线数，单位：根/循环；

P为纱线排列密度，单位：根/10cm；

m为[1,6]之间的整数；m的取值取决于测试者所需的粗糙度值精确度，m取值高则精确度高，但m值过高对支撑织物的机构要求较高，一般情况可取2或3或4。

(3)图像处理；

1)对灰度图像进行高斯低通滤波，去除背景噪声；

2)将滤波后的灰度图像的灰度范围由[g,255]线性映射到[0,255]；

3)将线性映射后的图像转化为二值图像；

4)对二值图像进行形态学处理，使二值图像边缘光滑；

5)对形态学处理后的二值图像使用Canny算子、Sobel算子、Laplacian算子、Roberts算子或Prewitt算子进行边缘检测，获取第i帧织物平面折叠处的外形轮廓坐标集(x_i,j,y_i,j)，i＝1,2,3…n，j＝1,2,3…k，k为轮廓像素点总数；

6)对原始轮廓坐标集(x_i,j,y_i,j)使用最小二乘法进行线性回归得到线性直线y＝bx+c，获得线性直线的倾斜角a，其中a＝arctan(b)，坐标集(x_i,j,y_i,j)乘以旋转矩阵[cos(a),sin(a)；-sin(a),cos(a)]进行倾斜校正，得到校正后的轮廓坐标集(x'_i,j,y'_i,j)；

7)获得校正后的第i帧织物平面折叠处的外形轮廓集(x'_i,j,y'_i,j)的均值直线其中求得第i帧轮廓曲线与均值直线之间的闭合面积之和S_i，单位为mm²：

$S_i=\underset{j=2}{\overset{k}{\mathrm{\Σ}}}\left(\right|{y^{\′}}_{i,j}-{\stackrel{\‾}{T}}_i|\×({x^{\′}}_{i,j}-{x^{\′}}_{i,j-1}\left)\right);$

(4)计算反映第i帧织物表面起伏的程度的SMD_i值；

SMD_i＝1000×S_i/L_i，

其中，L_i为第i帧均值直线的长度，单位为mm，均值直线的端点为和 λ为获取织物第i帧图像的放大比例；SMD_i单位是um；

(5)计算n帧图像起伏程度平均值SMD；

$SMD=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{SMD}}_i;$

即为织物表面粗糙度的表征。

作为优选的技术方案：

如上所述的一种非接触式织物表面粗糙度测试方法，获取织物的一帧图像采用拍摄或投影的方式；若图像为彩色图像，则需要转化为灰度图像；获得织物的多帧图像为n次在织物10cm长度内重复获得的图像帧数。

如上所述的一种非接触式织物表面粗糙度测试方法，所述折叠是指将织物环绕在轮轴上；所述轮轴的直径为1～10mm。

如上所述的一种非接触式织物表面粗糙度测试方法，所述步骤(2)获得织物的多帧图像是在一个或若干个织物组织循环范围内获取；所述若干个是指2～8个。

如上所述的一种非接触式织物表面粗糙度测试方法，所述高斯低通滤波所用高斯低通滤波器的截止频率取值为灰度图像宽度的3％-5％。

如上所述的一种非接触式织物表面粗糙度测试方法，所述线性映射法则为：灰度低于g的值映射为0，g至255的灰度值映射为0-255；其中g取值范围为：20-30，增强灰度图像对比度。

如上所述的一种非接触式织物表面粗糙度测试方法，所述转化为二值图像使用最大类间方差法、固定阈值法或迭代法；所述形态学处理的方法有膨胀、腐蚀、开运算和闭运算，其中结构元素为圆盘，圆盘半径取值范围为3-6个像素。

本发明还提供了一种非接触式织物表面粗糙度测试装置，一种非接触式织物表面粗糙度测试装置，包括固定在第一轮轴两端的两个转轮、固定在第二轮轴两端的两个转轮和固定在所述第一轮轴、第二轮轴上并和所述第一轮轴、第二轮轴组成长方形框架的框板，所述织物环绕在所述第一轮轴和第二轮轴上；一摄像头置于所述第一轮轴顶端的上方；所述第一轮轴每转过一定角度就拍摄一帧图像。

如上所述的一种非接触式织物表面粗糙度测试装置，所述转轮为一面标识有刻度的圆盘；所述长方形框架侧面安装有一金属指针。

如上所述的一种非接触式织物表面粗糙度测试装置，每拍摄一帧图像，织物移动100/n毫米，此时所述转轮转过的角度θ＝100/(r*n)；r为第一轮轴的半径，单位mm；n为图像帧数/10cm。

有益效果

本发明的一种非接触式织物表面粗糙度测试装置结构简单，实现的测量方法能准确、稳定、快速地实现表面粗糙度测量的要求。

附图说明

图1为本发明一种非接触式织物表面粗糙度测试装置的结构示意图

图2为基于图像处理技术的非接触式粗糙度测试原理图

图3为图2中图像形成图

图4为原始灰度和映射后灰度关系图

具体实施方式

下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的一种非接触式织物表面粗糙度测试方法，包括以下步骤：

(1)获取织物的一帧图像；

将织物沿经纱或纬纱方向折叠，获取包含垂直于织物平面的折叠处外形轮廓线的一帧图像；

(2)获得织物的多帧图像；

n次重复步骤(1)，即获得织物的n帧包含垂直于织物平面的折叠处外形轮廓线的图像；且：

n≥mR*([P/R]+1)，当P/R不为整数时；

n≥mP，当P/R为整数时；

其中，

R为织物组织循环纱线数，单位：根/循环；

P为纱线排列密度，单位：根/10cm；

m为[1,6]之间的整数；

(3)图像处理；

1)对灰度图像进行高斯低通滤波，去除背景噪声；

2)将滤波后的灰度图像的灰度范围由[g,255]线性映射到[0,255]，如图4所示；

3)将线性映射后的图像转化为二值图像；

4)对二值图像进行形态学处理，使二值图像边缘光滑；

5)对形态学处理后的二值图像使用Canny算子、Sobel算子、Laplacian算子、Roberts算子或Prewitt算子进行边缘检测，获取第i帧织物平面折叠处的外形轮廓坐标集(x_i,j,y_i,j)，i＝1,2,3…n，j＝1,2,3…k，k为轮廓像素点总数，

6)对原始轮廓坐标集(x_i,j,y_i,j)使用最小二乘法进行线性回归得到线性直线y＝bx+c，获得线性直线的倾斜角a，其中a＝arctan(b)，坐标集(x_i,j,y_i,j)乘以旋转矩阵[cos(a),sin(a)；-sin(a),cos(a)]进行倾斜校正，得到校正后的轮廓坐标集(x'_i,j,y'_i,j)；

7)获得校正后的第i帧织物平面折叠处的外形轮廓集(x'_i,j,y'_i,j)的均值直线其中求得第i帧轮廓曲线与均值直线之间的闭合面积之和S_i，单位为mm²：

$S_i=\underset{j=2}{\overset{k}{\mathrm{\Σ}}}\left(\right|{y^{\′}}_{i,j}-{\stackrel{\‾}{T}}_i|\×({x^{\′}}_{i,j}-{x^{\′}}_{i,j-1}\left)\right);$

(4)计算反映第i帧织物表面起伏的程度的SMD_i值；

SMD_i＝1000×S_i/L_i，

其中，L_i为第i帧均值直线的长度，单位为mm，均值直线的端点为和 λ为获取织物第i帧图像的放大比例；SMD_i单位是um；

(5)计算n帧图像起伏程度平均值SMD；

$SMD=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{SMD}}_i;$

即为织物表面粗糙度的表征。

其中，获取织物的一帧图像采用拍摄或投影的方式；若图像为彩色图像，则需要转化为灰度图像；获得织物的多帧图像为n次在织物10cm长度内重复获得的图像帧数。

其中，所述折叠是指将织物环绕在轮轴上；所述轮轴的直径为1～10mm。

其中，所述步骤(2)获得织物的多帧图像是在一个或若干个织物组织循环范围内获取；所述若干个是指2～8个。

其中，所述高斯低通滤波所用高斯低通滤波器的截止频率取值为灰度图像宽度的3％-5％。

其中，所述线性映射法则为：灰度低于g的值映射为0，g至255的灰度值映射为0-255；其中g取值范围为：20-30，增强灰度图像对比度。

其中，所述转化为二值图像使用最大类间方差法、固定阈值法或迭代法；所述形态学处理的方法有膨胀、腐蚀、开运算和闭运算，其中结构元素为圆盘，圆盘半径取值范围为3-6个像素。

如图1、2、3所示，本发明的一种非接触式织物表面粗糙度测试装置，包括固定在第一轮轴1两端的两个转轮、固定在第二轮轴2两端的两个转轮和固定在第一轮轴1、第二轮轴2上并和第一轮轴1、第二轮轴2组成长方形框架的框板，织物环绕在第一轮轴1和第二轮轴2上；一摄像头置于第一轮轴顶端的上方；第一轮轴每转过一定角度就拍摄一帧图像。

其中，转轮为一面标识有刻度的圆盘3；长方形框架侧面安装有一金属指针4。每拍摄一帧图像，织物移动100/n毫米，此时所述转轮转过的角度θ＝100/(r*n)；r为第一轮轴的半径，单位mm；n为图像帧数/10cm.。

Claims (10)

1.一种非接触式织物表面粗糙度测试方法，其特征是包括以下步骤：

(1)获取织物的一帧图像；

将织物沿经纱或纬纱方向折叠，获取包含垂直于织物平面的折叠处外形轮廓线的一帧图像；

(2)获得织物的多帧图像；

n次重复步骤(1)，即获得织物的n帧包含垂直于织物平面的折叠处外形轮廓线的图像；且：

n≥mR*([P/R]+1)，当P/R不为整数时；

n≥mP，当P/R为整数时；

其中，

R为织物组织循环纱线数，单位：根/循环；

P为纱线排列密度，单位：根/10cm；

m为[1,6]之间的整数；

(3)图像处理；

1)对灰度图像进行高斯低通滤波，去除背景噪声；

2)将滤波后的灰度图像的灰度范围由[g,255]线性映射到[0,255]；

3)将线性映射后的图像转化为二值图像；

4)对二值图像进行形态学处理，使二值图像边缘光滑；

5)对形态学处理后的二值图像使用Canny算子、Sobel算子、Laplacian算子、Roberts算子或Prewitt算子进行边缘检测，获取第i帧织物平面折叠处的外形轮廓坐标集(x_i,j,y_i,j)，i＝1,2,3…n，j＝1,2,3…k，k为轮廓像素点总数，

6)对原始轮廓坐标集(x_i,j,y_i,j)使用最小二乘法进行线性回归得到线性直线y＝bx+c，获得线性直线的倾斜角a，其中a＝arctan(b)，坐标集(x_i,j,y_i,j)乘以旋转矩阵[cos(a),sin(a)；-sin(a),cos(a)]进行倾斜校正，得到校正后的轮廓坐标集(x'_i,j,y'_i,j)；

7)获得校正后的第i帧织物平面折叠处的外形轮廓集(x'_i,j,y'_i,j)的均值直线其中求得第i帧轮廓曲线与均值直线之间的闭合面积之和S_i，单位为mm²：

$S_i=\underset{j=2}{\overset{k}{\mathrm{\Σ}}}\left(\right|{y^{\′}}_{i,j}-{\stackrel{\‾}{T}}_i|\×({x^{\′}}_{i,j}-{x^{\′}}_{i,j-1}\left)\right);$

(4)计算反映第i帧织物表面起伏的程度的SMD_i值；

SMD_i＝1000×S_i/L_i，

其中，L_i为第i帧均值直线的长度，单位为mm，均值直线的端点为和 λ为获取织物第i帧图像的放大比例；SMD_i单位是um；

(5)计算n帧图像起伏程度平均值SMD；

$SMD=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{SMD}}_i;$

即为织物表面粗糙度的表征。

2.根据权利要求1所述的一种非接触式织物表面粗糙度测试方法，其特征在于，获取织物的一帧图像采用拍摄或投影的方式；若图像为彩色图像，则需要转化为灰度图像；获得织物的多帧图像为n次在织物10cm长度内重复获得的图像帧数。

3.根据权利要求1所述的一种非接触式织物表面粗糙度测试方法，其特征在于，所述折叠是指将织物环绕在轮轴上；所述轮轴的直径为1～10mm。

4.根据权利要求1所述的一种非接触式织物表面粗糙度测试方法，其特征在于，所述步骤(2)获得织物的多帧图像是在一个或若干个织物组织循环范围内获取；所述若干个是指2～8个。

5.根据权利要求1所述的一种非接触式织物表面粗糙度测试方法，其特征在于，所述高斯低通滤波所用高斯低通滤波器的截止频率取值为灰度图像宽度的3％-5％。

6.根据权利要求1所述的一种非接触式织物表面粗糙度测试方法，其特征在于，所述线性映射法则为：灰度低于g的值映射为0，g至255的灰度值映射为0-255；其中g取值范围为：20-30，增强灰度图像对比度。

7.根据权利要求1所述的一种非接触式织物表面粗糙度测试方法，其特征在于，所述转化为二值图像使用最大类间方差法、固定阈值法或迭代法；所述形态学处理的方法有膨胀、腐蚀、开运算和闭运算，其中结构元素为圆盘，圆盘半径取值范围为3-6个像素。

8.一种非接触式织物表面粗糙度测试装置，其特征是：包括固定在第一轮轴两端的两个转轮、固定在第二轮轴两端的两个转轮和固定在所述第一轮轴、第二轮轴上并和所述第一轮轴、第二轮轴组成长方形框架的框板，所述织物环绕在所述第一轮轴和第二轮轴上；一摄像头置于所述第一轮轴顶端的上方；所述第一轮轴每转过一定角度就拍摄一帧图像。

9.根据权利要求8所述的一种非接触式织物表面粗糙度测试装置，其特征在于，所述转轮为一面标识有刻度的圆盘；所述长方形框架侧面安装有一金属指针。

10.根据权利要求9所述的一种非接触式织物表面粗糙度测试装置，其特征在于，每拍摄一帧图像，织物移动100/n毫米，此时所述转轮转过的角度θ＝100/(r*n)；r为第一轮轴的半径，单位mm；n为图像帧数/10cm。