我是否应该使用直方图或其他更高级的数学工具（如贝叶斯网络）进行材料分类/识别？

Question

我正在学习OpenCV的基础知识，我认为一个好的项目可以帮助我使学习变得更有趣。在思考了一些想法后，我想出了一些材料识别项目。比方说，我给自己买了一台输送机，它用来运送生产某种产品的材料（这个产品其实并不重要，但是）。有3种材料，照明条件会有所不同（从早上到下午使用自然光，晚上使用灯泡）。这就是问题描述。在

我想用沙子，木头和石头，这些东西很容易弄到。把它们放在塑料表面上。拍完照片后，我会应用一些直方图来获得颜色，并使用这种颜色来识别材质。但是，由于闪电的条件会随着时间的推移而变化，当我拍下这张照片并应用直方图时，颜色会发生变化，材料将无法正确识别。我想，如果我用沙子和灰尘，它们的颜色非常相似，但质地不同，有什么可以帮助我的吗？在

我只是想要一些想法，也许这个领域的专家可以指导我。在

Answer 1

对于一个开始的项目来说，这是一个相当先进的想法。色相的差异可以用色相或色相来表示。然而，“质地”的问题可以用两种方式来处理：

1. 特征描述符：如果你处理灰度图像，有一组称为灰度共生矩阵（GLCM）的特征描述符，它给出了图像中不同区域纹理的度量。这是在Matlab中提供的，对于OpenCV有以下代码：in C。在

   所以你们可以拍摄一些沙子、木材和岩石的标准照片，并将它们作为分类器上的训练样本——NN、SVM、OpenCV的Haar分类器等等。然后用阴性样本训练它。分类器的特征向量将是每个图片的GLCM输出。然后在实际图片上运行它，看看它们有多准确。

2. 纹理粗糙度：偶然发现了this有用的论文，它展示了一种称为特征变换的纹理“粗糙度”的单值度量。计算非常简单，特别是如果使用OpenCV的SVD()来计算特征值。本征变换的结果给出了与该部分粗糙度相对应的值。这可以用来分离出所需的部分。