私はOpenCVの基本を学んでおり、良いプロジェクトが勉強をもっと楽しくするのに役立つと思いました。いくつかのアイデアを考えた後、私はいくつかの材料認識プロジェクトを思いつきました。たとえば、私は自分でコンベヤーを手に入れ、それが何らかの製品を生産するための材料を輸送しているとしましょう（この製品は実際には問題ではありません）。素材は3種類あり、照明条件は異なります（朝から午後までは自然光、夜は電球を使用）。それが問題の説明になります。
入手しやすい砂、木、岩を使うことを考えていました。そしてそれらをプラスチックの表面に置きます。写真を撮った後、ヒストグラムを適用して色を取得し、この色を使用して素材を識別します。ただし、時間の経過とともに雷の状態が変化するため、この写真を撮ってヒストグラムを適用すると、色が変化し、素材が正しく認識されなくなります。そして、砂やほこりを使った場合、色は非常に似ていますが、質感が異なると思いましたが、それを助けることができるものはありますか？
私はただいくつかのアイデアが欲しいだけです、そして多分その分野の専門家が私を導くことができます。
プロジェクトを開始するための非常に高度なアイデアです。ライティングの違いは、Hue コンポーネントを使用して HSV または他の色空間を使用することで対処できます。ただし、「テクスチャ」の問題は、次の 2 つの方法で処理できます。
特徴記述子: グレー レベル画像を扱う場合、画像内のさまざまな領域のテクスチャの測定値を提供する、Gray Level Co-occurrence Matrix ( GLCM ) と呼ばれる一連の特徴記述子があります。これは Matlab にあり、OpenCV には次のコードがあります: in C。
したがって、砂、木、岩の標準的なショットをいくつか撮り、それらを分類器 (NN、SVM、OpenCV の Haar 分類器など) のトレーニング サンプルとして使用できます。次に、負のサンプルでトレーニングします。分類器の特徴ベクトルは、各画像の GLCM 出力になります。次に、実際の写真で実行し、それらがどれほど正確かを確認します。
テクスチャの粗さ:固有変換と呼ばれるテクスチャの「粗さ」の単一値測定を示すこの有用な論文に出会いました。SVD()特に固有値の計算に OpenCV を使用する場合、計算は非常に簡単です。固有変換の結果は、その部分の粗さに対応する値を与えます。これは、必要な部分を分離するために使用できます。