客戶需求∶ 我需要檢測車燈的打出來的光的顏色組成，如果超出範圍則發出警示。
檢測手法∶
- 車燈點亮，照射到前方白板。
- 相機拍攝白板，取得影像。
- 視覺檢測系統進行分析使用圖像分割技術（例如閾值處理、分水嶺算法、區域增長等）來檢測影像中光亮處的影像。
- 顏色檢測： 分析影像的色相分佈，與Golden樣本的色相分佈，使用歸一相似度”（Normalized Similarity）來比對，當相似度超出設定範圍時，則發出警報。
色相直方圖分佈∶
影像的色相直方圖分佈是描述影像中不同色相值的統計分佈情況。在色相直方圖中，色相值通常被劃分成若干個區間，例如0到180度之間的若干個小區間。然後，統計圖像中每個區間內像素的數量或者像素的比例，形成一個直方圖。
色相直方圖可以反映出圖像中各個色相的分布情況，即哪些色相在圖像中佔據主導地位，哪些色相較少出現。通過觀察色相直方圖，可以直觀地了解圖像的整體顏色分布情況，以及圖像中具體顏色的特徵。
通常，色相直方圖是基於圖像的色彩空間進行計算的，例如RGB色彩空間或者HSV色彩空間。在HSV色彩空間中，色相（Hue）表示顏色的種類或者色調，因此色相直方圖反映了圖像中不同種類顏色的分布情況。
通過比較不同圖像的色相直方圖分佈，我們可以評估它們之間的顏色相似度或者差異度，從而用於圖像檢索、圖像分類、圖像匹配等領域。
歸一相似度∶
“歸一相似度”（Normalized Similarity）指的是將相似度值歸一化到特定的範圍內，通常是0到1之間。這樣做的目的是使得相似度值更易於理解和比較，不受圖像尺寸、亮度等因素的影響。
在計算兩個直方圖的相似度時，我們可以得到一個原始的相似度值，表示它們之間的相似程度。但是這個值的範圍通常不是固定的，並且可能受到直方圖的大小、圖像的亮度等因素的影響。因此，將這個相似度值歸一化到0到1之間可以消除這些影響，使得相似度更具有可比性。
在歸一化相似度中，常見的做法是使用以下公式：
歸一化相似度=原始相似度直方圖1的總和+直方圖2的總和−原始相似度
歸一化相似度=
直方圖1的總和+直方圖2的總和−原始相似度
原始相似度
這樣得到的歸一化相似度值會保證在0到1之間，其中1表示完全相同，0表示完全不同。
| 合格 |
 |
 |
| 相似度：0.987 |
| 偏紅 |
 |
 |
| 相似度：0.552 |
| 偏黃 |
 |
 |
| 相似度：0.231 |
| 偏綠 |
 |
 |
| 相似度：0.318 |
| 偏藍 |
 |
 |
| 相似度：0.239 |