顏色檢測
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∶ 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
