Python 我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/识别吗？

我正在学习OpenCV的基础知识，我认为一个好的项目会让我的学习更加有趣。在考虑了一些想法后，我提出了一些材料识别项目。比如说，我给自己买了一个输送机，它在运输生产某种产品的材料（这个产品其实并不重要，tho）。共有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

我想用沙子、木头和石头，它们很容易得到。然后把它们放在塑料表面上。拍摄完照片后，我将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，由于闪电条件会随着时间的推移而变化，当我拍摄这张照片并应用直方图时，颜色会发生变化，材料也无法正确识别。我想，如果我用沙子和灰尘，它们有非常相似的颜色，但不同的质地，有什么可以帮我吗

---

我只是想要一些想法，也许该领域的专家可以指导我。

对于一个启动项目来说，这是一个相当先进的想法。通过使用HSV或其他颜色空间，采用色调成分，可以解决照明的差异。但是，“纹理”问题可以通过两种方式处理：

特征描述符：如果处理灰度图像，有一组称为灰度共生矩阵（）的特征描述符，用于度量图像中不同区域的纹理。这是Matlab中提供的，对于OpenCV，有以下代码：

所以你们可以拍摄一些沙子、木头和岩石的标准照片，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。然后用阴性样本进行训练。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

纹理粗糙度：偶然发现了一篇有用的论文，其中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（）

计算特征值。本征变换的结果给出了对应于该部分粗糙度的值。这可用于分离出所需的部分