我正在学习OpenCV的基础知识，我想一个好的项目可以帮助我增加学习的乐趣。经过思考一些想法，我想到了一些材料识别项目。比方说，我给自己找了一个传送带，它正在为生产某种产品运送材料（这个产品并不重要）。有3种材料，照明条件会有所不同，（早上到下午使用自然光，晚上使用灯泡）。这应该就是问题的描述了。
我想用沙子、木头和石头，这些都是很容易得到的。 并把它们放在塑料表面。拍完照片后，我会应用一些直方图来得到颜色，用这个颜色来识别材料。但是，由于雷电条件会随着时间的推移而改变，当我拍下这张照片并应用直方图时，颜色就会改变，材料就无法正常识别。而且我想，如果我用沙子和灰尘，它们的颜色非常相似，但质地不同，有没有什么东西可以帮我解决这个问题？
我只是想知道一些想法，也许有这方面的专家能指导我。
相当高级的一个起步项目的想法。光线的差异可以用HSV或其他颜色空间，采取Hue组件来解决。然而 "纹理 "这件事可以用两种方式来处理。
特征描述符: 如果你处理灰度图像，有一组特征描述符，称为灰度共现矩阵(GLCM)，它给出了图像中不同区域的纹理度量。这在Matlab中是存在的，对于OpenCV有以下代码。在C语言中.
因此，你可以拍摄几张沙子、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。然后用负样本来训练它。分类器的特征向量将是每张图片的GLCM输出。然后在实际图片上运行它，看看它们的准确度如何。
纹理粗糙度: 遇到 这个 这篇有用的论文展示了一种称为 Eigen Transform 的纹理 "粗糙度 "的单值测量方法。计算非常简单，尤其是当你使用OpenCV的 SVD() 用于特征值计算。本征变换的结果给出了与该部分粗糙度相对应的数值。这可以用来分离出需要的部分。