颜色识别

模块原理

颜色识别模块是对目标图像进行分类识别的工具，包含建模和识别两部分。

• 建模：通过输入一张或多张图像，选择图像中的ROI区域作为样本，设置样本标签，建立颜色模型。

• 识别：输入待识别图像的ROI区域，根据颜色模型中的样本与待识别区域的相似程度识别出最接近的标签类名称。

使用方法

颜色识别通过对图像样本建立颜色模型，识别计算目标与模型的相似程度，主要是对目标图像进行分类的工具。工具适用于目标物体颜色变化较为明显的场景，常用在“有无检测”场景，对于体积变化、形状变化等不适用。

颜色识别模块需要输入彩色图像（比如：图像源模块设置为输出RGB图像），后续一般是搭配需要使用的逻辑模块，对颜色识别模块的结果进行判断处理。

参数配置

以下仅介绍该模块的运行参数详情。通过配置运行参数，可定义当前模块如何处理输入的数据。

K值

表示选取前K个颜色样本中所占数量最多的类作为最佳识别结果，K值需小于所有标签类中的最小样本数。

KNN距离

是指不同特征值之间的距离，包含欧式距离、曼哈顿距离、相交距离、偏移距离四种。可根据具体情况调试选择，一般情况下推荐无条件使用偏移距离。

• 欧氏距离：最常见的距离变量，是指多维空间里两个点之间的真实距离。

• 曼哈顿距离：在二维坐标系中两点之间的横坐标和纵坐标的距离总和。

• 相交距离：由于历史兼容性原因保留，但效果不如偏移距离好。

• 偏移距离：推荐选择此项，运行效果最优。

模块结果

该模块的模块结果介绍请见颜色识别。