第一节说说具体的故事和做这件事的想法，头脑风暴一下
第二节说实现的算法
最近有位朋友告诉我说他们在做纺织机的纱管自动化收集。用工业相机拍照，然后识别纱管的情况，以此操作自动化设备进行自动处理。
讨论了一段时间，就抽时间做了一个demo，顺便把从需求到实现的流程和大概的方法给大家说说。
大概落实了一些需求，我提问了如下的几个问题，整理的答复如表
实际的相机拍的图片有一些，然后还有各色的纱管找了一堆拍了个照片。
按照我做图像处理的经验，从第一印象上，我看到每个纱管都有反光的两个很亮的条带，经过求证，这是给工业相机配用的灯光，由于相对位置固定，因此会出现两条反光。
我就以此作为检测的一个重要参数进行了试验。
第一步试验：获取横向投影。
为了验证效果，我还进行了横向的分段投影。投影的方式尝试了几种，开始的时候是采用了HSV的H分量(色度)，画出来是下面这样。对应的各个位置还是很清晰的。因为这个照片本身就具有很好的横向特征。
后来还尝试了灰度图，分别是黑色、红色、蓝色、绿色的纱管，得到的投影曲线和 没有纱管的曲线(粗的浅绿色)还是很明显具有不同特点的
特别是从250-400这一段上的投影，很明显可以看到有纱管的时候的反光条对投影曲线的影响很明显
有无纱管基本上就可以通过这种投影来判断。 后来的试验也验证了通过检测反光条对识别的有效性还是很高的。
解决了有无纱管的问题。再来看有无纱线的问题。
根据经验，我首先想的是多尺度的均值和均方差是否有效。经过几轮的试验，横向的均方差对探测有无纱线具有不错的效果。
还要解决纱管的方向问题。
当有纱线在管上的时候，一定是偏向大头的那一段的，因此有纱线的时候就比较好判断。
在图上也可以看出均值(红)和均方差(蓝)两条曲线的分布情况，能很明显的表征纱线的位置。
当没有纱线的时候，就要靠反光的两个条带了。结合纱管大头和小头的纹理(螺纹)分布的不同，就能界定纱管的方向。
根据上面的原理，就可以找到一些关键的值，作为特征向量。
理论上这些特征向量还是具有比较好的可分性的。
为了提高准确率，可以采用图像处理的方式对图像进行一些增强或者平滑等操作。
特征向量可以采用多种方式进行分类，我首先选用了之前使用的一个BP神经网络(http://blog.csdn.net/sdust_dx/article/details/51553736)
原理基本上就是这样。[ END ]
[另外朋友今天提出来说最好把纱管的颜色也识别出来。那么等我把颜色识别的功能做好以后放在第三节好了]