Pendapat saya adalah bahwa ini adalah masalah penglihatan mesin di mana Anda harus mengendalikan pencahayaan dan memiliki ide bagus tentang kecerahan maksimum kecerahan piksel non-silau pada gambar. Deteksi cacat umumnya masalah visi mesin daripada masalah visi komputer.
Apa yang kita lihat sebagai hasil pencahayaan adalah tambahan dari pantulan cahaya specular dan difus (ditambah beberapa pancaran tetapi diabaikan di sini).
Komponen specular adalah silau, pada permukaan mengkilap seperti apel ini, itu jauh lebih dari refleksi difus (> 10x)
Ini berarti bahwa jika Anda mengatur pencahayaan Anda, mendapatkan dan eksposur sebelum ini, pada permukaan difus, Anda dapat yakin bahwa tidak ada yang akan mendekati jenuh. Jadi menggunakan ambang batas tetap sebenarnya adalah solusi yang lebih disukai di sini, selama Anda telah membuktikan dengan data yang cukup bahwa "tidak ada piksel yang tidak mengandung silau" akan berada di atas ambang batas. Intinya, Anda mengatur kondisi pencahayaan, dan parameter kamera sedemikian rupa sehingga klasifikasi piksel menjadi sepele, dalam hal ini dilakukan oleh ambang sederhana, alih-alih fungsi piksel yang dipelajari mesin yang lebih kompleks di sekitarnya.
Saya suka pendekatan "vini", tidak perlu menunjukkan pesawat RGB. Hanya ambang grayscale sederhana yang benar-benar berfungsi di sini.
1 - Anda merancang kondisi pencahayaan, tidak ambient
2- membuat pekerjaan klasifikasi sangat sepele (thresholding)
3 - mengukur fitur
4 - bandingkan dengan toleransi