1 问题分析
1.1 目的
Demo需要实现的初步效果：从样本图片中识别出特定的两种碗，如黄色和红色的餐碗。
1.2 样本图片的分析
图片整体以白色为背景，对象为规则的圆形和颜色丰富的内容物。餐碗的颜色多为彩色，颜色鲜艳，内容物边缘信息丰富，轮廓清晰；
1.3 可实现的方法设想
使用HOG算子得到灰度梯度强度信息，对应图中边缘信息丰富的区域，二值化之后白色部分对应餐碗等边缘信息丰富的部分。
由于餐碗所在的区域聚集程度高，形态学运算后将这些区域连成一片，聚集程度最大的区域对应餐碗的中心。在黑白图中做距离变换，得到白色点到周围最近点的距离，得到统计数值。由统计数值可以知道最高点对应着白色区域的局部中心，数值意味着白色区域的局部最大内接圆的半径，也就是碗的最外层边缘。
得到碗的区域后做形态学操作得到最外围的环状区域，统计颜色值判断碗的类型。
2 算法实现步骤
2.1 软件环境
使用MATLAB2016a验证算法 。
2.2 算法实施过程
2.2.1 提取黑白图
使用hog算子计算灰度梯度，归一化之后得到灰度图像如下，其中灰度值越大表示边缘越明显。
将上述灰度图二值化得到黑白图如下：
将二值图进行形态学操作，去除白色区域的空洞
2.2.2 获取餐碗的真实区域
在上面得到的黑白图中，以一个半径为150的圆形算子进行腐蚀，相当于一个半径为150的圆盘在白色区域内滚动，凡是可以到达的地方就将该处的圆心置为白色。这样可以将盘子分离出来。得到盘子的中心区域，如下：、
对上面每一个区域再以相同半径的圆形算子膨胀，得到每一个碗的具体区域。由此可以近似地将每一个碗单独的分出来。
2.2.3 餐碗半径的估计
以盘子为例，使用形态学中的距离变换（详见MATLAB bwdist函数），得到的结果如图：
图中最高点的数值对应着白色区域的最大内接圆，用最大内接圆近似表示碗的位置和半径。结果如下：
2.2.4 餐碗的颜色判断
识别圆周附近圆环（圆环通过形态学操作得到）处的颜色种类 （统计圆环内对应的碗的颜色的像素，到达一定的数量或者比例即可认定为该类型的碗），如图，统计该环形区域的黄色碗像素。当黄色像素的个数超过一定比例即认为该碗的颜色为黄色。
2.2.5 结果分析
见文件夹【识别黄色碗结果】
可以看出，分割出来的碗的区域大致准确，但是轮廓边缘不准确；
当富含纹理的部分区域（含有菜的区域）太小时就只是得到了这一区域，缺失了碗的轮廓；
当菜的颜色太纯的时候，比方说全是黑色的时候，得到的边缘信息近乎没有，无法完成分割和检测。
2.3 存在的问题和改进
黑色物体可能边缘特征不明显，但是颜色信息明显 ，可以通过颜色的显著性判断是餐碗部分；
存在干扰：人手、桌上物品、桌子边缘，可以认为设定一个范围，去除范围之外的干扰 ；
光照不同，阴影等会误识别为边缘 ，总的来说影响较小；
由于上述算法只是使用了边缘强度信息得到的结果比较片面，可以考虑使用颜色信息；
基于颜色分割识别的思路：
颜色的分割可以使用合适的颜色空间进行分割，例如MATLAB自带的工具分割的效果就较好，结果类似下面。
不同的颜色空间对应的分量图片
分割出来的黄色餐碗部分
颜色的划分：在整张图中，彩色的前景与背景存在较大的差别。如图，颜色越鲜艳的区域越亮，灰色、白色区域较暗：
使用边缘信息也可以做分割，边缘图（这里只是使用了边缘算子检测得到的结果，也可以计算梯度强度然后阈值化得到二值图）
线段检测能够得到部分直线边缘：
对黑白图做投影统计可以看出餐碗存在的区域的大致范围，对log算子得到的灰度图做投影统计结果如下，可以大致判断x坐标点范围。
对二值图，可以尝试提取图中的长直线边缘，例如下图中比较光滑的白色区域：
