確定物體顏色的最準確方法是什麼？
我編寫了一個計算機程序，可以使用計算機視覺的一些標準技術（高斯模糊、閾值、霍夫變換等）檢測靜態圖像（.jpeg、.png 等）中的硬幣。使用從給定圖像中拾取的硬幣的比率，我可以確定哪些硬幣是哪個。但是，我希望增加我的置信度，並確定我推斷為 A 型的硬幣（根據半徑比）是否也是正確的顏色[u]r。問題是對於英國硬幣等。（銅，銀，金），各自的顏色（特別是銅到金）非常相似。
我有一個程序可以根據 RedGreenBlue（RGB）“顏色空間”提取給定硬幣的平均顏色，並將該顏色轉換為 HueSaturationBrightness（HSB 或 HSV）“顏色空間”。
RGB 在嘗試區分三種硬幣顏色時不太好用（參見附加的 [基本] 圖像以獲取示例）。對於不同硬幣類型的顏色，我有以下範圍和典型值：
注意：這裡的典型值是使用真實圖像的“像素”平均值選擇的值。
**Copper RGB/HSB:** typicalRGB = (153, 117, 89)/(26, 0.42, 0.60). **Silver RGB/HSB:** typicalRGB = (174, 176, 180)/(220, 0.03, 0.71). **Gold RGB/HSB:** typicalRGB = (220, 205, 160)/(45, 0.27, 0.86)我首先嘗試使用給定的平均硬幣顏色（使用 RGB）和上面給出的每種硬幣類型的典型值之間的“歐幾里得距離”，將 RGB 值視為向量；對於銅，我們將擁有：
其中差的最小值（) 會告訴我們給定的硬幣最有可能是哪種類型。這種方法已經證明自己非常不准確。
我還嘗試將硬幣的色調與上面提供的類型的典型值進行比較。雖然理論上這提供了一個更好的“色彩空間”來處理圖像的不同亮度和飽和度水平，但它也不夠準確。
**問題：**根據顏色（從靜態圖像）確定硬幣類型的最佳方法是什麼？
非常感謝你花時間陪伴。
編輯 1
注意：我已經嘗試了下面討論的所有想法，但幾乎一無所獲。光照條件的差異（即使在同一張圖像中）使這個問題變得非常棘手，應該加以考慮。
編輯 2（結果摘要）
謝謝您的回答。我自己的進一步研究（包括您的回答和評論）強調了在任意照明、任意相機（移動設備）、硬幣顏色波動（即使對於同一物種/類型）的一般情況下處理這個問題是多麼困難等等。我首先將膚色識別（一個非常活躍的研究領域）作為起點，即使僅對白種人的膚色識別仍然存在許多問題（有關當前技術的評論，請參閱本文），並且這個問題包含三種不同的顏色對象，所有這些對像都可以具有連續和變化的色度，這使得計算機視覺這個主題成為一個很難分類和處理的主題（事實上，你可以在這方面取得很好的博士學位！）。
我從下面 DW非常有用的帖子中研究了色域約束方法。乍一看，這是一個非常有前途的預處理步驟，可以將圖像和單獨的硬幣對象轉換為獨立於光照條件的顏色。然而，即使這種技術也不能完美地工作（並且涉及用於映射的圖像/直方圖庫——我不想進入），更複雜的神經網絡架構方法也不能。事實上，這篇論文在摘要中指出：
"current machine colour constancy algorithms are not good enough for colour-based object recognition.".這並不是說沒有更多關於這個主題的最新論文，但我找不到它們，而且目前它似乎不是一個非常活躍的研究領域。
AVB的回答也很有幫助，我簡要地研究了 L A B *。
"The nonlinear relations for L*, a*, and b* are intended to mimic the nonlinear response of the eye. Furthermore, uniform changes of components in the L*a*b* colour space aim to correspond to uniform changes in perceived colour, so the relative perceptual differences between any two colours in L*a*b* can be approximated by treating each colour as a point in a three dimensional space."根據我所閱讀的內容，我的設備相關圖像到此顏色空間的轉換將是棘手的 - 但當我有更多時間時，我會詳細研究這一點（以實現某種實現）。
我並沒有屏住呼吸尋找這個問題的具體解決方案，在嘗試使用 L A B* 之後，我將忽略硬幣顏色並尋求確定我當前的幾何檢測算法（準確的橢圓霍夫變換等）。
謝謝大家。作為這個問題的結束說明，這是具有新幾何檢測算法的相同圖像，它沒有顏色識別：
兩件事，首先。
一，絕對不能在RGB中工作。您的默認值應該是 Lab（又名 CIE Lab*）色彩空間。丟棄
L。從您的圖像看起來a坐標為您提供了最多的信息，但您可能應該對第一個（最重要的）組件進行主成分分析，a並b沿著第一個（最重要的）組件工作，以保持簡單。如果這不起作用，您可以嘗試切換到 2D 模型。只是為了感受一下，在
a三枚淡黃色硬幣中，STD 低於 6，137（“黃金”）、154 和 162 的平均值應該可以區分。二是燈光問題。在這裡，您必須仔細定義您的問題。如果您想在任何照明和任何環境下區分接近的顏色 - 無論如何，您不能，不喜歡這樣。如果您只擔心亮度的局部變化，Lab 將主要解決這個問題。如果您希望能夠在日光和白熾燈下工作，您能否確保統一的白色背景，就像在您的示例圖像中一樣？一般來說，您的照明條件是什麼？
此外，從外觀上看，您的圖像是用相當便宜的相機拍攝的。它可能具有某種自動白平衡功能，這會使顏色變得非常糟糕——如果可以的話，把它關掉。看起來圖像在某些時候是用 YCbCr 編碼的（如果是攝像機，會發生很多），或者是 JPG 的類似變體；顏色信息嚴重欠採樣。在你的情況下，它實際上可能很好——這意味著相機已經在顏色通道中為你做了一些去噪。另一方面，這可能意味著在某些時候顏色信息也被量化得比亮度更強——這不太好。這裡最重要的是——相機很重要，你做什麼應該取決於你要使用的相機。
如果這裡有什麼沒有意義 - 發表評論。