如何精准识别网格单元格内的4类卡片与空单元格？

场景说明 #

带网格的板件每个网格单元格可放置以下卡片或留空：

当前已完成板件图像变换处理，可独立裁剪出每个单元格区域，先后尝试直方图比对、模板匹配方案识别效果较差；后续采用平均HSV值区间判断的方案存在分类不稳定问题，典型问题为白色卡片的Hue值检测结果在350、1之间跳变，无法稳定分类。

现有方案失效核心原因 #

• 直方图比对、全尺寸模板匹配对光照波动、裁剪位置偏移、卡片轻微印刷色差的容忍度极低，只要实际拍摄图像和模板有轻微偏差就会匹配错误
• 直接使用全图平均HSV做判断存在两个硬伤：一是Hue通道是环形取值（0和360对应同一个红色端点，350和1本质属于相邻色相区间，线性区间判断必然会把同色分到两类）；二是白、灰、黑这类低饱和度像素的Hue值本身是无意义的随机噪声，混入统计会直接带偏整体结果。

可直接落地的稳定识别方案 #

1. 单元格预处理消除基础干扰 #

• 对裁剪得到的单元格图像，先裁掉边缘10%~15%的区域，仅保留中心主体部分，彻底避开网格线、单元格边框、卡片边缘阴影、印刷白边的干扰
• 对保留的中心区域做光照归一化：将RGB三个通道的像素值做线性拉伸，把通道内亮度最低的0.5%像素映射为0，亮度最高的0.5%像素映射为255，抵消环境光强弱变化带来的整体明暗偏差

2. 优化HSV统计逻辑，解决数值跳变问题 #

不要直接计算全图平均HSV，先筛选有效像素再做分类统计

• 逐像素判定有效性：将饱和度低于10%、亮度低于15%、亮度高于95%的像素标记为无效像素——这类像素对应高光、阴影、白色印刷区域，本身没有明确色相，Hue值为随机噪声，不参与后续统计
• 对剩余有效彩色像素做环形Hue区间适配：判定色相时不要用线性区间切割，比如红色邻域同时覆盖Hue值[0,20]和[340,360]两个段，从根源解决Hue值在0/360边界跳变导致的分类错误
• 基于三类统计特征做分类，不要仅依赖平均值：
  • 无效像素占比：占比超过90%时，直接判定为白色卡片或空单元格，二者可通过平均亮度区分：空单元格为板件底色，平均亮度比白色卡片低15%以上
  • 有效像素的Hue值众数（不要用平均值，平均值易被少量杂色拉偏）：众数落在220_{250区间为蓝色卡片，落在45}70区间为黄色卡片
  • 有效像素占比：带图案的旅程卡彩色像素占比在30%~70%区间，远低于纯色蓝、黄卡片85%以上的彩色像素占比，且旅程卡的Hue值不会集中在单一区间，会出现多个明显的色相峰值，可和纯色卡明确区分

3. 低置信度兜底方案 #

当上述规则判断的置信度低于阈值（比如两类目标的特征差值小于10%），可采用轻量匹配兜底，不需要部署重模型：

• 将预处理后的单元格中心区域缩放到16*16分辨率的灰度图，和提前存储的5类标准样本（空、蓝卡、白卡、黄卡、旅程卡）计算像素差的绝对值之和，取差值最小的类别作为结果即可。该方法比全尺寸模板匹配运算速度快两个数量级，抗偏移、抗光照干扰能力更强，足够覆盖所有边缘场景。

内容的提问来源于stack exchange，提问作者Marvin Gornicec