不同光照条件下透明瓶内颜色识别的OpenCV优化方案咨询

• 优先切换光照鲁棒的颜色空间
  放弃原生RGB空间做颜色处理，将图像转换为Lab颜色空间，仅使用与亮度无关的a（红绿通道）、b（黄蓝通道）做后续计算，直接排除环境光明暗变化的干扰。如果需要更贴合人眼对颜色的感知，也可以选择HSV空间，仅提取S（饱和度）、H（色调）通道参与计算，忽略V（亮度）通道。
• 固定ROI缩小识别范围
  由于瓶子是按固定顺序排列的，提前为每个瓶身标定无边缘、无反光的核心区域作为ROI，仅对ROI内的像素做颜色提取，直接过滤背景、瓶身轮廓、瓶口瓶底、环境反光等无效信息的干扰。
• 动态参考白平衡替换固定预处理
  不要使用全局固定白平衡参数，在画面中选取固定位置的白色背景作为校准参考区，每帧识别前先拿参考区的像素值做实时白平衡校准，将当前环境光下的参考白映射到标准白的数值，再把相同的映射参数应用到所有瓶子的ROI区域，即可解决固定白平衡在正常白光下识别偏差的问题。可以调用cv2.xphoto.createSimpleWB()实现基础白平衡，也可以基于参考区的平均Lab值自定义映射逻辑。
• 软匹配替代硬阈值Color Masking
  放弃预定义的固定颜色阈值掩码方案，提前在标准光照下采集10种目标颜色（浅黄、浅黄、桃色、桃色、橙色、橙色、橙色、橙色、象牙白、粉色）的标准a、b通道均值作为基准库，识别时计算每个ROI的有效像素平均a、b值，与基准库中各颜色的数值计算欧氏距离，取距离最小的对应标签作为识别结果。可额外设置距离阈值，若最小距离超过阈值则触发异常校验，避免极端场景下的误识别。
• 前置反光抑制处理
  针对透明瓶的高光反光问题，识别前先对ROI的L（亮度）通道做过滤，剔除亮度值超过95%分位的高光像素，用剩余像素计算平均颜色，排除反光点对颜色统计的干扰。

以上方案落地后基本可以覆盖大部分常规环境光变化的场景，你可以先用现有的参考图像做流程验证，无需额外训练模型即可达到预期识别效果。

内容的提问来源于stack exchange，提问作者user2101977