当我们寻找问题的解决方案或把握机会时，通常很难找到*适合的解决方案。本文介绍了光谱成像技术的概况，旨在帮助用户判断它是否可以成为成功解决方案的有效手段。

高光谱成像具备图谱合一的特性，既体现图像的纹理、颜色等图像信息，并且每一个图像像元都包含更丰富的光谱（演示）信息，可用于分了、识别、定性以及定量反演地物属性，它输出的原始数据通常以“数据立方体”呈现出来的看做是每个像元的精细谱线。图片1展示了一个数据立方体的例子，它使用了两个空间维度（x和y）以及一个波长维度。

图1

图1.人脑只能利用视觉的三原色，而计算机视觉系统能够利用更多的颜色通道。有了更多的光谱（颜色）信息，光谱仪视觉系统就能更好的展现颜色差异。此外，光谱成像系统还可以检测红外谱段，从而可以利用人眼无法观察的反射率差异。

光谱成像在下列情况下或许能很好的解决你的机器视觉需求：

1.需要精确的光谱或色彩信息。(例如，区分相似颜色的物体；测量颜色（比如CIELAB）,测量重叠的荧光信号）

2.需要场景图像。(目标物不是均匀的一种颜色，或者我们感兴趣的区域中包含了多个对象，此时单点光谱仪无法准确采样或覆盖该区域）

举例能帮助我们更好的理解这两点。

举例：炸鸡块有两种瑕疵

（1）每个鸡块都有一部分缺少面粉

（2）两个鸡块接触会导致局部面糊过多，从而颜色较深且较脆。图2是用三个波段的光谱图像生成的炸鸡块的真彩色图。真彩色图像是用选用三个近似人类视场的 光谱图像波段生成的。其他图像效果，比如图1中的假彩色图像，可帮助我识别或突显出我们感兴趣的特征。

除了瑕疵，光谱图像还能区分出炸鸡表面浅金黄色和深金黄色的区域。

图2：煮熟的鸡块与瑕疵

图3：图2鸡块的光谱分类图

图3显示了炸鸡块的色彩分类图。缺少面粉的区域列为蓝色，面糊过多或过脆的区域列为深棕色。另外，黄色和橙色用于区分浅金黄色和深金黄色区域。不属于任何这些地方的像元标识为黑色。

实际情况中，人们可以利用这些结果来丢弃有较大瑕疵的鸡块，也可以利用浅金色和深金色像元的比例来控制烹调过程，或者烹制后通过混合使每一批鸡块深浅颜色协调兼具 不同的兴趣点有不同的代表性谱图。

比如，对于图3的结果，从每个类别中挑选几个像元点的谱图，进行平均后形成一个代表性的光谱曲线（图4）。

除了幅度不同，这几个代表性的光谱曲线形状略有差别。可将这些曲线与图像中任意点的谱图进行对比——有多种算法用于比较。实际情况下，自然变异和噪声使得代表性谱线和单个像元谱图无法*匹配。因此，往往设置一个阈值用以将像元分类。

图4：图3中显示的四种区块的平均光谱曲线

结束语：光谱成像技术是机器视觉应用的强大工具，尤其在区分相似颜色的物体或区域的领域。就像人眼一样，光谱成像可以被广泛的应用于各领域，包括质量控制（木材，纺织品，纸张，建筑材料，药物），过程控制（薄膜，含水量，颜色），分类（食品，可回收材料，矿物），遥感（水色遥感，环境遥感，农业遥感）等等。

随着科技发展，光谱成像系统成本会逐步降低，该技术的应用领域也越来越广泛，从微观尺度的显微镜观测到宏观尺度的飞机航拍，光谱成像技术都将发挥重要的作用。