若干年前有句话“干掉熊猫我就是国宝了”，现如今感觉历史在一天天重演

[sgissb1]

无论在 v 站，还是其他技术类站点，有时会看到讨论或变相讨论“某某玩意是世上最好的”之类话题。

就连前段时间，我在做的一个图像处理的项目（用最简单的图像预处理+目标检测来识别答题卡），都被一哥们当着全公司的面说：“是不是答题卡这个项目调一下 opencv 的 api 就行了”，接着这哥们也充斥着各种雷人雷语：“以前做过机器学习，我觉得这个就很简单，可能不超过一百行或者一千行就能写出来的东西”。如果我不是和这位雷人王打过交道的话，我估计都受不了。毕竟 85 还是 82 的哥们，单身，嘴上爱挂着他们 B 公司如何如何的牛逼啥的，其实带个项目都一塌糊涂（早些年我 boss 喊我让我要么连同他的项目一起带算了，看他那么雷，还和我平级，我果断拒绝）

其实早在很多年前（刚毕业 0-2 年）的时候，我也很喜欢对某某技术、某某框架评头论足。自从后来接触了 chromium 、 webrtc 以及一个完整的音视频双向直播以后，我开始逐渐看开。

技术似乎现在被分为两类：工程类技术、科学类技术。 其实大家现在接触的，大多数是工程类技术，为了解决一类或者一群工程类问题演变出来的技术，没有谁好谁坏。只有谁更适合应对这样的场景。正如《设计模式》还是某本书前沿中说的一样：“好的构架师不会对某种设计模式评头论足，而是觉得这样的设计似乎更自然一些。”

人往往就是被一时冲昏头脑，就如我所说的那个雷人王一样，他认为我能做出来，他也一样能做出来一样。当我当着大家的面说：“我们主要在降噪、二值化和目标检测上做了一些事情时”，他居然还没有听明白时，我已经意识到他好像对部分知识的欠缺，以至于我后来和他说：“以前在学校的时候，我图像方向的，和老师搞过空域上的图像比对和图像 0矢量化压缩”时，他都还不知道放下内心的狂妄。

年纪大了一点，发现人就好叨叨。有时候很想把一些经验传播给我周围关系好的人，但发现听得进去的不多，以至于变成现实时，也还在一根筋。

今天也算是看到 v 站以及看书有感而发了。

[9hills]

@sgissb1 得了吧，就一个背后祥林嫂，还巴巴的不断回复找其他人的认同感，这是心理多脆弱。。

[SmiteChow]

忘了说了，倒不是攻击，我只是分类一下： uncle bob 就是追求工程极致的榜样， ying wang 和我自己应该算后面一类

[tjxjj]

也要好好磨砺一下自己的性格
和这个世界相处，真的不容易

[9hills]

@SmiteChow 我是前面一类，可能更加过一些。有些需求如果可以用非工程的办法解决，那就不用工程的办法。

再举个例子，比如某人做的答题卡识别的召回率比较低，只有 99.9%，也就是 一千份卷子中的一份需要人工识别
而从 99.9% 改进到 99.99%，可能需要耗时一个 RD 7 个工作日，价值 3000 块。

但是卷子总量只有 100w 份，也就是人工需要识别 1000 份，随便招个临时工一会就弄完了，价值 300 块。


那我会选择 2 ，只有当 2 的成本大于 1 的时候，才会选择 1

[byron]

歪个楼。
一堆扣子，基本没有特征点的这种。
要进行数量的识别，用什么思路搞比较好呢？

类似下面这种口子。

[zhicheng]

@byron 这是没特征？

[sgissb1]

@xxdd 感谢，其实我并不是非常稳重的人。

@SmiteChow 还有派系不明确自己造轮子的。别忘了他们，他们在任何行业，任何工作上都有。

@tjxjj 其实也不见得不容易，关键看遇到什么样的人。

@byron 粗略的特征好明显好不，你这是来打我的脸吗？如果你的大部分图像是这样的场景拾取的，主要问题还是要想办法去掉背景中的纹理（板凳“皮”上的纹理），接着要考虑粘连的情况。因为有些纽扣做完二值化之后可能会出现粘连的情况。简单的直接用边缘检测可能不行。另外如果颜色（伪颜色）都是确定的，也可以考虑分通道处理。

办法也很多，看你的场景了。纽扣检测和计数的我也见到很多哥们在做，不过不清楚具体的情况，没做过。

[answeror]

@byron http://docs.opencv.org/3.1.0/d3/db4/tutorial_py_watershed.html
http://www.pyimagesearch.com/2015/11/02/watershed-opencv/

[hinkal]

楼主说的这种人我也遇到过，水平一般，但装逼水平满分。但是不过觉得楼主也是值得自我批判的，说白了就是看不惯年轻人藐视自己。

[CTO]

我倒是蛮懒惰、傲慢、缺乏耐性的。。

[zhicheng]

@sgissb1 这个根本不需要考虑纹理。。。

[introom]

不知道，反正只要是应用数学，我觉得都大同小异，

[wanttofly]

以前老是觉得自己太张扬，后来渐渐变得太谦卑（对，就是这个词，我觉得太合适），好像有些不自信了，逛多了知乎和大牛的个人博客，渐渐会把自己看的很低。当然了，涉及到程序的时候的自信还是很多的，哈哈。但是就感觉世界上牛人实在太多，周围牛人实在太多，自己太渣。我的这种想法是不是也有点惨

[anyforever]

楼主就是个爱操心的命（非贬义），从这几点上就能看出来对方的态度，估计再过一段时间，你们就会拉开差距，不用急。

[zhicheng]

@byron @sgissb1 @answeror



代码

http://www.pyimagesearch.com/2015/11/02/watershed-opencv/

[shijingshijing]

@zhicheng 分水岭也是玩的溜啊～ 边缘识别出来以后，考虑求取各区域的 RGB 均值，可以分出粉色和白色。

PS ：现在用 Python 也可以这样玩了啊，我一直是在 C/C++下面弄 OpenCV 。

[shijingshijing]

@sgissb1 不要浪费时间。

[sgissb1]

@shijingshijing
@zhicheng

牛逼哈，我当时想到距离变换。哈哈哈哈。

不过可能是特征和原始图的关系，我赶脚 otus 不能直接做二值化（实际场景中）。看来多虑了，应该就事论事去看图。

[sgissb1]

@shijingshijing 已经那啥了，你懂的。

[byron]

@sgissb1 嗯，这一张是比较好识别的。
现在的需求是，固定的摄像头实时监控，之后点一个按钮，会抓拍一张照片，然后识别这张图片上的扣子数量。
而这张图片可能由于光线原因、角度原因，造成的扣子大小、颜色都会有不同。

我之前的做法是，阈值变换后，计算边缘，算有多少个圆。相连部分就来计算面积。

现在的问题就是必须固定摄像头，固定角度，高度，光线环境差不多一定，才可以很好的识别。

我们想达到的目的是，不论啥设备，啥分辨率，对焦，都不考虑，随手一拍即可完美识别。