缺陷孔洞识别
缺陷孔洞与非缺陷孔洞区别-借鉴思路
之前孔洞识别将所有封闭换都识别出来，但是存在的问题是，本身是封闭的正常部分也被识别，因此需要通过将两者区分开来；下图中都为所有孔洞，第三幅图中底部的圆孔为非缺陷孔洞，需要剔除。
缺陷孔洞的检测方法思路
从孔洞的几何特性进行区分：
①周边表面不规则性；
②轮廓曲线不规则性；
步骤
1、通过曲率估计的方法对孔洞轮廓周边的点集进行聚类，表示方式有高斯曲率、平均曲率（这两者不一定适合），形状索引1，是范围（-1，+ I）中的数字，是尺度不变的。形状指数特别好地捕捉了“局部形状”的直观概念。形状指数可以映射到直观的自然色标。形状索引用于描述曲面上任意点在表面领域二极结构的一种方法：
周边聚类的质心i的形状索引为：
2、通过对轮廓曲线的曲率与扭力两个几何特性进行区分。通过测量轮廓的切向量变化来判断是否为缺陷孔洞；
文章里说缺陷孔洞的切线变化是杂乱无章的，非缺陷孔洞在切线角度上的变化是平滑过渡的。
实际情况
植株的实际情况不同：
小型孔洞（多为缺陷孔洞，如上图-右）个点法向量较为一致，差异较小；
大型孔洞（如上图-中）法向量部分超圆内，部分朝圆外，差异较大；
按照上述思路，通过法向量差异进行判断，那么法向量差异小的为缺陷孔洞，法向量差异大的为非缺陷孔洞；
思路：依次获取孔洞个点的法向量，并比较向量两点法向量的角度差，即每条边两个顶点的角度差，计算平均角度差与标准角度偏差，小于设定阈值为缺陷孔洞，否则不为缺陷孔洞
伪码：
1 | vector<vector<vertex>>holes_out; |
结果
设定平均角度阈值为0.4（22.9°），rmse阈值为0.5
设定平均角度阈值为0.2（11.45°），rmse阈值为0.5
设定平均角度阈值为0.4（22.9°），rmse阈值为0.3
设定平均角度阈值为0.6（33.4°），rmse阈值为0.3
设定平均角度阈值为0.6（33.4°），rmse阈值为0.1
设定平均角度阈值为0.4（22.9°），rmse阈值为0.3
因此，平均角度阈值与rmse阈值对于孔洞有一定效果
但是仍存在一些问题：不封闭孔洞，以及半边数据构成的孔洞实际为单独的面片结构。
相关引申资料概念
平均形状概念
基于形状索引特征的平均值
形状索引特征概念
一种特征描述子，与形状相关，可有曲率、法向量等信息表示；
图形特征
对象识别特征
1、对于类间变化敏感，有效区分对象与背景；
2、类内不变形，对同一个对象在不同的角度、光照、表情（人体）、弯曲情况（植株叶片）的变化具有一定的不不变性。手工特征：Gabor，LBP，SIFT；无监督学习：LE；
导数表
