當我們尋找問題的解決方案或把握機會時，通常很難找到*適合的解決方案。本文介紹了光譜成像技術的概況，旨在幫助用戶判斷它是否可以成為成功解決方案的有效手段。
高光譜成像具備圖譜合一的特性，既體現圖像的紋理、顏色等圖像信息，并且每一個圖像像元都包含更豐富的光譜（演示）信息，可用于分了、識別、定性以及定量反演地物屬性，它輸出的原始數據通常以“數據立方體”呈現出來的看做是每個像元的精細譜線。圖片1展示了一個數據立方體的例子，它使用了兩個空間維度（x和y）以及一個波長維度。
圖1
圖1.人腦只能利用視覺的三原色，而計算機視覺系統能夠利用更多的顏色通道。有了更多的光譜（顏色）信息，光譜儀視覺系統就能更好的展現顏色差異。此外，光譜成像系統還可以檢測紅外譜段，從而可以利用人眼無法觀察的反射率差異。
光譜成像在下列情況下或許能很好的解決你的機器視覺需求：
1.需要精確的光譜或色彩信息。(例如，區分相似顏色的物體；測量顏色（比如CIELAB）,測量重疊的熒光信號）
2.需要場景圖像。(目標物不是均勻的一種顏色，或者我們感興趣的區域中包含了多個對象，此時單點光譜儀無法準確采樣或覆蓋該區域）
舉例能幫助我們更好的理解這兩點。
舉例：炸雞塊有兩種瑕疵
（1）每個雞塊都有一部分缺少面粉
（2）兩個雞塊接觸會導致局部面糊過多，從而顏色較深且較脆。圖2是用三個波段的光譜圖像生成的炸雞塊的真彩色圖。真彩色圖像是用選用三個近似人類視場的 光譜圖像波段生成的。其他圖像效果，比如圖1中的假彩色圖像，可幫助我識別或突顯出我們感興趣的特征。
除了瑕疵，光譜圖像還能區分出炸雞表面淺金黃色和深金黃色的區域。
圖2：煮熟的雞塊與瑕疵
圖3：圖2雞塊的光譜分類圖
圖3顯示了炸雞塊的色彩分類圖。缺少面粉的區域列為藍色，面糊過多或過脆的區域列為深棕色。另外，黃色和橙色用于區分淺金黃色和深金黃色區域。不屬于任何這些地方的像元標識為黑色。
實際情況中，人們可以利用這些結果來丟棄有較大瑕疵的雞塊，也可以利用淺金色和深金色像元的比例來控制烹調過程，或者烹制后通過混合使每一批雞塊深淺顏色協調兼具 不同的興趣點有不同的代表性譜圖。
比如，對于圖3的結果，從每個類別中挑選幾個像元點的譜圖，進行平均后形成一個代表性的光譜曲線（圖4）。
除了幅度不同，這幾個代表性的光譜曲線形狀略有差別。可將這些曲線與圖像中任意點的譜圖進行對比——有多種算法用于比較。實際情況下，自然變異和噪聲使得代表性譜線和單個像元譜圖無法*匹配。因此，往往設置一個閾值用以將像元分類。
圖4：圖3中顯示的四種區塊的平均光譜曲線
結束語：光譜成像技術是機器視覺應用的強大工具，尤其在區分相似顏色的物體或區域的領域。就像人眼一樣，光譜成像可以被廣泛的應用于各領域，包括質量控制（木材，紡織品，紙張，建筑材料，藥物），過程控制（薄膜，含水量，顏色），分類（食品，可回收材料，礦物），遙感（水色遙感，環境遙感，農業遙感）等等。
隨著科技發展，光譜成像系統成本會逐步降低，該技術的應用領域也越來越廣泛，從微觀尺度的顯微鏡觀測到宏觀尺度的飛機航拍，光譜成像技術都將發揮重要的作用。
