阴影图检测

* 基于阈值的方法：将图像转换为灰度图，然后设置阈值，将高于阈值的像素标记为前景，低于阈值的标记为阴影或背景。这种方法简单有效，适合对比度明显的场景。

* 颜色校正法：在彩色空间（如 HSV、YCbCr）检测色彩信息的变化，阴影部分通常亮度下降但色调保持不变。通过分析色彩和亮度的差异，可以区分阴影和前景。

* 光流分析：应用光流算法在序列图像之间分析运动信息，阴影一般不会产生实际的运动信息，通过这种分析可以区分真实运动物体和阴影。

* 机器学习模型：训练深度学习模型（如卷积神经网络）通过大量标记训练数据自动学习阴影和前景的区别，实现复杂场景下的精准检测。

* 边缘检测方法：使用边缘检测算法（如 Canny 边缘检测）找到图像中明显的边缘轮廓，阴影的边缘常不明显，通过此方法可辅助区分阴影区域。

* 时间域分析：在视频中，阴影的变化通常不如前景物体明显，通过帧间变化分析，检测出长时间不变或缓慢变化的区域作为阴影。

阴影投影仪：通过光源投射物体的阴影，利用光学系统放大影像，以检测和测量物体的外形和尺寸精度。

投影测量仪：使用投影放大技术，将阴影投射到屏幕上，通过比较影像与标准件，进行形状和位置的测量。

轮廓投影仪：借助边缘检测，分析影像中的轮廓，对几何形状进行评估，非常适用于小零件的精密度检测。

平行光管：发射平行光线，通过观察阴影的形变来检测物体表面的缺陷和变形情况。