矿堆识别（绿）
思路
1.要对颜色进行处理–了解颜色的聚类算法（无监督）
{
‘k-mean’:选定簇的数目；
‘mean-shift’:无须选定簇的数目；
}
簇的合并和分离（根据像素距离重组）—》不会······
2.如何做–>>HSV，颜色检测
3.优化–>>拼接,填洞
步骤：
1.均值漂移pyrMeanShiftFiltering彩色图像分割（色彩聚类平滑滤波 ）
2.然后转为HSV模型，做直方图均衡化
3.进行颜色检测，得到目标颜色的二值图像
4.开操作-删除一些零零星星的噪点
5.再使用闭操作-连接一些连通域，也就是删除一些目标区域的白色的洞
第一步
pyrMeanShiftFiltering–meanShfit均值漂移算法
聚类算法解释和分析：
meanshift算法深入
注：这个函数严格来说并不是图像的分割，而是图像在色彩层面的平滑滤波，它可以中和色彩分布相近的颜色，平滑色彩细节，侵蚀掉面积较小的颜色区域
第二步
颜色识别：
1.RGB转HSV
cvtColor(imgOriginal, imgHSV, COLOR_BGR2HSV);
2.直方图均衡化
split(imgHSV, hsvSplit);
equalizeHist(hsvSplit[2],hsvSplit[2]);
merge(hsvSplit,imgHSV);
3.颜色检测
void inRange(InputArray src, InputArray lowerb, InputArray upperb,
OutputArray dst);
4.存为二值图
优化
对二值图像进行开操作，删除一些零零星星的噪点，
Mat element = getStructuringElement(MORPH_RECT, Size(5, 5));
morphologyEx(imgThresholded, imgThresholded, MORPH_OPEN, element);
再使用闭操作，连接一些连通域，也就是删除一些目标区域的白色的洞。
morphologyEx(imgThresholded, imgThresholded, MORPH_CLOSE, element);
待改进：
1.簇的合并分离
2.优化的进步
3.利用pyrMeanShiftFiltering来优化道路
源码：http://blog.sina.com.cn/s/blog_63913ba601013336.html
https://blog.csdn.net/Dinosoft/article/details/78877917
都没看懂···
4.开，闭操作研究
5.看一个聚类实现代码