我有一个在日本a mountain的数码照片的集合。然而，山常常被云或雾遮蔽。

我可以使用什么技术来检测山在图像中可见？我目前使用Perl与Imager模块，但开放替代品。

所有图像都来自完全相同的位置 – 这些是一些样品。

我天真的解决方案

我开始采取山锥的几个水平像素样本，并将亮度值与来自天空的其他样本进行比较。这对于区分良好图像1和不良图像2很有效。

然而在秋天，它下雪，山变得比天空更亮，像图像3，我的简单亮度测试开始失败。

图像4是边缘情况的示例。我会把这个分类为一个好的形象，因为一些山是清晰可见的。

更新1

谢谢你的建议 – 我很高兴你大大高估了我的能力。

基于答案，我开始尝试@L_404_2@变换，这给我一个更简单的图像来分析。

convert sample.jpg -edge 1 edge.jpg

我假设我应该使用某种掩蔽，以摆脱树木和大部分的云。

一旦我有掩蔽的图像，什么是最好的方式来比较相似性与“好的”图像？我猜“compare”命令适合这项工作吗？如何从这里获得数字“相似”值？

更新2

我想我可能在某个地方卷曲。

我通过对一个好的图像执行边缘检测，我做了我的’内核’图像(下面的图像的顶部)。然后我把所有的“噪音”围绕山的轮廓，然后裁剪它。

然后我使用下面的代码：

use Image::Magick;

# Edge detect the test image
my $test_image = Image::Magick->new;
$test_image->Read($ARGV[0]);
$test_image->Quantize(colorspace=>'gray');
$test_image->Edge(radius => 1);

# Load the kernel
my $kernel_image = Image::Magick->new;
$kernel_image->Read('kernel-crop.jpg');

# Convolve and show the result
$kernel_image->Convolve(coefficients => [$test_image->GetPixels()]);
$kernel_image->Display();

我运行这个为各种样品图像，我得到的结果如下(卷积图像显示在每个样品下面)：

(抱歉 – 上次不同的示例图片！)

现在我想量化一个图像是如何’ridgy’。我试图取图像平均亮度：

$kernel_image->Scale('1x1');
die $kernel_image->GetPixel(x=>1,y=>1)[0];

但这给出不给出有意义的值(0.0165,0.0175和0.0174)。任何更好的方法？