Halcon缺陷检测实例转OpenCV实现（五）混合颜色药片缺陷检测

---

    Halcon缺陷检测实例转OpenCV实现（一）---网格缺陷检测

    Halcon缺陷检测实例转OpenCV实现（二）--- PCB印刷缺陷检测

    Halcon缺陷检测实例转OpenCV实现（三）-凸缺陷​​检测

    Halcon缺陷检测实例转OpenCV实现（四）---同色药片缺陷检测

---

    本期文章继续介绍缺陷检测专题的第五个案例，用OpenCV实现Halcon中一个混合颜色缺陷检测的实例，前面案例链接如上↑↑↑。

    Halcon中对应的例子为check_blister_mixed.hdev，用于检测替换包装中是否有错的替换或漏装的替代，检测效果如下：

   （1）正常情况黄色胶囊3个，红色和绿色胶囊各6个

   （2 ）异常情况包括漏装，少装和错装

    Halcon实例中使用GMM分类方法来实现，GMM（高斯混合模型）常用图像分割分类，某些常见的运动物体检测中的前景和背景分割等，如下：

    使用OpenCV实现方法我们用简单的HSV颜色提取和轮廓分析即可，毕竟这个实例中颜色只有3种，我们可以避免准备和训练样本的步骤。当然，如果有更多的颜色或形状的胶囊混合，也可以加一个CNN分类网络来做每一个ROI的识别。我们这里只介绍HSV颜色提取方法，步骤也简单：

    （1）设置黄色，红色，绿色的HSV值范围（记得用我上篇文章给大家的工具或自己写个滑动条调试工具），能区分颜色的同时，不要将几种颜色替换；

    （2）按照上篇文章的方法，将分割成分段的ROI，然后提取对应的颜色轮廓比对；

    （3）比对颜色是否对应，同时轮廓的宽高是否满足要求，然后将每个满足要求的颜色轮廓计数，最后做结果确定即可。

    如下是核心代码和运行效果：

    （1）HSV颜色取值范围：

lower_yellow = np.array([0,40,40])upper_yellow = np.array([50,255,255])
lower_red = np.array([0,10,10])upper_red = np.array([10,255,255])
lower_green = np.array([20,60,50])upper_green = np.array([80,255,255])

    （2）颜色轮廓提取：

hsv_roi=cv2.cvtColor(small_roi,cv2.COLOR_BGR2HSV)mask_yellow = cv2.inRange(hsv_roi,lower_yellow,upper_yellow)mask_red = cv2.inRange(hsv_roi,lower_red,upper_red)mask_green = cv2.inRange(hsv_roi,lower_green,upper_green)mask_yellow = cv2.medianBlur(mask_yellow, 3)#中值滤波mask_red = cv2.medianBlur(mask_red, 3)#中值滤波mask_green = cv2.medianBlur(mask_green, 3)#中值滤波

    （3）单个胶囊判断与最终结果判断逻辑：

isRed = isGreen = False    if check_yellow:        #cv2.imshow("mask_yellow",mask_yellow)        contours2,hierarchy2 = cv2.findContours(mask_yellow, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)           for cnt2 in contours2:          (x2, y2, w2, h2) = cv2.boundingRect(cnt2)          if w2 > 5 and h2 > 5:            cv2.rectangle(img,(x1,y1),(x1+width+5,y1+height+13),(32,165,218),2)            yellow_num = yellow_num + 1            break##          else:##            cv2.rectangle(img,(x1,y1),(x1+width+5,y1+height+13),(0,0,255),2)##            isNG = True        if(len(contours2) < 1):          cv2.rectangle(img,(x1,y1),(x1+width+5,y1+height+13),(0,0,255),4)          isNG = True            if check_red:        contours2,hierarchy2 = cv2.findContours(mask_red, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)           #cv2.imshow("mask_red",mask_red)            for cnt2 in contours2:          (x2, y2, w2, h2) = cv2.boundingRect(cnt2)          if w2 > 30 and w2 < 60 and h2 > 20 and h2 < 45:            cv2.rectangle(img,(x1,y1),(x1+width+5,y1+height+13),(34,34,178),2)            red_num = red_num + 1            isRed = True            break
    if check_green:        #cv2.imshow("mask_green",mask_green)        contours2,hierarchy2 = cv2.findContours(mask_green, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)           for cnt2 in contours2:          (x2, y2, w2, h2) = cv2.boundingRect(cnt2)          #print(x2, y2, w2, h2)          if w2 > 30 and w2 < 60 and h2 > 20 and h2 < 45:            cv2.rectangle(img,(x1,y1),(x1+width+5,y1+height+13),(35,142,107),2)            green_num = green_num + 1            isGreen = True            break    if not isRed and not isGreen and i>0:      cv2.rectangle(img,(x1,y1),(x1+width+5,y1+height+13),(0,0,255),4)      isNG = True        cv2.putText(img,str(index), (x1,y1), font, 0.7, (255,0,0), 2)     #cv2.imshow("img",img)    #cv2.waitKey()if yellow_num != 3:  isNG = True  cv2.putText(img,"yellow pillow : %d"%yellow_num, (10,20), font, 0.7, (0,0,255), 2)else:  cv2.putText(img,"yellow pillow : %d"%yellow_num, (10,20), font, 0.7, (255,255,0), 2)      if red_num != 6:  isNG = True  cv2.putText(img,"red pillow : %d"%red_num, (10,40), font, 0.7, (0,0,255), 2)else:  cv2.putText(img,"red pillow : %d"%red_num, (10,40), font, 0.7, (255,255,0), 2)      if green_num != 6:  isNG = True  cv2.putText(img,"green pillow : %d"%green_num, (10,60), font, 0.7, (0,0,255), 2)else:  cv2.putText(img,"green pillow : %d"%green_num, (10,60), font, 0.7, (255,255,0), 2)print("yellow=%d,red=%d,green=%d"%(yellow_num,red_num,green_num))

    运行效果：

核心代码上面已展示，如果对完整原始码作者，欢迎加入知识星球获取，感谢。