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)---同颜色药片缺陷检测​​

    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中一个混合颜色药片缺陷检测的实例，前面案例链接如上↑↑↑。

    Halcon中对应的例子为check_blister_mixed.hdev，用于检测药片包装中是否有错的药片或漏装的药片，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，比如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态的胶囊混合，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）设定黄色、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)，能区分对应颜色的同时，不要将几种颜色混淆；

    （2）按照上篇文章的方法，将药片分割成单个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，最后做结果判定即可。

    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：

    运行效果：