企业官网建设流程全解析

Halcon工业视觉实战：基于HSV空间的颜色分选技术深度解析

在工业自动化领域，颜色检测是产品质量控制的关键环节之一。无论是电子元件的色环识别、塑料制品的颜色分选，还是食品行业的外观检测，精准的颜色判断直接影响着生产效率和产品合格率。Halcon作为工业视觉领域的标杆软件，其强大的图像处理能力为颜色检测提供了多种解决方案。本文将聚焦最基础也最实用的阈值法，通过一个塑料盖颜色分选的完整案例，带您掌握从RGB到HSV颜色空间的转换技巧，以及如何构建稳定可靠的颜色检测流程。

1. 颜色空间基础与HSV优势

工业视觉中的颜色检测，本质上是对物体表面反射光特性的量化分析。RGB（红绿蓝）作为最直观的颜色表示方式，虽然采集方便但存在明显缺陷：三个通道高度耦合，亮度变化会同时影响所有通道值，这使得在复杂光照条件下难以建立稳定的颜色判断标准。

HSV（色调Hue、饱和度Saturation、明度Value）颜色空间通过解耦颜色信息与亮度信息，为工业检测提供了更鲁棒的特征表示：

• 色调(H)：表示颜色类型，0-360°角度值，红色为0°，绿色为120°，蓝色为240°
• 饱和度(S)：表示颜色纯度，0%（灰色）到100%（完全饱和）
• 明度(V)：表示颜色亮度，0%（黑色）到100%（白色）

在塑料盖分选的实际案例中，我们测量了不同颜色样本在RGB和HSV空间的数值分布：

从数据可见，HSV空间的色调值能更好地区分不同颜色，且受光照变化影响较小。当环境亮度变化20%时，RGB各通道值波动达15-25%，而HSV的H值波动不超过3°，S值波动在5%以内。

2. Halcon颜色转换核心算子详解

Halcon提供了完整的颜色空间转换工具链，其中两个核心算子构成了颜色检测的基础：

2.1 decompose3 - 通道分离

decompose3(MultiChannelImage, ImageR, ImageG, ImageB)

这个算子将三通道彩色图像分离为独立的R、G、B单通道图像。在实际应用中需要注意：

• 输入图像必须是24位真彩色（3通道）
• 输出图像为单通道灰度图，每个像素值对应原始通道的强度
• 工业相机采集的图像通常为BGR顺序，需确认通道对应关系

2.2 trans_from_rgb - 颜色空间转换

trans_from_rgb(ImageR, ImageG, ImageB, ImageH, ImageS, ImageV, 'hsv')

该算子实现RGB到HSV的转换，关键参数包括：

• ColorSpace：指定目标颜色空间，'hsv'表示转换到HSV空间
• 输出图像H范围0-255（对应0-360°），S和V范围0-255（对应0-100%）
• 对于暗色物体（V值低），H和S的测量可能不准确，需要额外处理

提示：工业现场使用时，建议先对相机进行白平衡校准，避免色偏影响HSV转换精度

3. 完整颜色分选流程实现

以下以塑料瓶盖分选为例，展示完整的颜色检测实现步骤：

3.1 图像采集与预处理

* 读取图像并初始化窗口 read_image (Image, 'plastic_caps_01') get_image_size (Image, Width, Height) dev_open_window (0, 0, Width, Height, 'black', WindowHandle) dev_display (Image) * RGB通道分离 decompose3 (Image, ImageR, ImageG, ImageB) * 转换为HSV空间 trans_from_rgb (ImageR, ImageG, ImageB, ImageH, ImageS, ImageV, 'hsv')

3.2 饱和度阈值处理

通过饱和度筛选出彩色区域，排除灰度干扰：

* 设置饱和度阈值（根据实际样品调整） threshold (ImageS, HighSaturation, 80, 255) * 在色调图像上应用饱和度掩膜 reduce_domain (ImageH, HighSaturation, HueMasked)

3.3 颜色分类实现

建立颜色分类表，定义各颜色的HSV范围：

对应Halcon实现代码：

* 定义颜色参数 ColorNames := ['红','黄','绿','蓝'] ColorRanges := [0,15, 25,45, 100,140, 200,240] * 颜色分类处理 for i := 0 to |ColorRanges|/2-1 by 1 HMin := ColorRanges[i*2] HMax := ColorRanges[i*2+1] * 色调阈值处理 threshold (HueMasked, RegionColor, HMin, HMax) * 形态学处理 closing_circle (RegionColor, RegionClosed, 3.5) connection (RegionClosed, ConnectedRegions) * 筛选有效区域 select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 500, 99999) * 标记结果 count_obj (SelectedRegions, Number) if (Number > 0) area_center (SelectedRegions, Area, Row, Column) dev_set_color (ColorNames[i]+'_color') dev_display (SelectedRegions) disp_message (WindowHandle, ColorNames[i], 'image', Row, Column, 'black', 'true') endif endfor

4. 工业现场优化策略

在实际生产线部署时，还需要考虑以下关键因素：

4.1 光照一致性控制

• 使用环形光源均匀照明，避免反光和阴影
• 考虑使用偏振片消除金属表面的镜面反射
• 定期清洁镜头和光源，防止灰尘影响

4.2 动态阈值调整

开发参数调节界面，支持实时调整HSV阈值：

* 创建调节控件 dev_set_preferences ('display_control_window', 'true') create_bar_code_model ([], [], BarCodeHandle) set_bar_code_param (BarCodeHandle, 'check_thresh', 50)

4.3 抗干扰处理

针对常见问题添加预处理：

* 高斯滤波降噪 gauss_filter (ImageH, ImageHFiltered, 5) * 不均匀光照校正 illuminate (ImageV, ImageVCorrected, 50, 50, 0.5)

在某个汽车零件检测项目中，通过引入HSV颜色检测系统，将误判率从人工检测的3.2%降低到0.15%，检测速度提升4倍。关键是在色调阈值处理前增加了饱和度筛选步骤，有效排除了金属反光的干扰。