python的halcon瓶口缺陷检测opencv代码实现

以下是一个基于OpenCV的瓶口缺陷检测的代码实现，供您参考：

import cv2
import numpy as np

# 读取图像并将其转换为灰度图像
img = cv2.imread('bottle.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用高斯滤波器对图像进行平滑处理
blur = cv2.GaussianBlur(gray, (5, 5), 0)

# 使用Canny边缘检测算法找到图像中的边缘
edges = cv2.Canny(blur, 50, 150, apertureSize=3)

# 使用霍夫变换检测图像中的圆形和椭圆形特征
circles = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)
ellipses = cv2.HoughCircles(edges, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=30, minRadius=0, maxRadius=0)

# 根据瓶口的形状和大小，确定检测到的圆形和椭圆形是否符合要求，从而确定是否存在缺陷
if circles is not None:
    circles = np.round(circles[0, :]).astype("int")
    for (x, y, r) in circles:
        if r > 50 and r < 80:
            # 进一步判断圆心位置和周围像素的颜色是否符合要求
            pass
if ellipses is not None:
    ellipses = np.round(ellipses[0, :]).astype("int")
    for (x, y, a, b) in ellipses:
        if a > 50 and a < 80 and b > 30 and b < 50:
            # 进一步判断椭圆中心位置和周围像素的颜色是否符合要求
            pass

# 在原始图像中标记出检测到的圆形和椭圆形
if circles is not None:
    for (x, y, r) in circles:
        cv2.circle(img, (x, y), r, (0, 255, 0), 2)
if ellipses is not None:
    for (x, y, a, b) in ellipses:
        cv2.ellipse(img, (x, y), (a, b), 0, 0, 360, (0, 255, 0), 2)

cv2.imshow('image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

需要根据具体的需求和数据进行适当的调整和优化，例如圆形和椭圆形的参数设置、缺陷判断的方法等。