opencv_deeplearning实战2：基于颜色阈值的皮肤检测

最新推荐文章于 2024-08-05 23:08:48 发布

JackkoLing

最新推荐文章于 2024-08-05 23:08:48 发布

阅读量2.7k

点赞数 5

分类专栏： opencv_deeplearning_practice 文章标签： deeplearning opencv python computer vision skin detection

本文链接：https://blog.csdn.net/ling_xiobai/article/details/82055818

版权

opencv_deeplearning_practice 专栏收录该内容

3 篇文章 2 订阅

订阅专栏

一、总概

今天写了一篇基于深度学习的人脸检测，写完下午就开始实战第二篇，皮肤检测。原理很简单，就是基于HSV的阈值处理。为什么不用BGR阈值，因为HSV的颜色空间，更加直观，特别适用于颜色分割。具体可以参考博客，今天在调试HSV空间上浪费了很多时间，总是找不对范围。也试过色彩提取软件，但是没有效果，取出的范围和opencv还是有很大的出入，最终只能挑一个效果比较好的范围。
整体代码参考博客，但是题主的源代码并不适合，所以我做了修改，具体见以下代码。

二、代码

'''
皮肤检测：利用皮肤颜色的HSV范围，去掉其他的区域，实现皮肤检测
'''
import numpy as np
import argparse
import cv2
 
# 定义皮肤的范围，具体自己调整
lower = np.array([0, 50, 100], dtype = "uint8")
upper = np.array([25, 255, 255], dtype = "uint8")

camera = cv2.VideoCapture(0) # 开启摄像头


while True:
	
	(grabbed, frame) = camera.read() #grabbed为布尔类型，true表示获取到帧数

	frame = cv2.resize(frame, (400,400))
	# 将BGR格式转为HSV颜色空间
	# HSV在用于指定颜色分割时，有比较大的作用
	hsvImage = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) 
   
	# 创建掩码，q低于lower或高于upper的，设置为0，在范围内设置为255
	# 这样便可以得到皮肤的像素范围
	skinMask = cv2.inRange(hsvImage, lower, upper)

	# 将掩码和原图进行“与”运算，这样原图便只保留皮肤区域
	skin = cv2.bitwise_and(frame, frame, mask = skinMask)
	
	# np.hstack是将原图和检测的图捆绑显示（将矩阵横向并行）
	cv2.imshow("images", np.hstack([frame,hsvImage, skin]))

	if cv2.waitKey(1) & 0xFF == ord("q"):
		break

# 释放资源
camera.release()
cv2.destroyAllWindows()

里面的注释已经很详细，欢迎留言交流。这里我不用开闭运算和高斯滤波，因为觉得没什么效果，读者不防试一下。