Opencv暑期历程--Day10（6种肤色检测方法，YCrCb肤色模型解释，再理解一遍掩模）

最新推荐文章于 2024-08-31 19:07:37 发布

__计算机小白__

最新推荐文章于 2024-08-31 19:07:37 发布

阅读量2.6w

点赞数 23

分类专栏：视觉处理

本文链接：https://blog.csdn.net/qq_22527639/article/details/81501565

版权

本文介绍了6种肤色检测方法，包括基于RGB的颜色模型、椭圆皮肤模型、YCrCb颜色空间结合Otsu法、YCrCb颜色空间Cr/Cb范围筛选、HSV颜色空间筛选以及OpenCV的AdaptiveSkinDetector类。重点讨论了YCrCb颜色空间在肤色检测中的应用，如Cr分量与Otsu阈值分割，以及肤色检测的椭圆模型。此外，文章还解析了Otsu算法的原理和YCrCb与RGB的转换公式。

摘要由CSDN通过智能技术生成

从一篇文章了解到，肤色检测主要有以下七种方法：

RGB color space
Ycrcb之cr分量+otsu阈值化
YCrCb中133<=Cr<=173 77<=Cb<=127
HSV中 7<H<20 28<S<256 50<V<256
基于椭圆皮肤模型的皮肤检测
opencv自带肤色检测类AdaptiveSkinDetector

不过经作者自己检验，用RGB的方法受光线影响比较大，鲁棒性太低了，所以我们这次就不实验它了，留下一个判别式就好。

第三种也不好用，

方法一：基于RGB的皮肤检测

根据RGB颜色模型找出定义好的肤色范围内的像素点，范围外的像素点设为黑色。

查阅资料后可以知道，前人做了大量研究，肤色在RGB模型下的范围基本满足以下约束：

在均匀光照下应满足以下判别式：

R>95 AND G>40 B>20 AND MAX(R,G,B)-MIN(R,G,B)>15 AND ABS(R-G)>15 AND R>G AND R>B

在侧光拍摄环境下：

R>220 AND G>210 AND B>170 AND ABS(R-G)<=15 AND R>B AND G>B

方法二：基于椭圆皮肤模型的皮肤检测

经过前人学者大量的皮肤统计信息可以知道，如果将皮肤信息映射到YCrCb空间，则在CrCb二维空间中这些皮肤像素点近似成一个椭圆分布。因此如果我们得到了一个CrCb的椭圆，下次来一个坐标(Cr, Cb)我们只需判断它是否在椭圆内（包括边界），如果是，则可以判断其为皮肤，否则就是非皮肤像素点。

看看这个YCrCb是个啥:

肤色YCbCr颜色空间是一种常用的肤色检测的色彩模型，其中Y代表亮度，Cr代表光源中的红色分量，Cb代表光源中的蓝色分量。人的肤色在外观上的差异是由色度引起的，不同人的肤色分布集中在较小的区域内。肤色的YCbCr颜色空间CbCr平面分布在近似的椭圆区域内，通过判断当前像素点的CbCr是否落在肤色分布的椭圆区域内，就可以很容易地确认当前像素点是否属于肤色。将图像转换到YCbCr空间并且在CbCr平面进行投影，可以采集到肤色的样本点。

将CbCr平面均分为许多小区域，将每个区域的中心点CbCr色度值作为当前区域的特征值，对肤色区域像素值进行遍历，如果当前像素值落在该区域内则替换当前区域特征值。

这么一看，和HSV模型有点像哈。

3、YUV和RGB互相转换的公式如下（RGB取值范围均为0-255）︰
　Y = 0.299R + 0.587G + 0.114B
　U = -0.147R - 0.289G + 0.436B
　V = 0.615R - 0.515G - 0.100B
　R = Y + 1.14V
　G = Y - 0.39U - 0.58V
　B = Y + 2.03U

大概知道了，YUV（YCrCb）就是一个单独把亮度分离开来的颜色模型，使用这个颜色模型的话，像肤色不会受到光线亮度而发生