程序
cap = cv2.VideoCapture(0)
while True:
ret , img = cap.read() # 打开摄像头
img = cv2.GaussianBlur(img, (5, 5), 0) # 高斯滤波
ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
(y, cr, cb) = cv2.split(ycrcb)
cr1 = cv2.GaussianBlur(cr, (5, 5), 0) # 高斯滤波
_, skin1 = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) # OTSU图像二值化
blur = cv2.GaussianBlur(skin1, (15, 15), 0)
获取图像
cap = cv2.VideoCapture(0)
videoCapture(0) 参数0表示调用笔记本内置摄像头
videoCapture(“c:\tmp\test.avi”) 参数路径表示调用存储的视频
此处VideoCapture()中参数是0,表示打开内置摄像头,在填入参数后指向文件路径打开视频
ret , img = cap.read()
cap.read第一位返回的是布尔值,即TURE和FALSE,确定的是采集到的每帧图像是否是正常的,img就是每帧采集到的图片,也就是后续函数的输入。
高斯处理
cv2.GaussianBlur(img, (5, 5), 0)
img为高斯处理的输入,(5,5)为高斯矩阵,对原图片进行卷积。0表示偏差为0
颜色阈值处理
opencv具有多种颜色阈值处理方式,包括YCrCb,HSV等等,这里采用YCrCb颜色空间法,其余以后再做介绍。
ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
将img本身的RGB像素信息转变为YCrCb信息。
Y = 0.2990R + 0.5870G + 0.1140B
Cr = 0.5000R - 0.4187G - 0.0813B + 128
Cb = -0.1687R - 0.3313G + 0.5000B + 128
(y, cr, cb) = cv2.split(ycrcb)
这一步进行的是图像颜色通道的分离,将Y,Cr,Cb信息分别储存起来,方便后续调用。
cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
接着进行的是OTSU二值化,这部分需要分为两个方式看待
ret, dst = cv2.threshold(src, thresh, maxval, type) #固定阈值二值化
cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #基于直方图的阈值处理
- src: 输入图,只能输入单通道图像,通常来说为灰度图
- dst: 输出图
- thresh: 阈值
- maxval: 当像素值超过了阈值(或者小于阈值,根据type来决定),所赋予的值
- type:二值化操作的类型,包含以下5种类型: cv2.THRESH_BINARY; cv2.THRESH_BINARY_INV; cv2.THRESH_TRUNC; cv2.THRESH_TOZERO;cv2.THRESH_TOZERO_INV
ps:后续补充图片,11.11.21.21