（手势识别）基于opencv的手势识别框选（一）图像处理

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