cv图像处理学习之一 高斯滤波与肤色检测的图像处理

基于高斯滤波以及肤色检测的图像处理

1、导入所需要的库

import cv2
import matplotlib.pyplot as plt
import numpy as np

2、读取图片

创建图片转换函数（通过cv2.imread()读取彩色图像后得到的格式是BGR格式需要转换为RGB）

def t2s(img):
    return cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

读取图片

img = cv2.imread("week1_homework.png")

3、初步图片处理

放大图片并进行显示。

plt.figure(figsize=(20,20))
plt.imshow(t2s(img))
plt.show()

以上为要进行处理的图片，通过放大我们可以看出该女子皮肤不是很好我们接下来通过针对其肤色检测以此进行高斯滤波对其处理。

4、肤色检测

建立矩阵。

kernel = np.ones((15,15),np.float32)/(15*15)

对图片进行多次高斯滤波

img1 = cv2.filter2D(img,-1,kernel)
rmg1 = cv2.filter2D(img1,-1,kernel)
rmg1 = cv2.filter2D(img1,-1,kernel)
rmg1 = cv2.filter2D(img1,-1,kernel)
rmg1 = cv2.filter2D(img1,-1,kernel)
result = cv2.filter2D(img1,-1,kernel)

对肤色进行检测，肤色检测是通过色调（H），饱和度（S），明度（V）三种人眼可以观察到的参数进行处理，将图片转换为hsv色域，之后对H,S,V三个参数取一定范围进行选取。

result_show=result.copy()
# 肤色检测
# 来源 https://www.cnblogs.com/demodashi/p/9437559.html
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 把图像转换到HSV色域
(_h, _s, _v) = cv2.split(hsv) # 图像分割, 分别获取h, s, v 通道分量图像
skin3 = np.zeros(_h.shape, dtype=np.uint8)  # 根据源图像的大小创建一个全0的矩阵,用于保存图像数据
(x, y) = _h.shape # 获取源图像数据的长和宽

# 遍历图像, 判断HSV通道的数值, 如果在指定范围中, 则置把新图像的点设为255,否则设为0
for i in  range(0, x):
    for j in  range(0, y):
        if (_h[i][j] >  5) and (_h[i][j] <  70) and (_s[i][j] >  18) and (_s[i][j] <  255) and (_v[i][j] >  50) and (_v[i][j] <  255):
            skin3[i][j] =  255
            #result[i][j]=img[i][j]
        else:
            skin3[i][j] =  0
            result_show[i][j]=img[i][j]

#cv2.imshow(imname, img)
#cv2.imshow(imname +  " Skin3 HSV", skin3)
cv2.imwrite("skin.png",skin3)
import os
os.system("open skin.png")
cv2.imwrite("compare2.png",cv2.hconcat([img,result_show]))
os.system("open compare2.png")

显示处理完前后对比图片

plt.figure(figsize=(20,20))
plt.imshow(t2s(cv2.hconcat([img,result_show])))
plt.show()

肤色检测结果图（白色为所检测为肤色地方）

plt.figure(figsize=(10,10))
plt.imshow(t2s(skin3))
plt.show()

5、总结

本次的处理并不是很好，可以通过对高斯滤波矩阵进行修改以此来处理出更好的结果。