基于OpenCV的手势识别(python)(二)

1.对图片的简单处理

手势识别这一块,最为核心的部分就是对图像的处理,我们可以从基础的开始做起,根据相关的博文,我们首先对已有图片进行处理。选择一张彩色图片,将其存入新建文件夹并且重新命名;
图片保存
原图如下所示:
在这里插入图片描述
这里图片保持了原版大小,与代码相匹配,下面截取代码
cv2.imshow('origin image', imutils.resize(rgb_img_mountain, 400))
其中400可以对图片尺寸进行控制。

下面在我们新建的pycharm工程中新建python文件:picture:
代码如下:

@author_Young
#!usr/bin/env python
# -*- coding:utf-8 -*-

import cv2
import numpy as np
import imutils

rgb_img_mountain = cv2.imread(r'D:\picture_text\mountain.jpg')               # 加载RGB图像
print(rgb_img_mountain)                                                  #数组输出

print(np.shape(rgb_img_mountain))
gray_img_mountain = cv2.cvtColor(rgb_img_mountain, cv2.COLOR_BGR2GRAY)   # 加载灰度图像
cv2.imshow('origin image', imutils.resize(rgb_img_mountain, 400))
cv2.imshow('gray image', imutils.resize(gray_img_mountain, 400))

cv2.imwrite('rgb_img.jpg', rgb_img_mountain)
cv2.imwrite('gray_img.jpg', gray_img_mountain)

# 等待一定时间自动销毁图像窗口
if cv2.waitKey(100000):
    cv2.destroyWindow('origin image')

运行结果如下:
原图与灰度图比较
对图片的一个简单处理就进行到这里,后面继续分享自己的学习过程。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV中进行手势识别通常涉及到计算机视觉技术,特别是基于机器学习的手势检测算法。这里提供一个简单的Python示例,展示如何使用OpenCV和Haar级联分类器进行手势识别: ```python import cv2 import numpy as np # 加载预训练的手势分类器(这里假设有一个名为"hand_cascade.xml"的文件) hand_cascade = cv2.CascadeClassifier('hand_cascade.xml') # 视频捕捉(替换为你实际的摄像头ID或视频路径) cap = cv2.VideoCapture(0) while True: # 读取帧 ret, frame = cap.read() # 转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 进行手势检测 hands = hand_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30), flags=cv2.CASCADE_SCALE_IMAGE) for (x, y, w, h) in hands: # 绘制矩形框标记手部位置 cv2.rectangle(frame, (x, y), (x+w, y+h), (255, 0, 0), 2) # 提取手势区域并放大显示 roi_gray = gray[y:y+h, x:x+w] cropped_img = cv2.resize(roi_gray, (50, 50)) # ... 这里你可以对提取的手势区域做进一步处理,如特征提取然后用模型预测手势 # 显示结果 cv2.imshow('Hand Detection', frame) # 按 'q' 键退出循环 if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 在这个例子中,我们首先加载了一个预先训练好的手势分类器(`hand_cascade.xml`),然后通过连续读取摄像头帧并在灰度图像上检测手部。每个检测到的手部都会被框出来,并可以进一步提取和分析。 注意这只是一个基础框架,实际的手势识别可能需要更复杂的步骤,比如手势分割、特征提取、模型训练等。此外,`hand_cascade.xml`是一个预训练的 Haar 级联分类器,用于通用的手部检测,你可能需要针对特定的手势收集数据并训练自己的分类器。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值