HSV的提取

HSV顏色空間閾值主要是靠Trackbar調(diào)節(jié)閾值和cv2.inRange來生成掩膜來提取。
這是我寫的HSV閾值獲取的代碼:

import cv2
import numpy as np

def MouseBack(value):
    pass

cv2.namedWindow('frams')
cv2.resizeWindow('frams',[400,400])

Video=cv2.VideoCapture(0)

cv2.createTrackbar('minH','frams',0,179,MouseBack)
cv2.createTrackbar('maxH','frams',179,179,MouseBack)
cv2.createTrackbar('minS','frams',0,255,MouseBack)
cv2.createTrackbar('maxS','frams',255,255,MouseBack)
cv2.createTrackbar('minV','frams',0,255,MouseBack)
cv2.createTrackbar('maxV','frams',255,255,MouseBack)

while True:
    res,img=Video.read()
    hsvimg=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    
    minh=cv2.getTrackbarPos('minH','frams')
    maxh=cv2.getTrackbarPos('maxH','frams')    
    mins=cv2.getTrackbarPos('minS','frams')
    maxs=cv2.getTrackbarPos('maxS','frams')
    minv=cv2.getTrackbarPos('minV','frams')
    maxv=cv2.getTrackbarPos('maxV','frams')
    
    lowHSV=np.array((minh,mins,minv),np.uint8)
    highHSV=np.array((maxh,maxs,maxv),np.uint8)
    
    newimg=cv2.inRange(hsvimg,lowHSV,highHSV)
    newimg=cv2.bitwise_and(img,img,mask=newimg)
    
    cv2.imshow('frams',newimg)
    
    if cv2.waitKey(1) == ord('q'):
        print(lowHSV)
        print(highHSV)
        break
        
Video.release()       
cv2.destroyAllWindows()

使用方法:
運行代碼之后，從第一個依次調(diào)節(jié)滑塊，使畫面中只有手顯示出來。然后按Q退出界面打印閾值。
效果如下：

特征提取

準(zhǔn)備工作做完，就可以開始進行圖像處理了?？梢韵葘螐垐D片進行處理。

1. 首先是進行高斯濾波去噪
2. 然后將圖像從BGR轉(zhuǎn)換到HSV
3. 使用cv2.inRange獲得掩膜
4. 進行形態(tài)學(xué)操作進一步提取特征
   代碼如下：

#讀取圖片
img=cv2.imread(img_path)
#高斯濾波
Gaussimg=cv2.GaussianBlur(img,[5,5],0)
#HSV轉(zhuǎn)換
hsvimg=cv2.cvtColor(Gaussimg,cv2.COLOR_BGR2HSV)
#獲得HSV掩膜
maskimg=cv2.inRange(hsvimg,lowHSV,highHSV)
#開運算
kernel=np.ones([3,3],dtype=np.uint8)
closeimg=cv2.morphologyEx(maskimg,cv2.MORPH_CLOSE,kernel,iterations=3)
#腐蝕
kernel=np.ones([5,5],dtype=np.uint8)
dilateimg=cv2.morphologyEx(closeimg,cv2.MORPH_DILATE,kernel,iterations=3)

效果如下：

輪廓繪制

輪廓繪制首先需要尋找輪廓，然后對輪廓特征，比如面積周長進行進一步過濾，最后對輪廓進行逼近，對輪廓進行逼近有兩種。

1. 輪廓近似cv2.approxPolyDP
2. 輪廓凸包cv2.convexHull

#尋找輪廓
contours,num=cv2.findContours(newimg,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    #獲得輪廓面積
    area=cv2.contourArea(contour)
    #獲得輪廓周長
    lenth=cv2.arcLength(contour,True)
    #閾值判斷
    if area>20000 and lenth>1000:
        epsilon = 0.02*cv2.arcLength(contour,True)
        #輪廓近似
        approx1 = cv2.approxPolyDP(contour,epsilon,True)
        #輪廓凸包
        approx2=cv2.convexHull(contour)
        approx1=approx1.reshape(len(approx1),2)
        approx2 = approx2.reshape(len(approx2), 2)
        approx1=np.array(approx1,dtype=np.int32)
        approx2 = np.array(approx2, dtype=np.int32)
        cv2.polylines(faimg, [approx1], True, [255, 125, 100], 4, 16)
        cv2.polylines(f, [approx2], True, [255, 125, 100], 4, 16)

效果如下：

完整代碼

import cv2
import numpy as np

highHSV=np.array([ 15 ,255,255])
lowHSV=np.array([ 0 ,50 ,50])

def img_hand(img):
    # if img.shape[0]>1000 and img.shape[1]>1000:
    #     img=cv2.resize(img,None,fx=0.2,fy=0.2)
    faimg=np.copy(img)
    img=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
    cv2.GaussianBlur(img,[5,5],0)
    img=cv2.inRange(img,lowHSV,highHSV)

    kernel=np.ones([3,3],dtype=np.uint8)
    img=cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel,iterations=1)
    kernel=np.ones([5,5],dtype=np.uint8)
    newimg=cv2.morphologyEx(img,cv2.MORPH_DILATE,kernel,iterations=1)

    contours,num=cv2.findContours(newimg,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
    for contour in contours:
        area=cv2.contourArea(contour)
        lenth=cv2.arcLength(contour,True)
        if area>20000 and lenth>1000:
            epsilon = 0.02*cv2.arcLength(contour,True)
            approx = cv2.approxPolyDP(contour,epsilon,True)
            approx=approx.reshape(len(approx),2)
            approx=np.array(approx,dtype=np.int32)
            cv2.polylines(faimg, [approx], True, [255, 125, 100], 4, 16)
    return faimg

video=cv2.VideoCapture(0)
while video.isOpened():
    res,img=video.read()
    if res== True:
        newimg=img_hand(img)
        cv2.imshow('frams',newimg)
    if cv2.waitKey(1)==ord('q'):
        break

cv2.destroyAllWindows()
video.release()

由于不使用機器學(xué)習(xí)方法，缺點就是使用時手往前靠一點，頭往后靠一點，防止臉的膚色與手混淆，下一章講解如何識別不同手勢。
Python使用Opencv圖像處理方法完成手勢識別(二)文章來源地址http://www.zghlxwxcb.cn/news/detail-451735.html

到了這里，關(guān)于Python使用Opencv圖像處理方法完成手勢識別(一)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！