第Python如何利用opencv實(shí)現(xiàn)手勢識別目錄獲取視頻（攝像頭）膚色檢測輪廓處理前言：

網(wǎng)上搜到了一些關(guān)于手勢處理的實(shí)驗(yàn)，我在這兒簡單的實(shí)現(xiàn)一下，主要運(yùn)用的知識就是opencv，python基本語法，圖像處理基礎(chǔ)知識。

獲取視頻（攝像頭）

這部分沒啥說的，就是獲取攝像頭。

cap=cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#讀取文件

#cap=cv2.VideoCapture(0)#讀取攝像頭

while(True):

ret,frame=cap.read()key=cv2.waitKey(50)0xFF

ifkey==ord('q'):

break

cap.release()

cv2.destroyAllWindows()

膚色檢測

這里使用的是橢圓膚色檢測模型

在RGB空間里人臉的膚色受亮度影響相當(dāng)大，所以膚色點(diǎn)很難從非膚色點(diǎn)中分離出來，也就是說在此空間經(jīng)過處理后，膚色點(diǎn)是離散的點(diǎn)，中間嵌有很多非膚色，這為膚色區(qū)域標(biāo)定(人臉標(biāo)定、眼睛等)帶來了難題。如果把RGB轉(zhuǎn)為YCrCb空間的話，可以忽略Y(亮度)的影響，因?yàn)樵摽臻g受亮度影響很小，膚色會產(chǎn)生很好的類聚。這樣就把三維的空間將為二維的CrCb，膚色點(diǎn)會形成一定得形狀，如：人臉的話會看到一個人臉的區(qū)域，手臂的話會看到一條手臂的形態(tài)。

defA(img):

YCrCb=cv2.cvtColor(img,cv2.COLOR_BGR2YCR_CB)#轉(zhuǎn)換至YCrCb空間

(y,cr,cb)=cv2.split(YCrCb)#拆分出Y,Cr,Cb值

cr1=cv2.GaussianBlur(cr,(5,5),0)

_,skin=cv2.threshold(cr1,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)#Ostu處理

res=cv2.bitwise_and(img,img,mask=skin)

returnres

輪廓處理

輪廓處理的話主要用到兩個函數(shù)，cv2.findContours和cv2.drawContours，這兩個函數(shù)的使用使用方法很容易搜到就不說了，這部分主要的問題是提取到的輪廓有很多個，但是我們只需要手的輪廓，所以我們要用sorted函數(shù)找到最大的輪廓。

defB(img):

#binaryimg=cv2.Canny(Laplacian,50,200)#二值化，canny檢測

h=cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#尋找輪廓

contour=h[0]

contour=sorted(contour,key=cv2.contourArea,reverse=True)#已輪廓區(qū)域面積進(jìn)行排序

#contourmax=contour[0][:,0,:]#保留區(qū)域面積最大的輪廓點(diǎn)坐標(biāo)

bg=np.ones(dst.shape,np.uint8)*255#創(chuàng)建白色幕布

ret=cv2.dra

wContours(bg,contour[0],-1,(0,0,0),3)#繪制黑色輪廓

returnret

全部代碼：

"""從視頻讀取幀保存為圖片"""

importcv2

importnumpyasnp

cap=cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#讀取文件

#cap=cv2.VideoCapture(0)#讀取攝像頭

#皮膚檢測

defA(img):

YCrCb=cv2.cvtColor(img,cv2.COLOR_BGR2YCR_CB)#轉(zhuǎn)換至YCrCb空間

(y,cr,cb)=cv2.split(YCrCb)#拆分出Y,Cr,Cb值

cr1=cv2.GaussianBlur(cr,(5,5),0)

_,skin=cv2.threshold(cr1,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)#Ostu處理

res=cv2.bitwise_and(img,img,mask=skin)

returnres

defB(img):

#binaryimg=cv2.Canny(Laplacian,50,200)#二值化，canny檢測

h=cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)#尋找輪廓

contour=h[0]

contour=sorted(contour,key=cv2.contourArea,reverse=True)#已輪廓區(qū)域面積進(jìn)行排序

#contourmax=contour[0][:,0,:]#保留區(qū)域面積最大的輪廓點(diǎn)坐標(biāo)

bg=np.ones(dst.shape,np.uint8)*255#創(chuàng)建白色幕布

ret=cv2.drawContours(bg,contour[0],-1,(0,0,0),3)#繪制黑色輪廓

returnret

while(True):

ret,frame=cap.read()

#下面三行可以根據(jù)自己的電腦進(jìn)行調(diào)節(jié)

src=cv2.resize(frame,(400,350),interpolation=cv2.INTER_CUBIC)#窗口大小

cv2.rectangle(src,(90,60),(300,300),(0,255,0))#框出截取位置

roi=src[60:300,90:300]#獲取手勢框圖

res=A(roi)#進(jìn)行膚色檢測

cv2.imshow("0",roi)

gray=cv2.cvtColor(res,cv2.COLOR_BGR2GRAY)

dst=cv2.Laplacian(gray,cv2.CV_16S,ksize=3)

Laplacian=cv2.convertScaleAbs(dst)

contour