基于背景消除法的數(shù)據(jù)預(yù)處理基礎(chǔ)概述目錄TOC\o"1-3"\h\u21798基于背景消除法的數(shù)據(jù)預(yù)處理基礎(chǔ)概述 [12]中說(shuō)明了使用YCrCb色彩空間對(duì)原圖像進(jìn)行分層，并選擇Cr色度進(jìn)行膚色檢測(cè)，是較為穩(wěn)妥的方法。然而，當(dāng)外部環(huán)境光發(fā)生變化時(shí)，原本Cr色度低于閾值的背景部分，可能就會(huì)高于閾值，此時(shí)若仍采用原先的閾值，會(huì)使生成的二值化圖像將原本的背景也包含進(jìn)去。因此，閾值必須可變。下面介紹Otsu閾值處理技術(shù)。這是一種基于尋找合適閾值實(shí)現(xiàn)二值化的方法，其最重要的部分是尋找圖像二值化閾值，然后根據(jù)閾值將圖像分為前景和背景。這是運(yùn)用在膚色提取中的一項(xiàng)重要技術(shù)。首先，當(dāng)環(huán)境光的明暗發(fā)生變化時(shí)，為了能將膚色部分與其它部分完美分開(kāi)，該技術(shù)嘗試將0~255每個(gè)灰度值級(jí)別嘗試作為閾值，將背景和前景（膚色部分）分為兩類，使得這兩類的加權(quán)類內(nèi)方差和最小。背景像素權(quán)值：W=gray=0平均值：μ=gray?方差：σ2遍歷整個(gè)灰度值級(jí)別，使該值最?。害襴采用Otsu技術(shù)時(shí)，二值化的閾值可以跟隨整個(gè)場(chǎng)景的變化而自動(dòng)調(diào)整，盡可能地將整個(gè)圖像有效地劃分為前景和背景。當(dāng)背景中沒(méi)有大片與膚色相近的顏色時(shí)，例如黑板這樣的純色背景，該方法能夠更完整地保存手勢(shì)的前景，而排除整個(gè)圖像的背景。即便是復(fù)雜背景，沒(méi)有大片膚色相近區(qū)域時(shí)，也可以很好地實(shí)現(xiàn)背景消除。其次，由于該方法完整地保存了前景，不像基于背景更新的方法那樣前景被分割成許多碎塊，使得其能夠保存最大的區(qū)域的膚色塊，如果背景中的遠(yuǎn)處有較小的和膚色相近的區(qū)域，也可以將其排除在外。最后，該方法無(wú)需固定場(chǎng)景，有利于實(shí)現(xiàn)實(shí)時(shí)運(yùn)動(dòng)中背景的消除。下面對(duì)該方法進(jìn)行具體算法的設(shè)計(jì)，以在Python3.8中實(shí)現(xiàn)。本設(shè)計(jì)中，運(yùn)用開(kāi)源框架OpenCV實(shí)現(xiàn)膚色檢測(cè)。首先調(diào)用cv2.cvtColor()方法。該方法可以將RGB三通道圖像轉(zhuǎn)化為YCrCb三通道圖像。然后，調(diào)用cv2.split()方法，將處理完的三通道圖像中的Cr色度提取出來(lái)。此時(shí)提取出來(lái)的圖像即為通道數(shù)為1的灰度圖。最后，使用cv2.threshold()方法，指定二值化方式為cv2.THRESH_BINARY+cv2.THRESH_OTSU，實(shí)現(xiàn)Otsu動(dòng)態(tài)選擇閾值。二值化后，用sorted()方法選擇最大前景區(qū)域，排除其它小區(qū)域，由此完成背景與前景的分離。其過(guò)程如圖3-4所示。圖3-4膚色檢測(cè)的流程圖下面是使用膚色檢測(cè)的效果，如圖3-5?？梢杂^察出，進(jìn)行膚色提取后的二值化圖，相較于直接對(duì)單通道圖像進(jìn)行二值化，其可以很好地識(shí)別出膚色相近區(qū)域，并將非膚色區(qū)域的背景進(jìn)行消除。圖3-5進(jìn)行膚色檢測(cè)后的效果1.3兩種背景消除方法的結(jié)合上述的兩種背景消除方法雖然實(shí)現(xiàn)了背景消除，但仍有不足之處。基于背景更新的方法易受到光照條件所影響的，在實(shí)際操作過(guò)程中，由于手勢(shì)變化導(dǎo)致背景處的陰影變化，會(huì)使得該方法將陰影處也判斷為前景。其次，當(dāng)背景區(qū)域某些地方與手勢(shì)的灰度值相近時(shí)，會(huì)使得手勢(shì)的某些顏色處與背景重合的地方被當(dāng)成背景，使得識(shí)別出的手勢(shì)被分割成很多細(xì)小的碎塊，無(wú)法篩選出最大區(qū)域。這樣的結(jié)果就是會(huì)出現(xiàn)很多無(wú)法消除的“噪聲”。最后，手勢(shì)的識(shí)別必須在背景更新完成后進(jìn)行，如果背景更新過(guò)程中進(jìn)行手勢(shì)識(shí)別，則該方法會(huì)將手勢(shì)也當(dāng)成背景而更新掉。而基于膚色檢測(cè)的方法方法極易收到膚色相近背景區(qū)域的影響。當(dāng)背景中有紅或黃等顏色時(shí)，無(wú)法與手勢(shì)形狀分開(kāi)。其次，該方法也容易收到光影變化影響。于是，本設(shè)計(jì)采用將兩種背景相結(jié)合的方式取長(zhǎng)補(bǔ)短。首先獲取原圖像后將其復(fù)制，一張圖像用于進(jìn)行膚色檢測(cè)，另一張圖片用于更新背景，或與背景進(jìn)行差分。先對(duì)原圖像進(jìn)行膚色檢測(cè)，接著進(jìn)行背景更新時(shí)，只對(duì)膚色區(qū)域外的區(qū)域進(jìn)行更新，將膚色提取部分作為掩膜，對(duì)背景更新后的圖像進(jìn)行mask()操作。其流程圖如圖3-7所示。圖3-6兩種方法的結(jié)合后的處理過(guò)程下面是將兩種方法結(jié)合之后的效果。在背景更新的過(guò)程中，可以使用之前膚色檢測(cè)的部分進(jìn)行掩膜，只更新膚色區(qū)域以外的部分，對(duì)膚色區(qū)域以內(nèi)的部分予以較好的保留。其次背景更新后仍然存在的一些細(xì)小的