代码参考于:https://github.com/rainyear/lolita/issues/8

简单的手势识别,基本思路是基于皮肤检测,皮肤的颜色在HSV颜色空间下与周围环境的区分度更高,从RGB转换到HSV颜色空间下针对皮肤颜色进行二值化,得到mask:

def HSVBin(img):
hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV) lower_skin = np.array([100,50,0])
upper_skin = np.array([125,255,255]) mask = cv2.inRange(hsv,lower_skin,upper_skin)
return mask

其中:

cvtColor用于颜色空间转换。

inRange中,lower指图像中低于这个值,图像值会变成0;upper指图像中高于这个值,图像值会变成0,而在这之间的值变为255。

然后通过腐蚀与膨胀等形态学变化去除一些噪点,得到更完整的白色(皮肤)色块,最后找出色块的轮廓,并通过色块大小排除一些面积较小的噪点:

def getContours(img):
kernel = np.ones((5,5),np.uint8)
closed = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
closed = cv2.morphologyEx(closed,cv2.MORPH_CLOSE,kernel)
_,contours,h = cv2.findContours(closed,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
vaildContours = []
for cont in contours:
if cv2.contourArea(cont)>9000:
vaildContours.append(cv2.convexHull(cont))
return vaildContours

膨胀:dilate,进行膨胀操作时,将内核 B划过图像,将内核B覆盖区域的最大像素值提取,并代替锚点位置的像素,这一最大化操作会导致图像中的亮区开始“扩展”。

腐蚀:erode,将最小像素值提取原始图片里的一个像素(1或者0)只有在核下的所有像素都是1的时候才被认为是1.否则它就被腐蚀掉了(变成0)。根据核的大小来决定在边界附近的多少像素会被丢弃掉,所以前景物体的厚度或大小会缩小,或者说白色区域会减小。这个在移除小的白色噪点时很有用。

ones(shape[,dtype,order]) 依据一个给定的形状和类型返回一个新的元素全部为1的数组。

data type :uint8 -->range:0~255,一张图片的数据类型默认为unit8

开:腐蚀之后再膨胀的另一个名字。我们使用函数cv2.morphologyEx()。

闭:膨胀之后再腐蚀,在用来关闭前景对象里的小洞或小黑点很有用。

轮廓检测 cv2.findContours,接收参数为二值图。

def main():
cap = cv2.VideoCapture(0)
while(cap.isOpened()):
ret,img = cap.read()
skinMask = HSVBin(img)
contours = getContours(skinMask)
cv2.drawContours(img,contours,-1,(0,255,0),2)
cv2.imshow('capture',img)
k = cv2.waitKey(10)
if k == 27:
break

cv2.waitKey()--waitKey()函数的功能是不断刷新图像,频率时间为delay,单位为ms。返回值为当前键盘按键值。

完整代码如下:

import cv2
import numpy as np def main():
cap = cv2.VideoCapture(0)
while(cap.isOpened()):
ret,img = cap.read()
skinMask = HSVBin(img)
contours = getContours(skinMask)
cv2.drawContours(img,contours,-1,(0,255,0),2)
cv2.imshow('capture',img)
k = cv2.waitKey(10)
if k == 27:
break def getContours(img):
kernel = np.ones((5,5),np.uint8)
closed = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
closed = cv2.morphologyEx(closed,cv2.MORPH_CLOSE,kernel)
_,contours,h = cv2.findContours(closed,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
vaildContours = []
for cont in contours:
if cv2.contourArea(cont)>9000:
#x,y,w,h = cv2.boundingRect(cont)
#if h/w >0.75:
#filter face failed
vaildContours.append(cv2.convexHull(cont))
#rect = cv2.minAreaRect(cont)
#box = cv2.cv.BoxPoint(rect)
#vaildContours.append(np.int0(box))
return vaildContours def HSVBin(img):
hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV) lower_skin = np.array([100,50,0])
upper_skin = np.array([125,255,255]) mask = cv2.inRange(hsv,lower_skin,upper_skin)
#res = cv2.bitwise_and(img,img,mask=mask)
return mask if __name__ =='__main__':
main()

效果:

使用opencv进行简单的手势检测[by Python]的更多相关文章

  1. Python使用OpenCV实现简单的人脸检测

    文章目录: OpenCV安装 安装numpy 安装opencv OpenCV使用 OpenCV测试 效果图: 注意: 图片人脸检测 程序要求: 技术实现思路 注意 本文使用的环境是:Windows+P ...

  2. Android 手势检测实战 打造支持缩放平移的图片预览效果(下)

    转载请标明出处:http://blog.csdn.net/lmj623565791/article/details/39480503,本文出自:[张鸿洋的博客] 上一篇已经带大家实现了自由的放大缩小图 ...

  3. cvSmooth函数 和 OpenCV自带的人脸检测

    记录cvSmooth函数的用法和 OpenCV自带的人脸检测. (1)cvSmooth函数 void cvSmooth( const CvArr* src, CvArr* dst,int smooth ...

  4. 看完这篇还不会 GestureDetector 手势检测,我跪搓衣板!

    引言 在 android 开发过程中,我们经常需要对一些手势,如:单击.双击.长按.滑动.缩放等,进行监测.这时也就引出了手势监测的概念,所谓的手势监测,说白了就是对于 GestureDetector ...

  5. OpenCV 编程简单介绍(矩阵/图像/视频的基本读写操作)

    PS. 因为csdn博客文章长度有限制,本文有部分内容被截掉了.在OpenCV中文站点的wiki上有可读性更好.而且是完整的版本号,欢迎浏览. OpenCV Wiki :<OpenCV 编程简单 ...

  6. 9.3、Libgdx手势检测

    (官网:www.libgdx.cn) 触摸屏在输入的基础上增加了手势检测,比如两个手指实现缩放,单击或双击屏幕,长按屏幕等. Libgdx提供了GestureDetector来帮助你检测以下手势: t ...

  7. OpenCV 学习笔记 07 目标检测与识别

    目标检测与识别是计算机视觉中最常见的挑战之一.属于高级主题. 本章节将扩展目标检测的概念,首先探讨人脸识别技术,然后将该技术应用到显示生活中的各种目标检测. 1 目标检测与识别技术 为了与OpenCV ...

  8. OpenCV实战:人脸关键点检测(FaceMark)

    Summary:利用OpenCV中的LBF算法进行人脸关键点检测(Facial Landmark Detection) Author:    Amusi Date:       2018-03-20 ...

  9. 用一个简单的例子来理解python高阶函数

    ============================ 用一个简单的例子来理解python高阶函数 ============================ 最近在用mailx发送邮件, 写法大致如 ...

随机推荐

  1. 一文看懂https如何保证数据传输的安全性的

    通过漫画的形式由浅入深带你读懂htts是如何保证一台主机把数据安全发给另一台主机的 对称加密 一禅:在每次发送真实数据之前,服务器先生成一把密钥,然后先把密钥传输给客户端.之后服务器给客户端发送真实数 ...

  2. ThreadLocal使用和原理简析

    1. 解决共享资源冲突 对于并发工作,需要某种方式来防止两个任务同时访问相同的资源,至少在关键阶段不能出现这种冲突情况. 方法之一就是当资源被一个任务使用时,在其上加锁.第一个访问某项资源的任务必须锁 ...

  3. [五]java函数式编程归约reduce概念原理 stream reduce方法详解 reduce三个参数的reduce方法如何使用

    reduce-归约 看下词典翻译: 好的命名是自解释的 reduce的方法取得就是其中归纳的含义 java8 流相关的操作中,我们把它理解 "累加器",之所以加引号是因为他并不仅仅 ...

  4. springboot集成下,mybatis的mapper代理对象究竟是如何生成的

    前言 开心一刻 中韩两学生辩论. 中:端午节是属于谁的? 韩:韩国人! 中:汉字是谁发明的? 韩:韩国人! 中:中医是属于谁的? 韩:韩国人! 中:那中国人到底发明过什么? 韩:韩国人! 前情回顾 M ...

  5. Perl线程队列:Thread::Queue

    (Thread::Queue)队列数据结构(FIFO)是线程安全的,它保证了某些线程从一端写入数据,另一些线程从另一端读取数据.只要队列已经满了,写入操作就自动被阻塞直到有空间支持写操作,只要队列空了 ...

  6. Xamarin.Forms 开发资源集合(复制)

    复制:https://www.cnblogs.com/mschen/p/10199997.html 收集整理了下 Xamarin.Forms 的学习参考资料,分享给大家,稍后会不断补充: UI样式 S ...

  7. Python并发编程之实战异步IO框架:asyncio 下篇(十一)

    大家好,并发编程 进入第十一章. 前面两节,我们讲了协程中的单任务和多任务 这节我们将通过一个小实战,来对这些内容进行巩固. 在实战中,将会用到以下知识点: 多线程的基本使用 Queue消息队列的使用 ...

  8. 【转】mysql数据库优化大全

    数据库优化 sql语句优化 索引优化 加缓存 读写分离 分区 分布式数据库(垂直切分) 水平切分 MyISAM和InnoDB的区别: 1. InnoDB支持事务,MyISAM不支持,对于InnoDB每 ...

  9. webpack入门教程--2

    这次是创建第二个JS文件. 我们还是在app文件夹中创建一个叫做book2.js的JS文件,并在其中输入以下代码: module.exports = "It works from book2 ...

  10. 博弈论进阶之SG函数

    SG函数 个人理解:SG函数是人们在研究博弈论的道路上迈出的重要一步,它把许多杂乱无章的博弈游戏通过某种规则结合在了一起,使得一类普遍的博弈问题得到了解决. 从SG函数开始,我们不再是单纯的同过找规律 ...