簡(jiǎn)單的手勢(shì)識(shí)別，基本思路是基于皮膚檢測(cè)，皮膚的顏色在HSV顏色空間下與周圍環(huán)境的區(qū)分度更高，從RGB轉(zhuǎn)換到HSV顏色空間下針對(duì)皮膚顏色進(jìn)行二值化，得到mask：

defHSVBin(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用于顏色空間轉(zhuǎn)換。

inRange中，lower指圖像中低于這個(gè)值，圖像值會(huì)變成0；upper指圖像中高于這個(gè)值，圖像值會(huì)變成0，而在這之間的值變?yōu)?55。

然后通過(guò)腐蝕與膨脹等形態(tài)學(xué)變化去除一些噪點(diǎn)，得到更完整的白色（皮膚）色塊，最后找出色塊的輪廓，并通過(guò)色塊大小排除一些面積較小的噪點(diǎn)：

defgetContours(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 incontours:if cv2.contourArea(cont)>9000:

vaildContours.append(cv2.convexHull(cont))return vaildContours

膨脹：dilate，進(jìn)行膨脹操作時(shí)，將內(nèi)核 B劃過(guò)圖像，將內(nèi)核B覆蓋區(qū)域的最大像素值提取，并代替錨點(diǎn)位置的像素，這一最大化操作會(huì)導(dǎo)致圖像中的亮區(qū)開始“擴(kuò)展”。

腐蝕：erode，將最小像素值提取原始圖片里的一個(gè)像素（1或者0）只有在核下的所有像素都是1的時(shí)候才被認(rèn)為是1.否則它就被腐蝕掉了（變成0）。根據(jù)核的大小來(lái)決定在邊界附近的多少像素會(huì)被丟棄掉，所以前景物體的厚度或大小會(huì)縮小，或者說(shuō)白色區(qū)域會(huì)減小。這個(gè)在移除小的白色噪點(diǎn)時(shí)很有用。

ones(shape[,dtype,order]) 依據(jù)一個(gè)給定的形狀和類型返回一個(gè)新的元素全部為1的數(shù)組。

data type ：uint8 －－>range：0～255，一張圖片的數(shù)據(jù)類型默認(rèn)為unit8

開：腐蝕之后再膨脹的另一個(gè)名字。我們使用函數(shù)cv2.morphologyEx()。

閉：膨脹之后再腐蝕，在用來(lái)關(guān)閉前景對(duì)象里的小洞或小黑點(diǎn)很有用。

輪廓檢測(cè) cv2.findContours，接收參數(shù)為二值圖。

defmain():

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()函數(shù)的功能是不斷刷新圖像，頻率時(shí)間為delay，單位為ms。返回值為當(dāng)前鍵盤按鍵值。

完整代碼如下：

importcv2importnumpy as npdefmain():

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

defgetContours(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 incontours: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))

returnvaildContoursdefHSVBin(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)

returnmaskif __name__ =='__main__':

main()

效果：

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的python手势识别_Python|使用opencv进行简单的手势检测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。