利用余弦定理使用OpenCV-Python實現手指計數與手掌檢測。

手檢測和手指計數

接下來讓我們一起探索以下這個功能是如何實現的。

OpenCV

OpenCV（開源計算機視覺庫）是一個開源計算機視覺和機器學習軟件庫。OpenCV的構建旨在為計算機視覺應用程序提供通用的基礎結構，并加速在商業產品中使用機器感知。

導入庫

? cv2：?opencv [pip install opencv]

? numpy：用于處理數組和數學[pip install numpy]

import cv2 as cv
import numpy as np

導入圖像

img_path = "data/palm.jpg"
img = cv.imread(img_path)
cv.imshow('palm image',img)

手掌圖像

皮膚Mask

? 用于突出顯示圖像上的特定顏色。

? hsvim：將BGR（藍色，綠色，紅色）圖像更改為HSV（色相，飽和度，值）。

? 較低：HSV中的膚色范圍較小。

? upper：HSV中皮膚顏色的上限。

? skinRegionHSV：在HSV色彩空間的上下像素值范圍內檢測皮膚。

? 模糊：使圖像模糊以改善遮罩。

? 脫粒：脫粒。

hsvim = cv.cvtColor(img, cv.COLOR_BGR2HSV) lower = np.array([0, 48, 80], dtype = "uint8") upper = np.array([20, 255, 255], dtype = "uint8") skinRegionHSV = cv.inRange(hsvim, lower, upper) blurred = cv.blur(skinRegionHSV, (2,2)) ret,thresh = cv.threshold(blurred,0,255,cv.THRESH_BINARY) cv.imshow("thresh", thresh)

處理結果

輪廓線繪制

現在讓我們在圖像上找到輪廓。

contours, hierarchy = cv.findContours(thresh, cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE) contours = max(contours, key=lambda x: cv.contourArea(x)) cv.drawContours(img, [contours], -1, (255,255,0), 2) cv.imshow("contours", img)

手掌輪廓線

凸包檢測

hull = cv.convexHull(contours) cv.drawContours(img, [hull], -1, (0, 255, 255), 2) cv.imshow("hull", img)

檢測結果

凸缺陷檢測

手掌與凸包檢測輪廓線的任何偏離的地方都可以視為凸度缺陷。

hull = cv.convexHull(contours, returnPoints=False) defects = cv.convexityDefects(contours, hull)

凸缺陷示例

余弦定理

現在，這是數學時間！讓我們了解余弦定理。

在三角學中，余弦定律將三角形邊的長度與其角度之一的余弦相關。使用如圖1所示的符號表示，余弦定律表明，其中γ表示長度a和b的邊之間的長度以及與長度c的邊相對的角度。

圖1

式：

通過現在看這個公式，我們知道如果有的話；a，b和gama然后我們也找到c以及是否有c?;?a，b，c然后我們也找到伽瑪（反之亦然）

為了找到伽瑪，使用以下公式：

使用余弦定理識別手指

圖2

在圖2中，我畫了一個Side：a，b，c和angle：gamma。現在，該伽馬始終小于90度，因此可以說：如果伽馬小于90度或pi / 2，則將其視為手指。

手指個數計算

注意：如果您不熟悉凸出缺陷，可以閱讀以下文章。

https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_contours/py_contours_more_functions/py_contours_more_functions.html

凸缺陷返回一個數組，其中每一行都包含以下值：

? 起點

? 終點

? 最遠點

? 到最遠點的大概距離

通過這一點，我們可以輕松得出Sides：a，b，c（請參見CODE），并且根據余弦定理，我們還可以得出兩根手指之間的伽馬或角度。如前所述，如果伽瑪小于90度，我們會將其視為手指。知道伽瑪后，我們只需畫一個半徑為4的圓，到最遠點的近似距離即可。在將文本簡單地放入圖像中之后，我們就表示手指數（cnt）。

if defects is not None: cnt = 0 for i in range(defects.shape[0]): # calculate the angle s, e, f, d = defects[i][0] start = tuple(contours[s][0]) end = tuple(contours[e][0]) far = tuple(contours[f][0]) a = np.sqrt((end[0] - start[0]) ** 2 + (end[1] - start[1]) ** 2) b = np.sqrt((far[0] - start[0]) ** 2 + (far[1] - start[1]) ** 2) c = np.sqrt((end[0] - far[0]) ** 2 + (end[1] - far[1]) ** 2) angle = np.arccos((b ** 2 + c ** 2 - a ** 2) / (2 * b * c)) # cosine theorem if angle <= np.pi / 2: # angle less than 90 degree, treat as fingers cnt += 1 cv.circle(img, far, 4, [0, 0, 255], -1) if cnt > 0: cnt = cnt+1 cv.putText(img, str(cnt), (0, 50), cv.FONT_HERSHEY_SIMPLEX,1, (255, 0, 0) , 2, cv.LINE_AA)

讓我們看看最終結果

cv.imshow('final_result',img)

我們也可以通過調用“ cv.VideoCapture（）”來對視頻執行此操作。代碼鏈接如下https://github.com/madhav727/medium/blob/master/finger_counting_video.py

往期精彩回顧適合初學者入門人工智能的路線及資料下載(圖文+視頻)機器學習入門系列下載中國大學慕課《機器學習》（黃海廣主講）機器學習及深度學習筆記等資料打印《統計學習方法》的代碼復現專輯 AI基礎下載機器學習交流qq群955171419，加入微信群請掃碼：

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的【CV】基于OpenCV的手掌检测和手指计数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。