概述:
在对待物体做初步检测时,颜色信息非常有用。比如说辅助驾驶程序中的路标检测功能,就要凭借标准路标的颜色快速识别可能是路标信息。另一个例子是肤色检测,检测到的皮肤区域可以作为图像中有人存在的标志。手势识别就经常使用肤色检测确定手的位置。
1、利用颜色阈值的方法进行肤色检测
肤色检测领域的大量研究已经表明,来自不同人种的人群的肤色颜色,可以在 色调-饱和度色彩空间中很好的归类。
因此在后面的图像中,我们将只使用色调和饱和度值来识别肤色。
2、定义一个基于数值区间(最小和最大色调、最小和最大饱和度)的函数,把图像中像素分为皮肤和非皮肤两部分。
void detectHScolor(const cv::Mat& image, double minHue, double maxHue, double minSat, double maxSat, cv::Mat& mask)
{
cv::Mat hsv;
cv::cvtColor(image, hsv, CV_RGB2HSV);
std::vector<cv::Mat> channels;
cv::split(image, channels);
//色调掩码
cv::Mat mask1;
cv::threshold(channels[0], mask1, maxHue, 255, cv::THRESH_BINARY_INV);
cv::Mat mask2;
cv::threshold(channels[0], mask2, minHue, 255, cv::THRESH_BINARY);
cv::Mat hueMask;
if (minHue < maxHue)
hueMask = mask1&mask2;
else
hueMask = mask1 | mask2;
//饱和度掩码
cv::threshold(channels[1], mask1, maxSat, 255, cv::THRESH_BINARY_INV);
cv::threshold(channels[1], mask2, minSat, 255, cv::THRESH_BINARY);
cv::Mat satMask;
satMask = mask1&mask2;
mask = hueMask&satMask;
}
上述代码中,主要运用两个OpenCV内置函数
- threshold( )
- inRange( )
这两个函数的使用,我在另一篇关于常见的OpenCV内置函数的使用说明中有写具体的使用方法[每个被调用的参数的意义以及该函数要实现的功能和意义]
3、在主函数中去调用上述所写的数值区间函数
//
// Created by lm on 19-1-15.
//
int main()
{
cv::Mat image = cv::imread("/home/lm/AApracticeOpenCV/skin.jpeg");
cv::imshow("原图", image);
cv::Mat mask;
detectHScolor(image, 70, 130, 100, 255, mask);
cv::Mat detected(image.size(), CV_8UC3, cv::Scalar(0, 0, 0));
image.copyTo(detected, mask);
cv::imshow("肤色检测图", detected);
cv::waitKey();
}
在这里需要说明一下: 该算法对于肤色检测处理的好坏程度,取决于向该函数传入的一些 色调区间和饱和度区间这两个参数范围。
依据经验在这里给出一个范围:色调:(160,10) 、饱和度(25,166)
4、 实验结果
在这里需要说一下,由于我选择的色调、饱和度,以及图片颜色过于统一,可能效果不是很好,在这里给出两副图片,第一:来说明一下参数对结果的影响;第二:表征一下我在这里用的参数还是可以继续优化的=;仅供参考。