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。