给一个觉得比较好的数据集(http://www.nada.kth.se/cvap/actions/)

手势识别之手势检测

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

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)
   validContours = [];
   for cont in contours:
       if cv2.contourArea(cont) > 9000:
           # x,y,w,h = cv2.boundingRect(cont)
           # if h/w > 0.75:
           validContours.append(cv2.convexHull(cont))
           # rect = cv2.minAreaRect(cont)
           # box = cv2.cv.BoxPoints(rect)
           # validContours.append(np.int0(box))
   return validContours
# 皮肤检测，皮肤颜色在HSV颜色空间下与周围环境区分度更高
# 所以把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)
   # res = cv2.bitwise_and(img, img, mask=mask)
   return mask
if __name__ == '__main__':
   main()

• ctvColor:颜色空间转换

• inRange: lower..指图像中低于这个值，图像值变为0，upper:指图像中高于这个值，图像值变为0，而在之间的值变为255

• bitwise_and是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0
  不太懂？？

• 去除一些噪点－－腐蚀与膨胀，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。

  • 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
    kernel = np.ones((5,5), np.uint8)，,给一个5x5的核，
• 开：腐蚀之后再膨胀的另一个名字。我们使用函数cv2.morphologyEx()
  opening = cv2.morphologyEx(img,cv2.MORPH_OPEN,kernel)
• 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。
  closing = cv2.morphologyEx(img,cv2.MORPH_CLOSE,kernel)
• 轮廓检测 cv2.findContours
  接收参数为二值图，所以可以考虑先转换成灰度，再转成二值，如下：

import cv2  
  
img = cv2.imread('D:\\test\\contour.jpg')  
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
ret, binary = cv2.threshold(gray,127,255,cv2.THRESH_BINARY)  
  
contours, hierarchy = cv2.findContours(binary,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)  
cv2.drawContours(img,contours,-1,(0,0,255),3)  
  
cv2.imshow("img", img)  

函数原型：

contours, hierarchy = cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

参数说明：

1. mode:轮廓检索模式。RETR_TREE: 建立一个等级树结构的轮廓
2. method:轮廓的近似办法。cv2.CHAIN_APPROX_SIMP：压缩水平方向、垂直方向、对角线方向的元素，只保留该方向的终点坐标。例如一个矩形轮廓只需要 4 个点来保存轮廓信息
3. contours-返回的轮廓，返回一个list，list中每个元素是图像中一个轮廓
   4.hierarchy-每条轮廓对应的属性
   5.cv2.drawContours()绘制轮廓

cv2.drawContours(image, contours, contourIdx, color[, thickness[, lineType[, hierarchy[, maxLevel[, offset ]]]]])
 

6. coutourIdx：指定绘制哪条轮廓，如果为－1则所有，
   7.(0，0，225）表颜色

• cv.contourArea－计算面积
  8.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。