优优99uu娱乐优优99uu娱乐


优优最新网站

OpenCV颜色转换和皮肤检测

本笔记重点记录OpenCV中的颜色转换和利用色彩空间的特性进行皮肤检测

颜色转换

实现原理

之所以要引入色调/饱和度/亮度的色彩空间概念,是因为人们喜欢凭直觉分辨各种颜色,而它与这种方式吻合。实际上,人类更喜欢用色彩、彩度、亮度等直观的属性来描述颜色,而大多 数直觉色彩空间正是基于这三个属性。

色调(hue)表示主色,我们使用的颜色名称(例如绿色、 黄色和红色)就对应了不同的色调值;饱和度(saturation)表示颜色的鲜艳程度,柔和的颜色饱 和度较低,而彩虹的颜色饱和度就很高亮度(brightness)是一个主观的属性,表示某种 颜色的光亮程度。

其他直觉色彩空间使用颜色明度(value)或颜色亮度(lightness)的概念描述 有关颜色的强度。

利用这些颜色概念,能尽可能地模拟人类对颜色的直观感知。因此,它们没有标准的定义。 根据文献资料,色调、饱和度和亮度都有多种不同的定义和计算公式。OpenCV 建议的两种直觉 色彩空间的实现是 HSV 和 HLS 色彩空间,它们的转换公式略有不同,但是结果非常相似。

亮度成分可能是最容易解释的。在 OpenCV 对 HSV 的实现中,它被定义为三个 BGR 成分中 的最大值,以非常简化的方式实现了亮度的概念。为了让定义更符合人类视觉系统,应该使用均 匀感知的色彩空间 Lab和 Luv的 L 通道。举个例子,L 通道已经考虑到了,在强度相同的 情况下,人们会觉得绿色比蓝色等颜色的亮度更高。

OpenCV 用一个公式来计算饱和度,该公式基于 BGR 组件的最小值和最大值:

其原理是:灰度颜色包含的 R、G、B 的成分是相等的,相当于一种极不饱和的颜色,因此 它的饱和度是 0(饱和度是一个 0~1.0 的值)。对于 8 位图像,饱和度被调节成一个 0~255 的值, 并且作为灰度图像显示的时候,较亮区域对应的颜色具有较高的饱和度。

利用opencv把RGB图片像HSV颜色空间转变(CV_BGR2HSV)的时候,

H通道的值范围为: 0-180

S: 0-255

V:0-255

实现代码

#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <iostream>#include <vector>int main(){ // 读入图像 cv::Mat image= cv::imread("boldt.jpg"); if (!image.data) return 0; // 原始图像 cv::namedWindow("Original image"); cv::imshow("Original image",image); // 转换成HSV色彩空间 cv::Mat hsv; cv::cvtColor(image, hsv, CV_BGR2HSV); // 把三个通道分割进三幅图像中 std::vector<cv::Mat> channels; cv::split(hsv,channels); // channels[0] 色调 // channels[1] 饱和度 // channels[2] 亮度 // 亮度 cv::namedWindow("Value"); cv::imshow("Value",channels[2]); // display 饱和度 cv::namedWindow("Saturation"); cv::imshow("Saturation",channels[1]); // display 色调 cv::namedWindow("Hue"); cv::imshow("Hue",channels[0]); cv::waitKey();}

实现效果

皮肤检测

8 位版本的色调在 0~180,饱和度在 0~255

实现原理

在对特定物体做初步检测时,颜色信息非常有用。例如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的信息。另一个例子是肤色检测,检测到的皮肤区域 可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。

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皮肤颜色,可以在色调、饱和度、色彩空间中很好地归类。

实现代码

#include <opencv2/core/core.hpp>#include <opencv2/highgui/highgui.hpp>#include <opencv2/imgproc/imgproc.hpp>#include <iostream>#include <vector>void detectHScolor(const cv::Mat& image, // input image double minHue, double maxHue, // Hue interval double minSat, double maxSat, // saturation interval cv::Mat& mask) { // output mask // convert into HSV space cv::Mat hsv; cv::cvtColor(image, hsv, CV_BGR2HSV); // split the 3 channels into 3 images std::vector<cv::Mat> channels; cv::split(hsv, channels); // channels[0] is the Hue // channels[1] is the Saturation // channels[2] is the Value // Hue masking cv::Mat mask1; // below maxHue cv::threshold(channels[0], mask1, maxHue, 255, cv::THRESH_BINARY_INV); cv::Mat mask2; // over minHue cv::threshold(channels[0], mask2, minHue, 255, cv::THRESH_BINARY); cv::Mat hueMask; // hue mask if (minHue < maxHue) hueMask = mask1 & mask2; else // if interval crosses the zero-degree axis hueMask = mask1 | mask2; // Saturation masking // below maxSat cv::threshold(channels[1], mask1, maxSat, 255, cv::THRESH_BINARY_INV); // over minSat cv::threshold(channels[1], mask2, minSat, 255, cv::THRESH_BINARY); cv::Mat satMask; // saturation mask satMask = mask1 & mask2; // combined mask mask = hueMask&satMask;}int main(){ // 读入图像 cv::Mat image= cv::imread("girl.jpg"); if (!image.data) return 0; // show original image cv::namedWindow("Original image"); cv::imshow("Original image",image); // detect skin tone cv::Mat mask; detectHScolor(image, 160, 10, // hue from 320 degrees to 20 degrees 25, 166, // saturation from ~0.1 to 0.65 mask);// show masked image cv::Mat detected(image.size(), CV_8UC3, cv::Scalar(0, 0, 0)); image.copyTo(detected, mask); cv::imshow("Detection result",detected); cv::waitKey();}

实现效果

可改进的地方

在检测时没有考虑颜色的亮度。在实际应用中,排除较高亮度的颜色可以降低把明亮的淡红色误认为皮肤的可能性。所以要想对皮肤颜色进行可靠和准确的检测, 还需要更加精确的分析。对不同的图像进行检测,也很难保证效果都好,因为摄影时影响彩色再 现的因素有很多,如白平衡和光照条件等。

欢迎阅读本文章: 程小姐

优优官方APP

优优最新网站