簡單的手勢識別，基本思路是基于皮膚檢測，皮膚的顏色在HSV顏色空間下與周圍環境的區分度更高，從RGB轉換到HSV顏色空間下針對皮膚顏色進行二值化，得到mask：

defHSVBin(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)return mask

其中：

cvtColor用于顏色空間轉換。

inRange中，lower指圖像中低于這個值，圖像值會變成0；upper指圖像中高于這個值，圖像值會變成0，而在這之間的值變為255。

然后通過腐蝕與膨脹等形態學變化去除一些噪點，得到更完整的白色（皮膚）色塊，最后找出色塊的輪廓，并通過色塊大小排除一些面積較小的噪點：

defgetContours(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)

vaildContours=[]for cont incontours:if cv2.contourArea(cont)>9000:

vaildContours.append(cv2.convexHull(cont))return vaildContours

膨脹：dilate，進行膨脹操作時，將內核 B劃過圖像，將內核B覆蓋區域的最大像素值提取，并代替錨點位置的像素，這一最大化操作會導致圖像中的亮區開始“擴展”。

腐蝕：erode，將最小像素值提取原始圖片里的一個像素（1或者0）只有在核下的所有像素都是1的時候才被認為是1.否則它就被腐蝕掉了（變成0）。根據核的大小來決定在邊界附近的多少像素會被丟棄掉，所以前景物體的厚度或大小會縮小，或者說白色區域會減小。這個在移除小的白色噪點時很有用。

ones(shape[,dtype,order]) 依據一個給定的形狀和類型返回一個新的元素全部為1的數組。

data type ：uint8 －－>range：0～255，一張圖片的數據類型默認為unit8

開：腐蝕之后再膨脹的另一個名字。我們使用函數cv2.morphologyEx()。

閉：膨脹之后再腐蝕，在用來關閉前景對象里的小洞或小黑點很有用。

輪廓檢測 cv2.findContours，接收參數為二值圖。

defmain():

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

cv2.waitKey()--waitKey()函數的功能是不斷刷新圖像，頻率時間為delay，單位為ms。返回值為當前鍵盤按鍵值。

完整代碼如下：

importcv2importnumpy as npdefmain():

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

defgetContours(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)

vaildContours=[]for cont incontours:if cv2.contourArea(cont)>9000:#x,y,w,h = cv2.boundingRect(cont)

#if h/w >0.75:

#filter face failed

vaildContours.append(cv2.convexHull(cont))#rect = cv2.minAreaRect(cont)

#box = cv2.cv.BoxPoint(rect)

#vaildContours.append(np.int0(box))

returnvaildContoursdefHSVBin(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)

returnmaskif __name__ =='__main__':

main()

效果：

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python手势识别_Python|使用opencv进行简单的手势检测的全部內容，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。