人体肤色检测：100 行 Python 实现开发者社区

link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

人体肤色检测：100 行 Python 实现

来源：机器学习那些事本文约2700字，建议阅读5分钟本文中的人体肤色检测功能采用 OpenCV 库实现。

pip install opencv-python -i https://mirrors.ustc.edu.cn/pypi/web/simple

pip install numpy -i https://mirrors.ustc.edu.cn/pypi/web/simple

import numpy as npimport cv2imname =  "6358772.jpg"# 读入图像'''使用函数 cv2.imread() 读入图像。这幅图像应该在此程序的工作路径，或者给函数提供完整路径.警告：就算图像的路径是错的，OpenCV 也不会提醒你的，但是当你使用命令print(img)时得到的结果是None。'''img = cv2.imread(imname, cv2.IMREAD_COLOR)'''imread函数的第一个参数是要打开的图像的名称(带路径)第二个参数是告诉函数应该如何读取这幅图片. 其中    cv2.IMREAD_COLOR 表示读入一副彩色图像, alpha 通道被忽略, 默认值    cv2.IMREAD_ANYCOLOR 表示读入一副彩色图像    cv2.IMREAD_GRAYSCALE 表示读入一副灰度图像    cv2.IMREAD_UNCHANGED 表示读入一幅图像，并且包括图像的 alpha 通道'''# 显示图像'''使用函数 cv2.imshow() 显示图像。窗口会自动调整为图像大小。第一个参数是窗口的名字，其次才是我们的图像。你可以创建多个窗口，只要你喜欢，但是必须给他们不同的名字.'''cv2.imshow("image", img) # "image" 参数为图像显示窗口的标题, img是待显示的图像数据cv2.waitKey(0) #等待键盘输入,参数表示等待时间,单位毫秒.0表示无限期等待cv2.destroyAllWindows() # 销毁所有cv创建的窗口# 也可以销毁指定窗口:#cv2.destroyWindow("image") # 删除窗口标题为"image"的窗口# 保存图像'''使用函数 cv2.imwrite() 来保存一个图像。首先需要一个文件名，之后才是你要保存的图像。保存的图片的格式由后缀名决定.'''#cv2.imwrite(imname + "01.png", img) cv2.imwrite(imname + "01.jpg", img)

# 肤色检测之一: YCrCb之Cr分量 + OTSU二值化img = cv2.imread(imname, cv2.IMREAD_COLOR)ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb) # 把图像转换到YUV色域(y, cr, cb) = cv2.split(ycrcb) # 图像分割, 分别获取y, cr, br通道图像# 高斯滤波, cr 是待滤波的源图像数据, (5,5)是值窗口大小, 0 是指根据窗口大小来计算高斯函数标准差cr1 = cv2.GaussianBlur(cr, (5, 5), 0) # 对cr通道分量进行高斯滤波# 根据OTSU算法求图像阈值, 对图像进行二值化_, skin1 = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) cv2.imshow("image CR", cr1)cv2.imshow("Skin Cr+OSTU", skin1 )

# 肤色检测之二: YCrCb中 140<=Cr<=175 100<=Cb<=120img = cv2.imread(imname, cv2.IMREAD_COLOR)ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb) # 把图像转换到YUV色域(y, cr, cb) = cv2.split(ycrcb) # 图像分割, 分别获取y, cr, br通道分量图像
skin2 = np.zeros(cr.shape, dtype=np.uint8) # 根据源图像的大小创建一个全0的矩阵,用于保存图像数据(x, y) = cr.shape # 获取源图像数据的长和宽
# 遍历图像, 判断Cr和Br通道的数值, 如果在指定范围中, 则置把新图像的点设为255,否则设为0for i in  range(0, x): for j in  range(0, y):if (cr[i][j] >  140) and (cr[i][j] <  175) and (cb[i][j] >  100) and (cb[i][j] <  120):            skin2[i][j] =  255else:            skin2[i][j] =  0
cv2.imshow(imname, img)cv2.imshow(imname +  " Skin2 Cr+Cb", skin2)

# 肤色检测之三: HSV中 7<H<20 28<S<256 50<V<256img = cv2.imread(imname, cv2.IMREAD_COLOR) hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 把图像转换到HSV色域(_h, _s, _v) = cv2.split(hsv) # 图像分割, 分别获取h, s, v 通道分量图像skin3 = np.zeros(_h.shape, dtype=np.uint8)  # 根据源图像的大小创建一个全0的矩阵,用于保存图像数据(x, y) = _h.shape # 获取源图像数据的长和宽
# 遍历图像, 判断HSV通道的数值, 如果在指定范围中, 则置把新图像的点设为255,否则设为0for i in  range(0, x):for j in  range(0, y):if (_h[i][j] >  7) and (_h[i][j] <  20) and (_s[i][j] >  28) and (_s[i][j] <  255) and (_v[i][j] >  50) and (_v[i][j] <  255):            skin3[i][j] =  255else:            skin3[i][j] =  0
cv2.imshow(imname, img)cv2.imshow(imname +  " Skin3 HSV", skin3)

人体肤色检测：100 行 Python 实现

人体肤色检测：100 行 Python 实现

参考资料

准备工作

安装 Python-OpenCV 库

pip install opencv-python -i https://mirrors.ustc.edu.cn/pypi/web/simple 复制 利用 -i 为pip指令镜像源, 这里使用电子科技大学的源, 速度比官方源更快。

安装 Numpy 科学计算库

pip install numpy -i https://mirrors.ustc.edu.cn/pypi/web/simple 复制

图像的基本操作

皮肤检测算法

基于YCrCb颜色空间的Cr分量+Otsu法阈值分割算法

关于高斯滤波

基于YCrCb颜色空间Cr, Cb范围筛选法

基于HSV颜色空间H,S,V范围筛选法