我正在尝试使用一定范围的hsb图像实现一个超级简单的皮肤检测器。我正在使用此处和此处所述的方法。
我尝试使用网络摄像头中的视频源。如果我使用阳光照明，效果会很好（不是很好，但很好），但是在霓虹灯下..那是一团糟。为什么会检测到很多白色区域并且到处都有很多噪音。
为什么？
我正在使用第二个来源中所述的算法：
将图像转换为HSV色彩空间
将白色置于范围0
腐蚀过滤器
模糊过滤器
#1 楼
实际上，使用简单的RGB生成模型而不是HSV可能会更好。获取训练图像或一些带有某些皮肤的训练图像。
手动选择皮肤像素（例如，通过创建二进制蒙版）
计算RGB中肤色的均值和协方差（每个均应为3元素矢量）<br />对于未知像素，请使用协方差。
如果距离小于阈值，则将其分类为皮肤。
调整阈值以获得最佳性能。
编辑：
我不知道是否OpenCV具有计算协方差的功能，但是我可以告诉您如何自己做。假设您有$ n $ RGB像素。您将它们放入$ n $ x 3矩阵，我们称其为$ P $。然后计算$ m $，这是通过计算列的平均值得出的平均RGB向量。 $ m $将是一个1 x 3的向量。从$ P $的每一行中减去$ m $，然后调用所得矩阵$ Q $。现在要计算协方差，您要做的就是将$ Q $乘以自身的转置：$ C = Q'Q $。确保$ C $为3 x3。
Edit2：
您得到的值似乎太大。要获得最大协方差，请创建以下矩阵：
255 255 255
0 0 0
并计算其协方差。您应该得到一个矩阵，其中每个值都近似为
32513。因此，请确保您的像素值介于0到255之间，并确保将其正确复制到float或double中。马氏距离以方差为单位，因此，该数字应较小。您的皮肤分类阈值应小于4。
#2 楼
请考虑应用霓虹灯时HSV颜色获得的不同值：此处是其偏差的示例。尝试调整算法以使其适应这些值。
这里是另一种用于检测皮肤的算法，并且可以用于检测光照条件。您可以使用此算法。
另一种算法是与皮肤检测有关，但与霓虹灯效果没有太大关系。 />
#3 楼
到目前为止，您所获得的答案都指向了不错的替代方法，但是，如果您对使用诸如初始算法之类的东西感兴趣，则可能不难解决。您只需要针对OpenCV的HSV特性进行调整。鉴于结果古怪，我认为您可能在选择阈值和/或转换像素时使用了HSV的一种较为常见的数字表示形式？OpenCV代表HSV的方式与您可能发现的大多数其他来源不同：
对您来说最大的不同是色相：OpenCV
表示色相介于0到179之间，而几乎其他所有东西都利用悬挂位来保存更多信息（w / 0-255）。
另一个区别：饱和度的测量是倒置的
与规范相比。所以255饱和度意味着opencv中是明亮的，
而不是白色（注意，我们回到了255-只有色相是0-180，
也许是因为'wheel'表示？）
可能为时已晚，无法为您提供帮助，但这是一个有趣的问题，其他人可能也会遇到相同的问题。
#4 楼
import sys
import numpy
import cv2
cap = cv2.VideoCapture(0)
while(1):
_, im = cap.read()
im_ycrcb = cv2.cvtColor(im, cv2.COLOR_BGR2YCR_CB)
skin_ycrcb_mint = numpy.array((0, 133, 77))
skin_ycrcb_maxt = numpy.array((255, 173, 127))
skin_ycrcb = cv2.inRange(im_ycrcb, skin_ycrcb_mint, skin_ycrcb_maxt)
cv2.imshow("Second Image", skin_ycrcb) # Second image
contours, _ = cv2.findContours(skin_ycrcb, cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
for i, c in enumerate(contours):
area = cv2.contourArea(c)
if area > 1000:
cv2.drawContours(im, contours, i, (255, 0, 0), 3)
cv2.imshow("Final Image", im) # Final image
cv2.waitKey(1)
评论
$ \ begingroup $
我在理解如何从图像中使用opencv获得3x3协方差矩阵时遇到问题。您能给我一些参考吗？
$ \ endgroup $
– nkint
2012-03-20 23:12
$ \ begingroup $
@nkint，请参阅编辑后的答案。
$ \ endgroup $
–迪马
2012年3月21日在12:47
$ \ begingroup $
好的，很好。在5行中，您使我理解了协方差。谢谢。有用。但我在存储结果时遇到问题。如果我的像素范围是0-255，那么我应该期望马哈拉诺比斯距离的数字是什么？如果我将它们储存在8盎司的纸上，它的确只占皮肤的一小部分；如果我将它们储存在32层的纸上，我会听到强烈的白噪声
$ \ endgroup $
– nkint
2012年3月21日在20:40
$ \ begingroup $
是的，我认为我做错了，因为我的协方差矩阵是：[10913058.00000000，7046611.50000000，3290781.50000000; 7046611.50000000，4811646.00000000，2225078.00000000; 3290781.50000000，2225078.00000000，1387631.87500000]
$ \ endgroup $
– nkint
2012年3月21日在20:52
$ \ begingroup $
您可以将协方差视为定义3D中的椭圆体。您可能可以在Matlab中对其进行可视化，但这可能需要大量工作。或者，您可以尝试查看椭球的2D投影，但这也需要一些工作。
$ \ endgroup $
–迪马
2012年3月22日17:11