opencv学习笔记及复习（四）物体追踪及人体肤色追踪

一、BGR颜色空间

在opencv中，硬件所使用的颜色顺序为BGR，而非RGB，虽然排序有所不同，但是在进行图像操作的时候会有很大的区别，BGR颜色空间分别对应蓝、绿、红；这三种颜色的排列组合可以组成人眼所看到的所有颜色，如图2.1：

二、HSV颜色空间

HSV分别对应色度、饱和度、亮度，HSV颜色空间数据分明，适合计算机处理数据，HSV是一种比较直观的颜色模型，所以在许多图像编辑工具中应用比较广泛。因此，一般在做图像处理的时候，都会把BGR转化成HSV[3]。其表示如图2.2：

三、API：cv.cvtColor 色彩空间转化API

第一个参数frame是图片数据，第二个参数为转化参数有

cv.COLOR_BGR2GRAY：BGR转灰色空间，就是灰白图片

cv.COLOR_BGR2HSV：BGR转HSV

cv.COLOR_BGR2YUV ：BGR转YUV色彩空间

这些参数中把其中颜色空间的顺序调换就可以转回BGR，如cv.COLOR_GRAY2BGR

hsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)

四、颜色追踪（物体追踪）

1.定义掩摸（面具）mask

HSV颜色取值范围表

	黑	灰	白	红		橙	黄	绿	青	蓝
hmin	0	0	0	0	156	11	26	35	78	100
hmax	180	180	180	10	180	25	34	77	99	124
smin	0	0	0	43	43	43	43	43	43	43
smax	255	43	30	255	255	255	255	255	255	255
vmin	0	46	221	46	46	46	46	46	46	46
vmax	46	220	255	255	255	255	255	255	255	255

mask = cv.inRange(hsv, lowerb = lower_hsv, upperb = upper_hsv)

cv.inRange：确定颜色取值的范围（下面是红色的HSV颜色范围取值）

lower_hsv = np.array([156, 43, 46])   #定义hsv空间的三个最低值
upper_hsv = np.array([180, 255, 255]) #定义hsv空间的三个最高值

cv.bitwise_and：逻辑与，就是把他里面所有的参数都相与

cv.bitwise_and(frame, frame, mask=mask)

之后调用摄像头只直接显示就可以了，完整代码如下

def extrace_object_demo():capture = cv.VideoCapture(0)while(True):ret, frame = capture.read()if ret == False:breakhsv = cv.cvtColor(frame, cv.COLOR_BGR2HSV)lower_hsv = np.array([156, 43, 46])   #定义hsv空间的三个最低值upper_hsv = np.array([180, 255, 255]) #定义hsv空间的三个最高值mask = cv.inRange(hsv, lowerb = lower_hsv, upperb = upper_hsv)       #inRange取颜色范围，，现取红色区域cv.imshow("video", hsv)       #显示hsv图像red_mask = cv.bitwise_and(frame, frame, mask=mask)         #使用逻辑与取出红色区域cv.imshow("new video", red_mask)  #显示图像中的红色区域c = cv.waitKey(40)if c == 27:break
extrace_object_demo()
cv.waitKey(0)
cv.destroyAllWindows()

实验结果（我这里不使用摄像头了，我网上找了一个穿红衣服跳舞的视频）

视频我放在根目录下，只是把摄像头0改成了视频路径，更改的代码

capture = cv.VideoCapture('3.mkv')

五、肤色追踪（人脸检测）

黄色人体肤色范围

lower_red=np.array([0,30,60])

upper_red=np.array([20,150,255])

然后把这些数值带入上面的代码就可以了

实验结果就不放出来了，人长得丑，自己实验就知道了。