6种肤色检测方法的原理及实现（C++）

参考：https://blog.csdn.net/qq_22527639/article/details/81501565

6种肤色检测算法实现

简介：
原理介绍：
代码实现（C++）：

简介：

肤色分割的原理就是在不同的颜色区间进行颜色分割，内容都大致相同，包括
(1) 基于HSV颜色空间的阈值肤色识别
(2) 基于RGB颜色空间的阈值肤色识别
(3) 基于YCbCr颜色空间的阈值肤色识别
(4) 基于YCbCr颜色空间和椭圆皮肤模型的皮肤识别
(5) 基于YCbCr颜色空间的Otsu阈值肤色识别
(6）OPencv自带的函数

原理介绍：

各种肤色检测效果：

代码实现（C++）：

（参数比模型重要的多 orz）

#include <iostream>
#include <string>
#include <opencv2\opencv.hpp>
#include <stdio.h>
using namespace cv;
using namespace std;//-----各颜色空间的参数-------------------------------------//
int minH = 2, maxH = 13;//肤色分割阈值白天建议3 14
int minR = 95, minG = 40, minB = 20, max_min = 15, absR_G= 10;
int minCr = 138, maxCr = 243, minCb = 77, maxCb = 127;
int ecl_x = 113, ecl_y = 156, leng_x = 24, leng_y = 23, ang =43;Mat frame, frameH, frameHSV, frameYCrCb; //不同颜色空间下的图片
Mat  RIOframe, RIOresult; //二值化得到的图像，识别出的皮肤区域，最终结果,将结果显示在原图
vector <Mat> RGBchannels, HSVchannels;     //RGB通道分离,HSV通道分离//-----6种肤色识别方法-------------------------------------//
void hand_HSV();
void hand_RGB();
void hand_YCbCr_ellipse();//椭圆模型
void hand_YCbCr();
void hand_YCbCr_Otsu();
void hand_opencv();int main()
{while (true){frame = imread("test.jpg");resize(frame, frame, Size(frame.cols*0.1, frame.rows*0.1));//降采样namedWindow("原始图片", CV_WINDOW_NORMAL);imshow("原始图片",frame);//--------------------------6种肤色检测方法------------------------------------////hand_HSV();//hand_RGB();hand_YCbCr_ellipse();//椭圆模型//hand_YCbCr();//hand_YCbCr_Otsu();//hand_opencv();namedWindow("肤色分割之后的图片", CV_WINDOW_NORMAL);imshow("肤色分割之后的图片", RIOframe);// 显示肤色分割之后的图片RIOframe.setTo(0);waitKey(1);}system("pause");return 0;
}//-----6种肤色识别方法-------------------------------------//
void hand_HSV()
{cvtColor(frame, frameHSV, CV_BGR2HSV);//在opencv中，其默认的颜色制式排列是BGR而非RGBsplit(frameHSV, HSVchannels);//分离后, channels[0]对应H, channels[1]对应S, channels[2]对应frameH = HSVchannels[0];inRange(frameH, Scalar(minH), Scalar(maxH), RIOresult);frame.copyTo(RIOframe, RIOresult);
};void hand_RGB()
{//imshow("4.肤色分割之后的图片", frame);Mat tempresult = Mat(frame.rows, frame.cols, CV_8UC3, Scalar(0));for (int i = 0; i < frame.rows; i++){for (int j = 0; j < frame.cols;j++){int r,g,b;r = frame.at<cv::Vec3b>(i,j)[2];g = frame.at<cv::Vec3b>(i,j)[1];b = frame.at<cv::Vec3b>(i,j)[0];if( r>minR && g>minG && b>minB && max(max (r,g),b) - min(min (r,g),b)> max_min && abs(r-g)>absR_G && r>g && r>b)//if( r>95 && g>40 && b>20 && max(max (r,g),b) - min(min (r,g),b)> 15 && abs(r-g)>15 && r>g && r>b ){tempresult.at<cv::Vec3b>(i,j) = Vec3b(255, 255, 255);}else if( r>220 && g>210 &&b>170 && abs(r-g)<=15 && r>b && g<b){tempresult.at<cv::Vec3b>(i,j) = Vec3b(255, 255, 255);}}};RIOresult = tempresult.clone();frame.copyTo(RIOframe, tempresult);
};//椭圆模型
void hand_YCbCr_ellipse()
{/*椭圆皮肤模型*/Mat skinCrCbHist = Mat::zeros(Size(256, 256), CV_8UC1);//ellipse(skinCrCbHist, Point(113, 155.6), Size(23.4, 23.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1);ellipse(skinCrCbHist, Point(ecl_x, ecl_y), Size(leng_x, leng_y), ang, 0.0, 360.0, Scalar(255, 255, 255), -1);cvtColor(frame, frameYCrCb , CV_BGR2YCrCb);Mat tempresult = Mat(frame.rows, frame.cols, CV_8UC3, Scalar(0));for (int i = 0; i < frame.rows; i++){for (int j = 0; j < frame.cols;j++){int y, cr, cb;y = frameYCrCb.at<cv::Vec3b>(i,j)[0];cr = frameYCrCb.at<cv::Vec3b>(i,j)[1];cb = frameYCrCb.at<cv::Vec3b>(i,j)[2];if( skinCrCbHist.at<uchar>(cr,cb) >0 ){tempresult.at<cv::Vec3b>(i,j) = Vec3b(255, 255, 255);}}};RIOresult = tempresult.clone();frame.copyTo(RIOframe, tempresult);
};void hand_YCbCr()
{cvtColor(frame, frameYCrCb , CV_BGR2YCrCb);Mat tempresult = Mat(frame.rows, frame.cols, CV_8UC3, Scalar(0));inRange(frameYCrCb, Scalar(0,minCr,minCb), Scalar(255, maxCr, maxCb), RIOresult);frame.copyTo(RIOframe, RIOresult);
};void hand_YCbCr_Otsu()
{cvtColor(frame, frameYCrCb , CV_BGR2YCrCb);Mat tempresult = Mat(frame.rows, frame.cols, CV_8UC3, Scalar(0));Mat detect;vector<Mat> channels;split(frameYCrCb, channels);RIOresult = channels[1];threshold(RIOresult, RIOresult, 0, 255, CV_THRESH_BINARY | CV_THRESH_OTSU);frame.copyTo(RIOframe, RIOresult);
};void hand_opencv()
{IplImage *frame1;frame1 = &IplImage(frame);  //Mat -> IplImageCvAdaptiveSkinDetector filter(1, CvAdaptiveSkinDetector::MORPHING_METHOD_ERODE_DILATE);IplImage *maskImg = cvCreateImage(cvSize(frame.cols, frame.rows), IPL_DEPTH_8U, 1);IplImage *skinImg = cvCreateImage(cvSize(frame.cols, frame.rows), IPL_DEPTH_8U, 3);cvZero(skinImg);filter.process(frame1, maskImg);    // process the framecvCopy(frame1, skinImg, maskImg);Mat tmp(skinImg);  //IplImage -> MatRIOresult= tmp.clone();cvReleaseImage(&skinImg);cvReleaseImage(&maskImg);frame.copyTo(RIOframe, RIOresult);
};

6种肤色检测方法的原理及实现（C++）相关推荐

6种肤色检测方法的原理及实现（opencv, C++）
6种肤色检测方法的原理及实现(opencv, C++) Mr Qin 分类:机器视觉个人专栏:图像处理发布时间 2021.06.18 阅读数 2024 评论数 0 0 简介: 本博文首发csdn链 ...
Opencv暑期历程--Day10（6种肤色检测方法，YCrCb肤色模型解释，再理解一遍掩模）
从一篇文章了解到,肤色检测主要有以下七种方法: RGB color space Ycrcb之cr分量+otsu阈值化 YCrCb中133<=Cr<=173 77<=Cb<=12 ...
随机性测试软件,5种随机性检测方法
<5种随机性检测方法>由会员分享,可在线阅读,更多相关<5种随机性检测方法(15页珍藏版)>请在人人文库网上搜索. 1.采用,Maurer,通用统计检测等,方法来实现随机性检测 ...
OpenCV-Python实战（14）——人脸检测详解（仅需6行代码学会4种人脸检测方法）
OpenCV-Python实战(14)--人脸检测详解(仅需6行代码学会4种人脸检测方法) 0. 前言 1. 人脸处理简介 2. 安装人脸处理相关库 2.1 安装 dlib 2.2 安装 face_r ...
14种异常检测方法总结
作者丨Ai 来源丨宅码编辑丨极市平台本文收集整理了公开网络上一些常见的异常检测方法(附资料来源和代码).不足之处,还望批评指正. 一.基于分布的方法 1. 3sigma 基于正态分布,3sigma ...
14种异常检测方法汇总
今天给大家分享一篇关于异常检测的文章,重点介绍了14种公开网络上一些常见的异常检测方法(附资料来源和代码). 一.基于分布的方法 1. 3sigma 基于正态分布,3sigma准则认为超过3sigma ...
14种异常检测方法汇总（附代码）！
公众号:尤而小屋作者:Ai 编辑:Peter 今天给大家分享一篇关于异常检测的文章,重点介绍了14种公开网络上一些常见的异常检测方法(附资料来源和代码). 一.基于分布的方法 1. 3sigma 基 ...
14种异常检测方法理论和代码总结
作者丨Ai 来源丨宅码编辑丨极市平台导读本文收集整理了公开网络上一些常见的异常检测方法(附资料来源和代码). 本文收集整理了公开网络上一些常见的异常检测方法(附资料来源和代码).不足之处,还望批 ...
One_hot和Word2Vec两种词向量方法的原理及比较
对于文本处理,首要的任务是要对非结构化数据进行结构化处理,由此诞生了词向量表示的方法,再众多词向量表示方法中,尤其以One_hot和word2vec两种方法最常用,下面也针对这俩方法进行阐述 One_ ...

6种肤色检测方法的原理及实现（C++）

6种肤色检测算法实现

简介：

原理介绍：

代码实现（C++）：

6种肤色检测方法的原理及实现（C++）相关推荐

最新文章

热门文章