OpenCv皮肤检测-HSV分离

HSV皮肤检测

// 进行肤色检测
void SkinDetect(IplImage* src, IplImage* dst)
{
    // 创建图像头
    IplImage* hsv = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 3);//用于存图像的一个中间变量,是用来分通道用的,分成hsv通道
    IplImage* tmpH1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);//通道的中间变量,用于肤色检测的中间变量
    IplImage* tmpS1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpH2 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpS3 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpH3 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpS2 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* H = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* S = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* V = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);

    IplImage* src_tmp1 = cvCreateImage(cvGetSize(src), 8, 3);

    // 高斯模糊
    cvSmooth(src, src_tmp1, CV_GAUSSIAN, 3, 3); //高斯模糊   

    // hue色度,saturation饱和度,value纯度
    cvCvtColor(src_tmp1, hsv, CV_BGR2HSV);//颜色转换
    cvSplit(hsv, H, S, V, 0);//分为3个通道   

    cvInRangeS(H, cvScalar(0.0, 0.0, 0, 0), cvScalar(20.0, 0.0, 0, 0), tmpH1);
    cvInRangeS(S, cvScalar(75.0, 0.0, 0, 0), cvScalar(200.0, 0.0, 0, 0), tmpS1);
    cvAnd(tmpH1, tmpS1, tmpH1, 0);

    // Red Hue with Low Saturation
    // Hue 0 to 26 degree and Sat 20 to 90
    cvInRangeS(H, cvScalar(0.0, 0.0, 0, 0), cvScalar(13.0, 0.0, 0, 0), tmpH2);
    cvInRangeS(S, cvScalar(20.0, 0.0, 0, 0), cvScalar(90.0, 0.0, 0, 0), tmpS2);
    cvAnd(tmpH2, tmpS2, tmpH2, 0);

    // Red Hue to Pink with Low Saturation
    // Hue 340 to 360 degree and Sat 15 to 90
    cvInRangeS(H, cvScalar(170.0, 0.0, 0, 0), cvScalar(180.0, 0.0, 0, 0), tmpH3);
    cvInRangeS(S, cvScalar(15.0, 0.0, 0, 0), cvScalar(90., 0.0, 0, 0), tmpS3);
    cvAnd(tmpH3, tmpS3, tmpH3, 0);

    // Combine the Hue and Sat detections
    cvOr(tmpH3, tmpH2, tmpH2, 0);
    cvOr(tmpH1, tmpH2, tmpH1, 0);

    cvCopy(tmpH1, dst);

    cvReleaseImage(&hsv);
    cvReleaseImage(&tmpH1);
    cvReleaseImage(&tmpS1);
    cvReleaseImage(&tmpH2);
    cvReleaseImage(&tmpS2);
    cvReleaseImage(&tmpH3);
    cvReleaseImage(&tmpS3);
    cvReleaseImage(&H);
    cvReleaseImage(&S);
    cvReleaseImage(&V);
    cvReleaseImage(&src_tmp1);
}

int main(int argc, char* argv[])
{
    /*
    IplImage *src = cvLoadImage("C:\\C_C++ code\\Photo and video\\text009.jpg", CV_LOAD_IMAGE_COLOR);
    //
    cvNamedWindow("src", CV_WINDOW_AUTOSIZE);
    cvShowImage("src", src);
    //   

    cvNamedWindow("flip", CV_WINDOW_AUTOSIZE);
    IplImage *dsc = cvCreateImage(cvGetSize(src), src->depth, 1);

    // 以x轴翻转
    SkinDetect(src, dsc);
    // cvFlip(src, dsc, 1);
    cvShowImage("flip", dsc);
    cvWaitKey(0);
    cvDestroyAllWindows();
    cvReleaseImage(&src);
    printf("Hello World!\n");

    */
    VideoCapture video(0);
    IplImage *src, *dst;
    Mat img,bigimg;
    double scalar = 2;
    video >> img;
    src = &(IplImage(img));
    dst = cvCreateImage(cvGetSize(src), 8, 1);
    while (1)
    {
        video >> img;
        src = &(IplImage(img));
        SkinDetect(src, dst);
        img = cvarrToMat(dst);
        //腐蚀与膨胀

        erode(img, img, Mat());
        erode(img, img, Mat());
        //erode(img, img, Mat());

        dilate(img, img, Mat());
        dilate(img, img, Mat());
        dilate(img, img, Mat());

        dilate(img, img, Mat());
        dilate(img, img, Mat());
        resize(img, bigimg, Size(img.cols*scalar, img.rows*scalar), 1, 1, 1);
        imshow("x", bigimg);
        if (waitKey(40) > 0)
            break;
    }
    waitKey();
    return 0;
}
时间: 2024-12-27 23:32:09

OpenCv皮肤检测-HSV分离的相关文章

OpenCV运动目标检测——帧间差,混合高斯模型方法

一.简单的帧间差方法 帧差法是在连续的图像序列中两个或三个相邻帧间采用基于像素的时间差分并且闽值化来提取图像中的运动区域. 代码: int _tmain(int argc, _TCHAR* argv[]) { VideoCapture capture("bike.avi"); if(!capture.isOpened()) return -1; double rate = capture.get(CV_CAP_PROP_FPS); int delay = 1000/rate; Mat

OPENCV条形码检测与识别

条形码是当前超市和部分工厂使用比较普遍的物品,产品标识技术,使用摄像头检测一张图片的条形码包含有两个步骤,第一是定位条形码的位置,定位之后剪切出条形码,并且识别出条形码对应的字符串,然后就可以调用网络,数据库等手段快速进行后续处理. 条形码识别要考虑到条形码的特点,本文针对的是条形码在图片中的位置相对垂直,没有各种倾斜的那种条形码,如下图所示 要定位首先要检视这种条形码的特点,这种图像在X方向上的梯度肯定很明显,同时,Y方向的梯度就没这么明显,所以第一步,我们应该将图像的灰度图像分别计算梯度,用

OpenCV人脸检测(C++代码)

OpenCV人脸检测(C++代码)-- By wepon 这篇文章简单总结一下人脸检测的代码实现,基于OpenCV,C++版本.之所以强调C++版本是因为OpenCV有很多其他语言的接口,之前我也写过人脸检测的Python实现<Python-OpenCV人脸检测(代码)>,这篇文章则讲C++实现,其实大同小异,C++相比于Python实现代码写起来会繁琐一点,这也是语言本身决定的吧. 为了保持代码风格一致,C++实现与之前的Python实现一样,都将人脸检测.眼睛检测.框出人脸.框出眼睛.截取

Opencv SkinOtsu皮肤检测

void SkinRGB(IplImage* rgb, IplImage* _dst) { assert(rgb->nChannels == 3 && _dst->nChannels == 3); static const int R = 2; static const int G = 1; static const int B = 0; IplImage* dst = cvCreateImage(cvGetSize(_dst), 8, 3); cvZero(dst); for

颜色空间模型 与 Opencv中的HSV模型范围

颜色空间总结 RGB.HSV.YUV 什么是颜色 Wiki是这样说的:颜色或色彩是通过眼.脑和我们的生活经验所产生的一种对光的视觉效应.嗯,简单点说,颜色就是人对光的一种感觉,由大脑产生的一种感觉.感觉是一个很主观的东西,你怎么确定你看到的红色和我看到的是一样的呢?这个视频解释的很不错.我们需要先假设正常人对于同一种光产生的感觉基本是一致的,讨论才能继续下去. 人的视网膜上布满了感光细胞,当有光线传入人眼时,这些细胞就会将刺激转化为视神经的电信号,最终在大脑得到解释.视网膜上有两类感光细胞:视锥

OpenCV人脸检测

由于光照.遮挡和倾斜等原因,部分人脸和眼睛并不能正确检测.. // 简单的人脸检测 #include <iostream> #include <vector> #include <opencv2\opencv.hpp> #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/im

OpenCV轮廓检测,计算物体旋转角度

效果还是有点问题的,希望大家共同探讨一下 // FindRotation-angle.cpp : 定义控制台应用程序的入口点. // // findContours.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include <iostream> #include <vector> #include <opencv2/opencv.hpp> #include <opencv2/core/core.h

OpenCV人脸检测(完整源码+思路)

本博文IDE为vs2013 OpenCV2.49 话不多说,先看视频演示(20S演示): 如下: https://v.youku.com/v_show/id_XMjYzMzkxMTYyMA==.html?spm=a2h0w.8278793.2736843.4#paction 程序截图如下: 如何来用OpenCV来实现能. 下面给出OpenCV实现人脸检测的一般步骤: 1.加载人脸检测器 2.开启摄像头 3.对图片进行灰度处理(其实可以不处理,上图中原图的标题栏就是未进行灰度处理进行的检测,这里的

OpenCV人形检测Hog

#include "iostream" #include "queue" using namespace std; #include "opencv2/opencv.hpp" #include "Windows.h" #include "opencv2/core/core.hpp" #include "opencv2/highgui/highgui.hpp" #include "