从零开发一个Python项目——手势识别

最近开发了一个手势处理的项目（零基础也可以学，就是针对零基础的），我在这儿简单的复述一下原理，总体来说还是比较简单的，主要运用的知识就是opencv，python基本语法，图像处理基础知识。

最终实现结果：

获取视频（摄像头）

这部分没啥说的，就是获取摄像头。

cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件``#cap = cv2.VideoCapture(0)#读取摄像头``while(True):`    `ret, frame = cap.read()    key = cv2.waitKey(50) & 0xFF`    `if key == ord('q'):`      `break``cap.release()``cv2.destroyAllWindows()``

肤色检测

这里使用的是椭圆肤色检测模型

在RGB空间里人脸的肤色受亮度影响相当大，所以肤色点很难从非肤色点中分离出来，也就是说在此空间经过处理后，肤色点是离散的点，中间嵌有很多非肤色，这为肤色区域标定(人脸标定、眼睛等)带来了难题。如果把RGB转为YCrCb空间的话，可以忽略Y(亮度)的影响，因为该空间受亮度影响很小，肤色会产生很好的类聚。这样就把三维的空间将为二维的CrCb，肤色点会形成一定得形状，如：人脸的话会看到一个人脸的区域，手臂的话会看到一条手臂的形态。

def A(img):``   `    `YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间`    `(y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值`    `cr1 = cv2.GaussianBlur(cr, (5,5), 0)`    `_, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu处理`    `res = cv2.bitwise_and(img,img, mask = skin)`    `return res

轮廓处理

轮廓处理的话主要用到两个函数，cv2.findContours和cv2.drawContours，这两个函数的使用使用方法很容易搜到就不说了，这部分主要的问题是提取到的轮廓有很多个，但是我们只需要手的轮廓，所以我们要用sorted函数找到最大的轮廓。

def B(img):``   `    `#binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测`    `h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓`    `contour = h[0]`    `contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序`    `#contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标`    `bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布`    `ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓`    `return ret

全部代码

=======

""" 从视频读取帧保存为图片"""``import cv2``import numpy as np``cap = cv2.VideoCapture("C:/Users/lenovo/Videos/1.mp4")#读取文件``#cap = cv2.VideoCapture(0)#读取摄像头``   ``#皮肤检测``def A(img):``   `    `YCrCb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) #转换至YCrCb空间`    `(y,cr,cb) = cv2.split(YCrCb) #拆分出Y,Cr,Cb值`    `cr1 = cv2.GaussianBlur(cr, (5,5), 0)`    `_, skin = cv2.threshold(cr1, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU) #Ostu处理`    `res = cv2.bitwise_and(img,img, mask = skin)`    `return res``   ``def B(img):``   `    `#binaryimg = cv2.Canny(Laplacian, 50, 200) #二值化，canny检测`    `h = cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE) #寻找轮廓`    `contour = h[0]`    `contour = sorted(contour, key = cv2.contourArea, reverse=True)#已轮廓区域面积进行排序`    `#contourmax = contour[0][:, 0, :]#保留区域面积最大的轮廓点坐标`    `bg = np.ones(dst.shape, np.uint8) *255#创建白色幕布`    `ret = cv2.drawContours(bg,contour[0],-1,(0,0,0),3) #绘制黑色轮廓`    `return ret``

   ``while(True):``   `    `ret, frame = cap.read()`    `#下面三行可以根据自己的电脑进行调节`    `src = cv2.resize(frame,(400,350), interpolation=cv2.INTER_CUBIC)#窗口大小`    `cv2.rectangle(src, (90, 60), (300, 300 ), (0, 255, 0))#框出截取位置`    `roi = src[60:300 , 90:300]  # 获取手势框图``   `    `res = A(roi)  # 进行肤色检测`    `cv2.imshow("0",roi)``   `    `gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)`    `dst = cv2.Laplacian(gray, cv2.CV_16S, ksize = 3)`    `Laplacian = cv2.convertScaleAbs(dst)``   `    `contour = B(Laplacian)#轮廓处理`    `cv2.imshow("2",contour)``   `    `key = cv2.waitKey(50) & 0xFF`    `if key == ord('q'):`            `break``cap.release()``cv2.destroyAllWindows()

PS：如果觉得我的分享不错，欢迎大家随手点赞、在看。

以上就是“从零开发一个Python项目——手势识别”的全部内容，希望对你有所帮助。
?
?关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

在这里插入图片描述