HSV颜色空间和改进的YCbCr颜色空间中的肤色检测

HSV颜色空间中的肤色检测1. HSV颜色空间的肤色模型简介

Pitas等人提出在HSV空间建立肤色模型。不要求颜色归一化并且对光照鲁棒性很强，条件同时满足才会被分割成皮肤。实现条件如下：

2. 实现代码

理论上Hue和Value是分开的，即理论上HSV三通道的值确定一定在颜色空间中对应一点。然而，出现的问题是：现实中改变光照（Value），色调（Hue）一定改变。无论转换到怎样的颜色空间，肤色检测实际上和颜色空间的鲁棒性关系不大。对光照鲁棒的同时也会引入很多不必要的噪声。所以看实验结果就知道：RGB空间的颜色分割很连续，但对光线敏感；HSV空间的颜色分割得支离破碎，但对光线鲁棒。

改进的YCbCr颜色空间中的肤色检测

1. 改进的YCbCr颜色空间的肤色模型简介

Hsu等人提出在YCbCr空间建立肤色模型。算法步骤如下：

（1）亮度补偿：R、G、B三通道5%非线性Gamma校正；

（2）颜色空间转换：RGB颜色空间转换到YCbCr颜色空间；

（3）使用规则作肤色分割。

2. 实现代码

import cv2import numpy as npfrom matplotlib import pyplot as plt################################################################################print 'Pixel Values Access'imgFile = 'images/face.jpg'# load an original imageimg = cv2.imread(imgFile)################################################################################print 'YCbCr Skin Model'rows,cols,channels = img.shape################################################################################# light compensationgamma = 0.95for r in range(rows):for c in range(cols):# get values of blue, green, redB = img.item(r,c,0)G = img.item(r,c,1)R = img.item(r,c,2)# gamma correctionB = int(B ** gamma)G = int(G ** gamma)R = int(R ** gamma)# set values of blue, green, redimg.itemset((r,c,0), B)img.itemset((r,c,1), G)img.itemset((r,c,2), R)################################################################################# convert color space from rgb to ycbcrimgYcc = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)# convert color space from bgr to rgbimg = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)# prepare an empty image spaceimgSkin = np.zeros(img.shape, np.uint8)# copy original imageimgSkin = img.copy()################################################################################# define variables for skin rulesWcb = 46.97Wcr = 38.76WHCb = 14WHCr = 10WLCb = 23WLCr = 20Ymin = 16Ymax = 235Kl = 125Kh = 188WCb = 0WCr = 0CbCenter = 0CrCenter = 0################################################################################for r in range(rows):for c in range(cols):# non-skin area if skin equals 0, skin area otherwiseskin = 0######################################################################### color space transformation# get values from ycbcr color spaceY = imgYcc.item(r,c,0)Cr = imgYcc.item(r,c,1)Cb = imgYcc.item(r,c,2)if Y < Kl:WCr = WLCr + (Y – Ymin) * (Wcr – WLCr) / (Kl – Ymin)WCb = WLCb + (Y – Ymin) * (Wcb – WLCb) / (Kl – Ymin)CrCenter = 154 – (Kl – Y) * (154 – 144) / (Kl – Ymin)CbCenter = 108 + (Kl – Y) * (118 – 108) / (Kl – Ymin)elif Y > Kh:WCr = WHCr + (Y – Ymax) * (Wcr – WHCr) / (Ymax – Kh)WCb = WHCb + (Y – Ymax) * (Wcb – WHCb) / (Ymax – Kh)CrCenter = 154 + (Y – Kh) * (154 – 132) / (Ymax – Kh)CbCenter = 108 + (Y – Kh) * (118 – 108) / (Ymax – Kh)if Y < Kl or Y > Kh:Cr = (Cr – CrCenter) * Wcr / WCr + 154Cb = (Cb – CbCenter) * Wcb / WCb + 108######################################################################### skin color detectionif Cb > 77 and Cb < 127 and Cr > 133 and Cr < 173:skin = 1# print 'Skin detected!'if 0 == skin:imgSkin.itemset((r,c,0),0)imgSkin.itemset((r,c,1),0)imgSkin.itemset((r,c,2),0)# display original image and skin imageplt.subplot(1,2,1), plt.imshow(img), plt.title('Original Image'), plt.xticks([]), plt.yticks([])plt.subplot(1,2,2), plt.imshow(imgSkin), plt.title('Transformed YCbCr Skin Image'), plt.xticks([]), plt.yticks([])plt.show()################################################################################print 'Goodbye!'3. 实验结果

看了哪些风景，遇到哪些人。尽管同学说，去旅行不在于记忆，

相关文章：

你感兴趣的文章：

标签云：