python环境使用YCbCr掩码方式实现肤色检测

1、利用YCbCr色度空间的特点，使用CbCr两种色度进行控制得到一个掩码矩阵，然后让源图和Mask进行与运算，从而得到我们想要的效果。

还是来一张源图

以及头文件

import cv2  as cv

import  numpy as np

image = cv.imread('c:\\handtest.jpg', cv.IMREAD_COLOR)

cv.imshow("image", image)

2、# 把图像转换到YCBCR

YCrCb = cv.cvtColor(image, cv.COLOR_BGR2YCrCb) 

cv.imshow("YCrCb", YCrCb)

3、(Y, Cr, Cb) = cv.split(YCrCb)

cv.imshow("Y", Y)

cv.imshow("Cr", Cr)

cv.imshow("Cb", Cb)

4、# 高斯滤波Cr Cb分别进行GaussianBlurCr = cv.GaussianBlur(Cr, (5, 5), 0)  GaussianBlurCb = cv.GaussianBlur(Cb, (5, 5), 0)maskNew = np.zeros(Cr.shape,dtype= np.uint8)构造Mask(x,y)= Cr.shapeprint(x,y)

得到：

x = 425 

y = 600

5、for i in range(0,x):    for j in range(0,y):        if (GaussianBlurCr[i][j]>140) and (GaussianBlurCr[i][j]<175) and (GaussianBlurCb[i][j]>80) and (GaussianBlurCb[i][j]<140):            maskNew[i][j]= 255        else:            maskNew[i][j] = 0

选择Cr 140-175 为255

Cb 80-140 为0   

这是肤色经验值。 变成二值图 Mask

6、bitwise_andImage = cv.bitwise_and(image, image, mask=maskNew)

原图和二值掩码与运算！

cv.imshow("bitwise_andImage", bitwise_andImage )

cv.waitKey(0)

cv.destroyAllWindows()

其结果和阈值法差不多