皮肤检测与抠图

皮肤检测的方法很多，这里写的是最简单的方法，感兴趣的同学可以自己加上椭圆检测，膨胀腐蚀等，使得检测与抠图更加精确。github上许多人脸识别的算法，可以多学习那些。

HSV颜色空间

hsv涉及心理学的颜色知识，比rgb检测具有更好的分类效果

python 代码

def get_skin_hsv（img）hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)back = np.zeros(img.shape, np.uint8)(h, s, v) = cv2.split(hsv_img)(x, y) = h.shapefor i in range(x):for j in range(y):if (h0[i][j] > 0) and (h0[i][j] < 20) and (s0[i][j] > 48) and (s0[i][j] < 255) and (v0[i][j] > 50) and (v0[i][j] < 255):back[i][j] = img[i][j]return back

效果

本来放图了，后来想想放别人的图都不合适，感兴趣的大佬自己去试吧。

YUV

yuv色彩空间是考虑人眼对亮谙更敏感的特性，在数据存储，传输时的省去部分信息存储的方法。用于皮肤检测效果也挺好。https://www.cnblogs.com/ALittleDust/p/5935983.html这篇博文对yuv的讲解很详细，感兴趣的同学可以去看。

python代码

def get_skin_yuv(img)ycrcb_img = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)(y, cr, cb) = cv2.split(ycrcb_img)(x, y) = cr.shapeback = np.zeros(img.shape, np.uint8)for i in range(x):for j in range(y):if (cr[i][j] > 133) and (cr[i][j] < 173) and (cb[i][j] > 77) and (cb[i][j] < 127):back[i][j]=img[i][j]img[i][j]=0      #这样做是为了让原图与滤波后的图合成时更准确return back

效果

感兴趣的大佬自己试吧。

磨皮美颜

磨皮美艳的关键是用什么函数进行滤波，以及参数的设置。如果美图秀秀或者PS开源的话，我想开源社区能把美艳修图发挥到极致。
参考网上大佬的做法，我也选择双边滤波和高斯滤波。
考虑到参数太难调试的问题，我设置了一个滑动条，方便手动调节参数。代码中仅提供了双边滤波的参数设置条，对高斯滤波的参数设置，原理一样。

python滑动条

"""
a,b,c分别接受滑动条位置信息，作为双边滤波的参数d,sigmaColor,sigmaSpace
"""
def noting(x):pass
cv2.namedWindow('image')
cv2.createTrackbar('d','image',0,50,noting)
cv2.createTrackbar('sigmaColor', 'image', 0, 255,noting)
cv2.createTrackbar('sigmaSpace', 'image', 0, 255,noting)
a = cv2.getTrackbarPos('d', 'image')
b = cv2.getTrackbarPos('sigmaColor', 'image')
c = cv2.getTrackbarPos('sigmaSpace', 'image')

双边滤波和高斯滤波

"""
对我们的皮肤抠图back0单独滤波，这样可以保证背景不在转换过程中失真。最后要与原图合起来
"""
img0 = np.zeros(img.shape, np.uint8)
infmg_1 = np.zeros(img.shape, np.uint8)
infmg_2 = np.zeros(img.shape, np.uint8)
infmg_3 = np.zeros(img.shape, np.uint8)
infmg_4 = np.zeros(img.shape, np.uint8)
while (1):key = cv2.waitKey(1)if key > 0:breaka2 = cv2.getTrackbarPos('d', 'image')b2 = cv2.getTrackbarPos('sigmaColor', 'image')c2 = cv2.getTrackbarPos('sigmaSpace', 'image')if a2!=a or b2!=b or c2!=c:cv2.bilateralFilter(back0, a, b, c, infmg_1)a,b,c=a2,b2,c2dst1 = infmg_1 - back0 + 128# cv2.imshow("双边滤波", dst1)infmg_2 = cv2.GaussianBlur(dst1, (1, 1), 0, 0)infmg_3 = back0 + 2 * infmg_2 - 255# cv2.imshow("高斯滤波", infmg_3)infmg_4 = cv2.addWeighted(back0, 0.2, infmg_3, 0.8, 0)img0 = cv2.add(img, infmg_4)     #img是原图，infmg_4是最终滤波的结果        cv2.imshow("美颜结果", img0)cv2.imwrite("美颜结果.jpg", img0)
while 1:key = cv2.waitKey(1)if key > 0:break
cv2.destroyAllWindows()

效果

本来放图了，后来想想放别人的图都不合适，感兴趣的大佬自己去试吧。

python opencv 利用HSV，YUV（YCbCr）实现皮肤检测与抠图，与磨皮美颜相关推荐

使用Python,OpenCV在视频中进行实时条形码检测
使用Python,OpenCV在视频中进行实时条形码检测 1. 步骤 2. 适用场景及优化 3. 总结 4. 源码参考上一篇博客介绍了如何检测和查找图像中的条形码.这篇博客将进行一些优化以检测实时 ...
Python+OpenCV利用KNN背景分割器进行静态场景行人检测与轨迹跟踪
前言视频图像中的目标检测与跟踪,是计算机视觉的基础课题,同时具有广泛的应用价值.视觉目标(单目标)跟踪任务就是在给定某视频序列初始帧的目标大小与位置的情况下,预测后续帧中该目标的大小与位置.本篇文章 ...
Python 3 利用 Dlib 和 sklearn 人脸笑脸检测机器学习建模
0. 引言利用机器学习的方法训练微笑检测模型,输入一张人脸照片,判断是否微笑: 精度在 95% 左右( 使用的数据集中 69 张没笑脸,65 张有笑脸 ): 图1 测试图像与检测结果项目实现的笑脸 ...
双目测距代码 python opencv 利用双目摄像头拍照,测距
环境:ubuntu14.04 软件:opencv3.3 +pycharm 好久没有写博客了,手都感觉好生疏,最近一直在研究工控机,水下机器人等,好不容易闲下来,没办法呀,继续前行吧,前面一直说双目测距 ...
python opencv 利用 GrabCut 算法（opencv已经实现）从图像中分离出前景
# 利用GrabCut算法从图像中分离出前景 import numpy as np import cv2 as cv from matplotlib import pyplot as pltimg = ...
python opencv 利用分水岭算法实现对物体的分割图文详细注释版以分割官网提供的硬币为例
分水岭算法可以实现自动分割多个物体,opencv中 cv.watershed() 函数实现了分水岭算法话不多说,上代码 # 利用分水岭算法分离多个相同硬币 import numpy as np im ...
opencv利用HSV图像进行颜色筛选
目标在本教程中,您将学习如何: 使用OpenCV cv :: inRange函数执行基本阈值操作. 基于HSV颜色空间中的像素值范围来检测对象. 原理在上一个教程中,我们学习了如何使用cv :: ...
基于python+opencv利用颜色，区分多个目标（附带详细代码）
效果图先上个效果图: 视频可能看不清,解释一下:就是通过hsv色彩空间将蓝色和红色同时识别出来,并且区分它们,画出标志标出坐标. 说明本实验仅适用于基于色彩的识别与区分,比如多种颜色的小球的识别与 ...
python opencv 通过hsv阈值法扣取药盒并矫正
抠药盒并矫正原图效果图目录截图 hsv调节代码 hsv.py 扣取矫正代码 1.py 原图效果图目录截图

python opencv 利用HSV，YUV（YCbCr）实现皮肤检测与抠图，与磨皮美颜