OpenCV自適應閾值HSV圖像

Question

我們（我的團隊和我）希望能夠跟蹤一隻手（主要指標指尖）。手與圖片中的臉部基本上是相同的顏色，但正如您所看到的，我們獲得的噪音也很多。它與手背後的黑色「屏幕」非常吻合。

現在的問題是，自適應閾值僅適用於灰度圖像，因此不會很好地檢測到手。

我試過使用谷歌搜索HSV自適應閾值但沒有運氣，所以我想着stackoverflow有一些很棒的想法。

編輯：當前HSV - >二進制門檻：

inRange(hsvx, Scalar(0, 50, 0), Scalar(20, 150, 255), bina); 

Answer 1

我建議你使用一種顏色直方圖化您的追蹤。 Camshift正在爲此取得成功。

在OpenCV中有camshift示例代碼。 見http://docs.opencv.org/master/db/df8/tutorial_py_meanshift.html（非常簡短的解釋） 或https://github.com/Itseez/opencv/blob/master/samples/cpp/camshiftdemo.cpp（代碼示例）

如果你想要去與你的閾值，你已經正確的關於沒有閾值處理V通道。我仍然建議做H和S.

Answer 2

獨立的自適應閾值我會用直方圖反投影算法建議你。

背投影是一種記錄給定圖像的像素如何適合直方圖模型中的像素分佈的方式。您可以使用手動選擇的一組手形像素指定直方圖模型。 該算法輸出一個圖像，其中每個像素具有似然值，該像素的顏色是皮膚的顏色（類似於皮膚）。然後您可以指定一個可能性閾值來調整性能。

它可以讓你找到圖像中的皮膚變色區域。

詳見：

• http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/back_projection/back_projection.html
• http://docs.opencv.org/master/dc/df6/tutorial_py_histogram_backprojection.html#gsc.tab=0