OpenCV手部图像预处理

1.针对肤色的图像除噪：

看如下对比图：

1.经过高斯滤波处理后的图，会变得模糊，因此会将边缘模糊掉
2.双边滤波较之于高斯滤波处理也较为模糊，但是图像边缘的突兀感得到很好的保留。
代码：

cv::Mat img = image.clone();
cv::bilateralFilter(img,out_img,15,20,50);

2. 针对肤色的图像颜色空间转换：

1.HSV颜色空间存在色度H，饱和度S，亮度V，相较于RGB，可以通过色度与亮度对图像进行分割，但是其色调值波动不稳定，且幅度较大.
2.YCrCb又称YUV，使用YCrCb颜色空间，可以忽略亮度影响，且在肤色范围有较好的聚类，因此可以有效的提取正确的肤色区域。

cv::cvtColor(src_img, ycrcb_img, COLOR_BGR2YCrCb);
cv::split(ycrcb_img, y_cr_cb);
Y = y_cr_cb[0];
Cr = y_cr_cb[1];
Cb = y_cr_cb[2];

在YCrCb颜色空间上，CrCb的肤色范围满足：133≤Cr≤173,77≤Cb≤127。如果全局都是用这个阈值，但是随着亮度变化或在负载的亮度环境下，阈值范围可能存在较大差异性。

因此下面使用椭圆肤色检测模型

3.椭圆肤色检测模型

论文参考：李杰,郝晓莉.一种基于椭圆肤色模型的人脸检测方法[J].计算机测量与控制,2006,(02)

Mat Image = src_img.clone();
Mat hist = Mat::zeros(Size(256, 256), CV_8UC1);
ellipse(hist, Point(113, 155.6), Size(23.4, 15.2), 43.0, 0.0, 360.0, Scalar(255, 255, 255), -1);
cv::Mat img = Mat::zeros(Image.size(), CV_8UC1);
for (int i = 0; i < Image.rows; i++) for (int j = 0; j < Image.cols; j++)
if (hist.at(Cr.at(i, j), Cb.at(i, j)) > 0) img.at(i, j) = 255;