OpenCV自适应阈值HSV图像

Question

我们（我的团队和我）希望能够跟踪一只手（主要指标指尖）。手与图片中的脸部基本上是相同的颜色，但正如您所看到的，我们获得的噪音也很多。它与手背后的黑色“屏幕”非常吻合。

现在的问题是，自适应阈值仅适用于灰度图像，因此不会很好地检测到手。

我试过使用谷歌搜索HSV自适应阈值但没有运气，所以我想着stackoverflow有一些很棒的想法。

编辑：当前HSV - >二进制门槛：

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

Answer 1

我建议你使用一种颜色直方图化您的追踪。 Camshift正在为此取得成功。

在OpenCV中有camshift示例代码。 见http://docs.opencv.org/master/db/df8/tutorial_py_meanshift.html（非常简短的解释） 或https://github.com/Itseez/opencv/blob/master/samples/cpp/camshiftdemo.cpp（代码示例）

如果你想要去与你的阈值，你已经正确的关于没有阈值处理V通道。我仍然建议做H和S.

Answer 2

独立的自适应阈值我会用直方图反投影算法建议你。

背投影是一种记录给定图像的像素如何适合直方图模型中的像素分布的方式。您可以使用手动选择的一组手形像素指定直方图模型。 该算法输出一个图像，其中每个像素具有似然值，该像素的颜色是皮肤的颜色（类似于皮肤）。然后您可以指定一个可能性阈值来调整性能。

它可以让你找到图像中的皮肤变色区域。

详见：

• 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