pycharm python
opencv windows
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 cvimport numpy as npimage = cv.imread('c:\\handtest.jpg', cv.IMREAD_COLOR)cv.imshow("image", image)
# 把图像转换到YCBCRYCrCb = cv.cvtColor(image, cv.COLOR_BGR2YCrCb) cv.imshow("YCrCb", YCrCb)
(Y, Cr, Cb) = cv.split(YCrCb)cv.imshow("Y", Y)cv.imshow("Cr", Cr)cv.imshow("Cb", Cb)
# 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
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255Cb 80-140 为0 这是肤色经验值。 变成二值图 Mask
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
注意构造Mask矩阵的选择范围可以适当修改
对Cr Cb都进行了处理