【導(dǎo)讀】隨著計(jì)算機(jī)技術(shù)的逐漸發(fā)展，出現(xiàn)了一些符合人的習(xí)慣的人機(jī)交互技術(shù)。這些交互技術(shù)當(dāng)中倍受重視的研究和應(yīng)用的技術(shù)之一。近幾年來，已經(jīng)有相當(dāng)一部分的。構(gòu)和科技企業(yè)的重視與青睞?；谟?jì)算機(jī)視覺的手勢(shì)識(shí)別需要解決一系列的問題。首先是要做到的是從背景中將。手分割出來；然后將有用的信息與冗余的信息分離開來，并將相關(guān)的手勢(shì)信息提取出來；最后從相同的手勢(shì)中根據(jù)實(shí)際情況，解讀出它的特定的含義。用VisualC++2020和OpenCV進(jìn)行開發(fā)，實(shí)現(xiàn)在多種攝像頭下的手勢(shì)識(shí)別交互系統(tǒng)，實(shí)現(xiàn)圖像較好的降噪，再用不同采樣半徑的USM銳化的方式實(shí)現(xiàn)圖像信息的強(qiáng)化。色彩分離，并將未選擇到的陰影和高光等區(qū)域利用連續(xù)色的原理進(jìn)行進(jìn)一步的選取。以排除關(guān)鍵信息提取時(shí)的干擾。利用近大遠(yuǎn)小的關(guān)系，采用手占攝像頭面積的大小判斷手離攝像頭的距離。

　　

【正文】 smoothtype 是 CV_GAUSSIAN 時(shí)將對(duì) 圖像 進(jìn)行大小為 param1param2 的高斯卷積 的均值濾波 。 而 smoothtype 是 CV_MEDIAN 時(shí)將對(duì) 圖像 進(jìn)行大小為param1param1 的中值濾波，注意為 param1 奇數(shù) ，且不大于 7， 其效果 結(jié)果如下圖 所示： 9 (a)原圖 (b) CV_GAUSSIAN (c) CV_MEDIAN 圖 CvSmooth 的不同 smoothtype 的比較 可以看出，中值濾波對(duì)邊緣的保留效果 較強(qiáng)，但實(shí)際執(zhí)行的速度較慢 。不過這些降噪變換都會(huì) 導(dǎo)致有效細(xì)節(jié)的丟失 。 為 此可以 將圖片 用按一定閾值還原， 這分為兩種方法 ——還原 與 原圖像相差小的部分和 與 還原原圖像相差大的部分， 為了保持還原后的 連續(xù) 性 ， 可以設(shè)置 成 不在 符合閾值內(nèi)的圖像 的保留度再 按 跟還原原圖像相差值線性變化 ， 其效果 如圖 至圖 26 所示： 圖 中值濾波后的圖形 10 圖 原圖 圖 低閾值保留后的圖形 圖 高閾值保留后的圖形 11 從上圖 可以看出，還原 與原 圖像相差小的部分 可以消除一些突兀的部分，可稱為椒鹽噪聲 ， 使得圖像看起來比較柔和， 但形體內(nèi)部的與原圖像相差小斑 紋仍然存在 ；而還與原 原圖像相差大的部分 則可以讓形體內(nèi)部的斑紋大大減弱 或 消失 ，使得圖像看起來比較平滑 ，但是突兀的部分也因此更加明顯。 因此，這兩種還原算法需要配合起來使用才能起到效果 ，以便于識(shí)別為目的，可以使用先還原相差小的部分，并用這個(gè)結(jié)果作為原圖，再還原相差大的部分 。 如圖所示，效果已經(jīng)綜合了上述兩種效果的優(yōu)點(diǎn)。 圖 原圖 圖 雙重還原后的圖像 圖片的 銳化 經(jīng)過圖片的降噪處理后會(huì)顯得比較朦朧，有時(shí) 候需要進(jìn)行 USM 銳化方可實(shí)現(xiàn)更好 12 的邊緣提取 。為此可以先用 cvSmooth， smoothtype 選 CV_GAUSSIAN 進(jìn)行均值濾波到一個(gè) 臨時(shí) 圖像，然后 按一定閾值將原圖像與臨時(shí)圖像的像素反差擴(kuò)大即可，反差擴(kuò)大的公式 為： xxxkX ??? )( 式中， x 表示原圖像的亮度， x 表示臨時(shí)圖像的亮度， k 表示銳化的強(qiáng)度（ k1） ， X表示目標(biāo)圖像的亮度 。 而通過 原圖像與臨時(shí)圖像的色差的 閾值的調(diào)整，可以減少一些不需要銳化的 區(qū)域 ，但如上所述，會(huì)造成邊緣突兀和不 連續(xù)，為此也可以將位于 原圖像與臨時(shí)圖像的亮度差在 閾值 內(nèi) 部分的 銳化強(qiáng)度， 按這個(gè)亮度差 線性 減弱 。 如圖 所示： (a)銳化前 (b)銳化后 圖 銳化 前后的圖像比較 13 3 手 的區(qū)域的提取 基于計(jì)算機(jī)視覺的手勢(shì)識(shí)別的首要任務(wù)就是要 將手和背景區(qū)分開，而背景環(huán)境往往會(huì)十分復(fù)雜，前面通過一系列的降噪和銳化實(shí)現(xiàn)了冗余信息的剔除和 重要信息的 強(qiáng)化 ，從而為之后的工作提供了便利。而這里將討論 如何 盡可能 準(zhǔn)確地將 手所在的區(qū)域從 復(fù)雜的 背景中 提取出來。 膚色 種子 的 獲 取 如圖所示，隨著不同人之間的差異 和光線的變化，以及某些攝像頭的自動(dòng)對(duì)光 功能 ，均會(huì)導(dǎo)致 膚色 出現(xiàn) 變化 ，為此，很多時(shí)候需要以一種快捷的手段根據(jù)現(xiàn)場(chǎng)情況進(jìn)行調(diào)整。 從上圖中還可以看出，手自身的顏色特別是亮度是有變化的，如果以手的平均顏色作為膚色的種子，將會(huì)導(dǎo)致 可選擇的范圍的減少。因此這里采用了 在圖上手的位置單擊某一點(diǎn) ，并 獲得 這一點(diǎn) 的顏色 ，用試探法選擇到最合適的膚色 作為手的顏色 種子 來跟背景區(qū)分開來 ； 同時(shí)也提供了用自定義的顏色作為 種子來靈活應(yīng)對(duì)。 獲取鼠標(biāo)相對(duì)圖像位置的顏色 要在單擊鼠標(biāo)時(shí)獲取鼠標(biāo)相對(duì)圖像位置的顏色，需要處理這個(gè)圖像所在控 件的點(diǎn)擊事件 。 CStatic 控件還需要首先將其 Notify 屬性設(shè)置成 True，以指定這個(gè)控件在單擊和雙擊時(shí)對(duì)父級(jí)控件發(fā)出通知 。 要 獲取鼠標(biāo)相對(duì)于圖像的坐標(biāo) 可以通過先獲取鼠標(biāo)的屏幕坐標(biāo)，再將該坐標(biāo)轉(zhuǎn)成相對(duì)于控件的坐標(biāo)來實(shí)現(xiàn)，如下圖。 CPoint point。//定義點(diǎn) ↓ GetCursorPos(amp。point)。//獲取鼠標(biāo)在屏幕上的坐標(biāo) ↓ GetDlgItem(IDC_STATIC1)ScreenToClient(amp。point)。//獲取相對(duì)于控件上的坐標(biāo) 圖 31 獲取鼠標(biāo)相對(duì)于某個(gè)控件的坐標(biāo) 要在單擊鼠標(biāo)時(shí)獲取鼠標(biāo)相對(duì)圖像位置的顏色，需要處理這個(gè)圖像所在控件的點(diǎn)擊 14 事件。 CStatic 控件還需要首先將其 Notify 屬性設(shè)置成 True，以指定這個(gè)控件在單擊和雙擊時(shí)對(duì)父級(jí)控件發(fā)出通知 。 設(shè) m_Frame 為 IplImage*