数字图像学笔记 —— 19.肤色检测

什么是肤色检测

在没有AI之前，肤色检测是计算机视觉的一项常见任务。其根本思路是划定一个颜色区域，只要属于该颜色区域的像素就认为属于肤色。但是这种方法的精确度不高，并且常常有错误的区域被误认为皮肤。

尽管AI或者机器学习已经能够很好的从图片中识别出肤色部分。但是作为经典图像学任务，我想了想还是花点时间介绍肤色的常见识别算法。因此，在本文中我们介绍其中一种方法，将RGB图像转换到HSV色彩空间，然后在HSV空间中设置适当的阈值以检测肤色。

关于RGB转HSV颜色空间的相关算法，可以如果有需要的话，可以参考我之前写的这篇文章：《数字图像学笔记——1. 常用颜色空间转换》

请注意，这种方法可能会受到光照条件、人种、图像质量等因素的影响，可能需要进行一些调整才能在特定的应用场景中达到最佳效果。

需要使用OpenCV函数

颜色空间转换

    # Convert image to HSV
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

这部分转化非常简单，通常只需要用 cvtColor 这个函数完成彩色RGB图片转HSV。

另一个需要用到的函数是

颜色范围

我们需要用告知OpenCV，在HSV空间，可用的肤色范围，大概是

    # Define range for skin color in HSV
    lower_skin = np.array([0, 20, 70], dtype=np.uint8)
    upper_skin = np.array([20, 255, 255], dtype=np.uint8)

    # Threshold the HSV image to get only skin colors
    skin_mask = cv2.inRange(hsv_image, lower_skin, upper_skin)

然后使用 inRange 这样我们可以生成一个掩码，然后我们让这个掩码和原图进行位运算，于是

位运算

这里，我们用到的是 bitwise_and 函数，选取在该范围内的像素

    # Bitwise-AND mask and original image
    skin = cv2.bitwise_and(image, image, mask=skin_mask)

然后把上面这些代码合在一起，得到了重要的肤色计算函数

def skin_detection(image):
    # Convert image to HSV
    hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)

    # Define range for skin color in HSV
    lower_skin = np.array([0, 20, 70], dtype=np.uint8)
    upper_skin = np.array([20, 255, 255], dtype=np.uint8)

    # Threshold the HSV image to get only skin colors
    skin_mask = cv2.inRange(hsv_image, lower_skin, upper_skin)

    # Bitwise-AND mask and original image
    skin = cv2.bitwise_and(image, image, mask=skin_mask)

    return skin, skin_mask

然后我们把原图和结果都画出来，就可以得到最后的效果了。