Digital Image Processing#4 - 色彩空間轉換(Color Space Transform) 與皮膚偵測(Skin Detection)

文章流程

色彩空間轉換 - HSI 與 YCbCr
皮膚偵測
一句話收尾

第一部分 - 色彩空間轉換 - HSI 與YCbCr

以下曝本人照，選此當原圖，是因為顏色與背景十分複雜。

（自宅警備員）

首先轉換HIS到空間

// Cache
 double divide_255 = 1.f/255.f;
 double divide_3 = 1.f/3.f;
 double divide_360 = 1.f/360.f;

 // RGB cache
 double pR = (double)*(pixel_data + 2), pG = (double)*(pixel_data + 1), pB = (double)*(pixel_data); // BGR
 double R = pR * divide_255, G = pG * divide_255, B = pB * divide_255;

 // Compute pixel value for HSI image
 double diffRG = R-G, diffRB = R-B, diffGB = G-B;
 double tempI = (R + G + B) * divide_3;
 double tempS = 1.f - min(R, min(G, B)) / tempI;
 double H_normal = acos(0.5*(diffRG + diffRB) / sqrt(diffRG*diffRG + diffRB*diffGB)) * divide_360;
 double temp_H = (B > G) ? 1.f - H_normal : H_normal;

這邊注意，我是直接照順序放入H. S. I，而沒有刻意像RGB倒轉成BGR。

Ｈ圖 - Hue Channel

參考其他同學的結果，投影片公式的根號處好像有錯，此為更正公式的結果。

另外，測試其他圖片，Hue的計算結果跟同學結果不一致，

檢查好幾遍程式碼，抓不出BUG...，有空再做詳細地比對ｏｒｚ。

Ｓ圖－Saturation

這邊有發現一個小地方，I圖的 (R+G+B)/3 跟 3/(R+G+B)互為倒數，所以重複利用了一下！

Ｉ圖－Intensity

（專注守家門二十二年）

再來轉到YCbCr空間，為了後續皮膚偵測判斷用

 //  Compute pixel value for YCbCr image
 double Y = 0.257*pR + 0.504*pG + 0.098*pB + 16.f;
 double Cb = -0.148*pR - 0.291*pG + 0.439*pB + 128.f;
 double Cr = 0.439*pR - 0.368*pG - 0.071*pB + 128.f;

同之前，直接照順序放入Y. Cb. Cr，沒有刻意像RGB倒轉成BGR。

Y圖

Cb圖

Cr圖

第二部分 - 皮膚偵測

 // Control panel to choose condition range
 namedWindow( "Control panel", CV_WINDOW_AUTOSIZE );
 int iY_min = 100;
 createTrackbar("Y_min", "Control panel", &iY_min, 255);
 int iCb_min = 105;
 createTrackbar("Cb_min", "Control panel", &iCb_min, 255);
 int iCb_max = 135;
 createTrackbar("Cb_max", "Control panel", &iCb_max, 255);
 int iCr_min = 135;
 createTrackbar("Cr_min", "Control panel", &iCr_min, 255);
 int iCr_max = 173;
 createTrackbar("Cr_max", "Control panel", &iCr_max, 255);

 ...
 
 if(Y > (uchar)iY_min && ((Cb > (uchar)iCb_min && Cb < (uchar)iCb_max) && 
(Cr > (uchar)iCr_min && Cr < (uchar)iCr_max)))

 ...

對於太多TrackBar占掉畫面大半，造成不方便檢查輸出圖片的狀況，這邊發現一個小技巧，

新增一個專門處理TrackBar的空視窗（不輸出圖片），

就會變成像Control Panel一樣，與輸出圖片分離，操作十分方便。

皮膚偵測的範圍條件參考上面的程式碼，

就結果來說，除了臉部皮膚，其他不太理想。

周遭太多與皮膚顏色相近的物體，造成雜訊殘留眾多。

而手臂因拍照時受光，造成變色，被判斷不是皮膚。

如果放寬條件，讓手臂能被判斷是皮膚，則背後的牆壁也會被納入。

一句話收尾

能應用很多上課的技巧做改進，期末的時間因素，只能點到此為止了......

991412 影像處理學習部落格

2014年6月6日星期五