一、总概
今天写了一篇基于深度学习的人脸检测，写完下午就开始实战第二篇，皮肤检测。原理很简单，就是基于HSV的阈值处理。为什么不用BGR阈值，因为HSV的颜色空间，更加直观，特别适用于颜色分割。具体可以参考博客，今天在调试HSV空间上浪费了很多时间，总是找不对范围。也试过色彩提取软件，但是没有效果，取出的范围和opencv还是有很大的出入，最终只能挑一个效果比较好的范围。
整体代码参考博客，但是题主的源代码并不适合，所以我做了修改，具体见以下代码。
二、代码
'''皮肤检测：利用皮肤颜色的HSV范围，去掉其他的区域，实现皮肤检测'''import numpy as npimport argparseimport cv2# 定义皮肤的范围，具体自己调整lower = np.array([0, 50, 100], dtype = "uint8")upper = np.array([25, 255, 255], dtype = "uint8")camera = cv2.VideoCapture(0) # 开启摄像头while True:(grabbed, frame) = camera.read() #grabbed为布尔类型，true表示获取到帧数frame = cv2.resize(frame, (400,400))# 将BGR格式转为HSV颜色空间# HSV在用于指定颜色分割时，有比较大的作用hsvImage = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV) # 创建掩码，q低于lower或高于upper的，设置为0，在范围内设置为255# 这样便可以得到皮肤的像素范围skinMask = cv2.inRange(hsvImage, lower, upper)# 将掩码和原图进行“与”运算，这样原图便只保留皮肤区域skin = cv2.bitwise_and(frame, frame, mask = skinMask)# np.hstack是将原图和检测的图捆绑显示（将矩阵横向并行）cv2.imshow("images", np.hstack([frame,hsvImage, skin]))if cv2.waitKey(1) & 0xFF == ord("q"):break# 释放资源camera.release()cv2.destroyAllWindows()
里面的注释已经很详细，欢迎留言交流。这里我不用开闭运算和高斯滤波，因为觉得没什么效果，读者不防试一下。
三、效果
效果一般，有很多噪声点，但是总体的皮肤区域都出来了。
四、总结
基于颜色阈值的方法，我个人觉得不好用。因为受环境影响非常大，特别是光照，以及背景。除非背景比较单一，且稳定，否则一般不考虑这个方法。
欢迎一起学习交流，源代码也可以去github下载。
欢迎关注我的公众号【CV之道】，一起学习交流~~
