CN105741263A - 一种手轮廓提取及定向算法 - Google Patents

Abstract

本发明公开了一种手轮廓提取及定向算法。传统手边缘提取算法得到的图像轮廓都很粗糙，无法满足手三维建模的要求。本发明依次包括如下步骤：图像平滑处理、Sobel算子提取手轮廓粗糙图像、找手轮廓粗糙图像中最长轮廓作为手轮廓、手朝向定位。本发明能够精确地提取图像中手的轮廓，去除图像上其他物体或是噪声的干扰，并对手指朝向在图像上定位。

Description

一种手轮廓提取及定向算法

技术领域

本发明属于图像处理领域，涉及一种图像边缘提取的算法，具体涉及一种手轮廓提取及定向算法。

背景技术

在图像处理领域中，手势识别是一个讨论较多的话题。传统的手势识别一般都是在二维的平面上进行的，这样的方法有一个缺点就是无法识别手在第三维(z轴)上的运动情况。为了克服这样的困难，首先需要对手进行三维建模，而在三维建模的过程中一个重要的步骤就是手的边缘精确提取。传统的算法比如Canny算子、Sobel算子得到的图像轮廓都很粗糙，包含较多的噪声或是其他物体的轮廓，这显然无法满足手三维建模的要求。

发明内容

本发明的目的是针对现有图像边缘提取存在的不足，提供一种手轮廓提取及定向算法，能够精确地提取图像中手的轮廓，去除图像上其他物体或是噪声的干扰，并对手指朝向在图像上定位。

本发明解决技术问题所采取的技术方案如下：

本发明依次包括如下步骤：图像平滑处理、Sobel算子提取手轮廓粗糙图像、找手轮廓粗糙图像中最长轮廓作为手轮廓、手朝向定位，具体如下：

步骤1、对摄像机获取的原始图像进行图像平滑处理，获得预处理图像；图像平滑处理使用高斯平滑滤波，选取的5*5高斯掩膜如下：

$\frac{1}{150}\left[\begin{array}{ccccc}1& 3& 6& 3& 1\\ 3& 7& 12& 7& 3\\ 6& 14& 18& 14& 6\\ 3& 7& 12& 7& 3\\ 1& 3& 6& 3& 1\end{array}\right]$

步骤2、对步骤一获得的预处理图像使用Sobel算子提取出手轮廓粗糙图像，手轮廓粗糙图像上的轮廓包括手轮廓和其它物体的轮廓，具体如下：记预处理图像为A，那么图像A上某一像素点的水平和垂直方向的梯度分别为：

$\left\{\begin{array}{c}{G}_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]*A\\ G_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]*A\end{array}\right.$

则该像素点的梯度值针对手的特征设置预设值，当某像素点的G值大于预设值时，就将该像素点作为手轮廓粗糙图像的一个边缘点。计算图像A上每一个像素点的梯度值，这样就得到了手轮廓粗糙图像。

步骤3、将手轮廓粗糙图像中最长轮廓作为手的轮廓，并去除手轮廓粗糙图像中与手轮廓无关的点，具体如下：

3.1：以手轮廓粗糙图像的左上角为起点按照从上到下、从左到右的顺序扫描每一个像素点直到找到一条轮廓上的像素点A1，该像素点满足要求q：该像素点作为3*3九宫格中心点时，周围的8个像素点仅有一个是轮廓上的像素点B1；3*3九宫格内包含三行像素点，每行包括三个像素点。

3.2：将像素点A1作为轮廓的起始点，并记录下像素点A1的坐标；

3.3：将像素点B1作为像素点A1的后继点，并且将像素点B1作为新的3*3九宫格的中心点，按照搜索路径P进行遍历，搜索路径P如下：从上往下、从左往右的顺序在当前3*3九宫格内选取除前一个3*3九宫格中心点外的第一个像素点C1，同时记录下当前3*3九宫格内除当前3*3九宫格中心点和前一个3*3九宫格中心点以外其余像素点的坐标以便按照搜索路径P回溯遍历这些点。对像素点C1和需要回溯遍历的点均按照搜索路径P进行遍历，每次遍历以遇到满足要求q的一个像素点为结束条件，并记录下该次遍历的像素点个数；这样便找出了以像素点A1为起始点的所有轮廓及每条轮廓的长度；

3.4：继续按照从上到下、从左到右的顺序扫描出满足要求q的各条轮廓上的像素点，并对每个满足要求q的像素点重复步骤3.2～3.3；

3.5：比较经步骤3.1～3.4得到的每条轮廓的像素点个数，像素点个数最多则长度最长，以长度最长的那一条轮廓作为手轮廓，去除手轮廓粗糙图像上除最长轮廓上的像素点以外的其它像素点，这样便得到了手轮廓精确图像。

步骤4、设手轮廓的起始点为E(x₀,y₀),那么从E(x₀,y₀)开始沿手轮廓向后推移5个像素点记为F(x₁,y₁)，线段EF的斜率为：

$k_1=\frac{y_1-y_0}{x_1-x_0}(x_1\≠x_0)$

然后以F为参照点沿手轮廓向后推移5个点记为G(x₂,y₂),求出线段FG的斜率k₂。依次类推，直到k_i-1*k_i为负值时停止计算，并将此时的k_i记为k_n，其中，2≤i≤N，N为手轮廓上像素点的个数。取k₁,k₂,...,k_n的平均值K作为手朝向的斜率，则手朝向与水平轴的夹角为：

β＝arctanK。

本发明具有的有益效果：

本发明能够精确地提取图像中手的轮廓，去除图像上其他物体或是噪声的干扰，并对手指朝向在图像上定位。

附图说明

图1为本发明经过Sobel算子处理后的手轮廓粗糙图像。

图2为本发明提取的手轮廓精确图像。

具体实施方式

下面结合附图对本发明作进一步说明。

一种手轮廓提取及定向算法，依次包括如下步骤：图像平滑处理、Sobel算子提取手轮廓粗糙图像、找手轮廓粗糙图像中最长轮廓作为手轮廓、手朝向定位，具体如下：

步骤1、对摄像机获取的原始图像进行图像平滑处理，获得预处理图像，此处的图像平滑处理使用高斯平滑滤波。一般的图像都含有高斯白噪声，若直接对该图像进行处理会产生不必要的误差和增加后续处理的计算量。太大或是太小的掩膜都会影响去噪的效果。本发明选取了5*5的高斯掩膜，并且针对于手反复试验和比较得到了最优的高斯掩膜如下：

$\frac{1}{150}\left[\begin{array}{ccccc}1& 3& 6& 3& 1\\ 3& 7& 12& 7& 3\\ 6& 14& 18& 14& 6\\ 3& 7& 12& 7& 3\\ 1& 3& 6& 3& 1\end{array}\right]$

步骤2、对步骤一获得的预处理图像使用Sobel算子提取出手轮廓粗糙图像，手轮廓粗糙图像上的轮廓包括手轮廓和其它物体的轮廓，具体如下：记预处理图像为A，那么图像A上某一像素点的水平和垂直方向的梯度分别为：

$\left\{\begin{array}{c}{G}_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]*A\\ G_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]*A\end{array}\right.$

则该像素点的梯度值针对手的特征设置预设值TH，当某像素点的G值大于预设值TH时，就将该像素点作为手轮廓粗糙图像的一个边缘点。计算图像A上每一个像素点的梯度值，这样就得到了手轮廓粗糙图像，如图1所示，图1中的虚线外框仅表示手轮廓粗糙图像的边界，不是手轮廓粗糙图像上的轮廓。

步骤3、经过上述步骤后，手的轮廓最大程度地被留在手轮廓粗糙图像上，而其他物体的轮廓则基本去除。这样就可以将手轮廓粗糙图像中最长轮廓作为手的轮廓，并去除手轮廓粗糙图像中与手轮廓无关的点，具体如下：

3.1：以手轮廓粗糙图像的左上角为起点按照从上到下、从左到右的顺序扫描每一个像素点直到找到一条轮廓上的像素点A1，该像素点满足要求q：该像素点作为3*3九宫格(3*3九宫格内包含三行像素点，每行包括三个像素点)中心点时，周围的8个像素点仅有一个是轮廓上的像素点B1；

3.2：将像素点A1作为轮廓的起始点，并记录下像素点A1的坐标；

3.3：将像素点B1作为像素点A1的后继点，并且将像素点B1作为新的3*3九宫格的中心点，按照搜索路径P进行遍历，搜索路径P如下：从上往下、从左往右的顺序在当前3*3九宫格内选取除前一个3*3九宫格中心点外的第一个像素点C1，同时记录下当前3*3九宫格内除当前3*3九宫格中心点和前一个3*3九宫格中心点以外其余像素点的坐标以便按照搜索路径P回溯遍历这些点。对像素点C1和需要回溯遍历的点均按照搜索路径P进行遍历，每次遍历以遇到满足要求q的一个像素点为结束条件，并记录下该次遍历的像素点个数；这样便找出了以像素点A1为起始点的所有轮廓及每条轮廓的长度；

3.4：继续按照从上到下、从左到右的顺序扫描出满足要求q的各条轮廓上的像素点，并对每个满足要求q的像素点重复步骤3.2～3.3；

3.5：比较经步骤3.1～3.4得到的每条轮廓的像素点个数，像素点个数最多则长度最长，以长度最大的那一条轮廓作为手轮廓，去除手轮廓粗糙图像上除最长轮廓上的像素点以外的其它像素点，这样便得到了手轮廓精确图像，如图2所示，图2中的虚线外框仅表示手轮廓精确图像的边界，不是手轮廓精确图像上的轮廓。

步骤4、设手轮廓的起始点为E(x₀,y₀),那么从E(x₀,y₀)开始沿手轮廓向后推移5个像素点记为F(x₁,y₁)，那么线段EF的斜率为：

$k_1=\frac{y_1-y_0}{x_1-x_0}(x_1\≠x_0)$

然后以F为参照点沿手轮廓向后推移5个点记为G(x₂,y₂),求出线段FG的斜率k₂。依次类推，直到k_i-1*k_i为负值时停止计算，并将此时的k_i记为k_n，其中，2≤i≤N，N为手轮廓上像素点的个数。取k₁,k₂,...,k_n的平均值K作为手朝向的斜率，则手朝向与水平轴的夹角为：

β＝arctanK

那么手的朝向就大致可以使用β来表示了。

Claims (1)

1.一种手轮廓提取及定向算法，其特征在于：该方法依次包括如下步骤：图像平滑处理、Sobel算子提取手轮廓粗糙图像、找手轮廓粗糙图像中最长轮廓作为手轮廓、手朝向定位，具体如下：

步骤1、对摄像机获取的原始图像进行图像平滑处理，获得预处理图像；图像平滑处理使用高斯平滑滤波，选取的5*5高斯掩膜如下：

$\frac{1}{150}\left[\begin{array}{ccccc}1& 3& 6& 3& 1\\ 3& 7& 12& 7& 3\\ 6& 14& 18& 14& 6\\ 3& 7& 12& 7& 3\\ 1& 3& 6& 3& 1\end{array}\right]$

步骤2、对步骤一获得的预处理图像使用Sobel算子提取出手轮廓粗糙图像，手轮廓粗糙图像上的轮廓包括手轮廓和其它物体的轮廓，具体如下：记预处理图像为A，那么图像A上某一像素点的水平和垂直方向的梯度分别为：

$\left\{\begin{array}{c}{G}_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]*A\\ G_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]*A\end{array}\right.$

则该像素点的梯度值针对手的特征设置预设值，当某像素点的G值大于预设值时，就将该像素点作为手轮廓粗糙图像的一个边缘点；计算图像A上每一个像素点的梯度值，这样就得到了手轮廓粗糙图像；

步骤3、将手轮廓粗糙图像中最长轮廓作为手的轮廓，并去除手轮廓粗糙图像中与手轮廓无关的点，具体如下：

3.1：以手轮廓粗糙图像的左上角为起点按照从上到下、从左到右的顺序扫描每一个像素点直到找到一条轮廓上的像素点A1，该像素点满足要求q：该像素点作为3*3九宫格中心点时，周围的8个像素点仅有一个是轮廓上的像素点B1；3*3九宫格内包含三行像素点，每行包括三个像素点；

3.2：将像素点A1作为轮廓的起始点，并记录下像素点A1的坐标；

3.3：将像素点B1作为像素点A1的后继点，并且将像素点B1作为新的3*3九宫格的中心点，按照搜索路径P进行遍历，搜索路径P如下：从上往下、从左往右的顺序在当前3*3九宫格内选取除前一个3*3九宫格中心点外的第一个像素点C1，同时记录下当前3*3九宫格内除当前3*3九宫格中心点和前一个3*3九宫格中心点以外其余像素点的坐标以便按照搜索路径P回溯遍历这些点；对像素点C1和需要回溯遍历的点均按照搜索路径P进行遍历，每次遍历以遇到满足要求q的一个像素点为结束条件，并记录下该次遍历的像素点个数；这样便找出了以像素点A1为起始点的所有轮廓及每条轮廓的长度；

3.4：继续按照从上到下、从左到右的顺序扫描出满足要求q的各条轮廓上的像素点，并对每个满足要求q的像素点重复步骤3.2～3.3；

3.5：比较经步骤3.1～3.4得到的每条轮廓的像素点个数，像素点个数最多则长度最长，以长度最长的那一条轮廓作为手轮廓，去除手轮廓粗糙图像上除最长轮廓上的像素点以外的其它像素点，这样便得到了手轮廓精确图像；

步骤4、设手轮廓的起始点为E(x₀,y₀),那么从E(x₀,y₀)开始沿手轮廓向后推移5个像素点记为F(x₁,y₁)，线段EF的斜率为：

$k_1=\frac{y_1-y_0}{x_1-x_0}(x_1\≠x_0)$

然后以F为参照点沿手轮廓向后推移5个点记为G(x₂,y₂),求出线段FG的斜率k₂；依次类推，直到k_i-1*k_i为负值时停止计算，并将此时的k_i记为k_n，其中，2≤i≤N，N为手轮廓上像素点的个数；取k₁,k₂,...,k_n的平均值K作为手朝向的斜率，则手朝向与水平轴的夹角为：

β＝arctanK。