**部分：
#轉 rgb 到ycrcb 顏色空間
image_ycrcb = cv2.cvtcolor(img, cv2.color_bgr2ycrcb)
cv2.imshow('ycrcb',image_ycrcb)
#膚色模型
cb_mean = 117.4361
cr_mean = 156.5599
cov00 = 160.1301
cov01 = 12.1430
cov10 = 12.1430
cov11 = 299.4574
img_h = image_ycrcb.shape[0]
img_w = image_ycrcb.shape[1]
#創造矩陣
#sim = mat(zeros(img_h,img_w))
sim =
for i in range(img_h):
tmp =
for j in range(img_w):
#計算膚色相似度
print(sim[3][1])
for i in range(img_h):
for j in range(img_w):
cr = image_ycrcb[i,j][1] #cr
cb = image_ycrcb[i,j][2] #cb
tt = (cb-cb_mean)*((cb-cb_mean)*cov11 - (cr-cr_mean)*cov10) + (cr-cr_mean)*(-(cb-cb_mean)*cov01 + (cr-cr_mean)*cov00)
tt = (-0.5*tt)/(cov00*cov11-cov01*cov10)
sim[i][j] = math.exp(tt)
print(sim[3][1])
#中值濾波
sim = np.float32(sim)
sim = signal.medfilt2d(sim,(3,3)) #matlab,haha
#統計所有畫素點的最大膚色相似度
max = 0
for i in range(img_h):
for j in range(img_w):
if(sim[i][j]>max):
max = sim[i][j]
#各畫素點的膚色相似度值歸一化
for i in range(img_h):
for j in range(img_w):
sim[i][j] = sim[i][j]/max
#相似度值變換到[0,255]上，以灰度影象顯示
執行結果：
原圖：
程式處理：
人臉膚色檢測模型
一 概述 建立模型就是在已知物件的特徵基礎上來給物件建立乙個模型，並藉此對物件實現判斷 檢測 繪製 控制等功能。人臉建模的方式很多，各有各的優缺點 膚色模型較之幾何模型來，要相對簡單，執行速度快。而在膚色模型中常用的是高斯模型。二 建模 1 高斯膚色模型 從圖 2 9 中可以看出膚色在 cr cb ...
基於膚色高斯概率模型的人臉檢測
include include opencv2 opencv.hpp include using namespace std using namespace cv void fillhole mat src 基於漫水填充的孔洞填充 define pi 3.14156 void main 基於高斯膚色...
資料相似度檢測
上面這個是中文的乙個解釋。這裡我並不是為了要進行某種相似度函式的解釋，而是說，怎麼來解決我一直困擾的問題。n 2問題。就是要獲取全部的對比樣本，我應該怎麼做，在大資料環境下，如果上千上萬個樣本，這玩意就更難弄了。我這裡出現的問題就是，我前面在做這個二進位制程式的比較，然後發現了這麼乙個問題，我使用s...