使用opencv 编写能够识别图片手势的代码

好的，下面是一个简单的使用 OpenCV 和 Python 编写的手势识别代码示例：

import cv2
import numpy as np

# 将图像转换为黑白格式
def preprocess(img):
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    blur = cv2.GaussianBlur(gray, (5, 5), 0)
    _, thresh = cv2.threshold(blur, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)
    return thresh

# 查找手掌轮廓
def find_contour(thresh):
    contours, _ = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    cnt = max(contours, key=lambda x: cv2.contourArea(x))
    return cnt

# 计算手掌的凸包和凸缩点
def convex_hull(cnt):
    hull = cv2.convexHull(cnt)
    defects = cv2.convexityDefects(cnt, cv2.convexHull(cnt, returnPoints=False))
    return hull, defects

# 计算手势的数量
def count_fingers(defects, cnt):
    count = 0
    for i in range(defects.shape[0]):
        s, e, f, d = defects[i, 0]
        start = tuple(cnt[s][0])
        end = tuple(cnt[e][0])
        far = tuple(cnt[f][0])
        # 计算手指长度和手掌中心距离
        a = np.sqrt((end[0] - start[0]) ** 2 + (end[1] - start[1]) ** 2)
        b = np.sqrt((far[0] - start[0]) ** 2 + (far[1] - start[1]) ** 2)
        c = np.sqrt((end[0] - far[0]) ** 2 + (end[1] - far[1]) ** 2)
        angle = np.arccos((b ** 2 + c ** 2 - a ** 2) / (2 * b * c))
        # 根据角度判断手指数量
        if angle <= np.pi / 2:
            count += 1
    return count

# 主函数
def main():
    cap = cv2.VideoCapture(0)
    while True:
        ret, frame = cap.read()
        if not ret:
            break
        thresh = preprocess(frame)
        cnt = find_contour(thresh)
        hull, defects = convex_hull(cnt)
        count = count_fingers(defects, cnt)
        # 在图像上绘制手指数量
        cv2.putText(frame, str(count), (50, 50), cv2.FONT_HERSHEY_SIMPLEX, 2, (0, 255, 0), 2)
        cv2.imshow('frame', frame)
        if cv2.waitKey(1) == ord('q'):
            break
    cap.release()
    cv2.destroyAllWindows()

if __name__ == '__main__':
    main()

该代码使用 OpenCV 对摄像头捕获到的图像进行处理，通过计算手指数量来识别手势。具体实现过程包括以下几个步骤：

1. 将图像转换为黑白格式，并进行高斯模糊和二值化处理，以便更好地查找手掌轮廓。
2. 查找手掌轮廓，这里使用了 OpenCV 中的 `findContours` 函数。
3. 计算手掌的凸包和凸缩点，这里使用了 `convexHull` 和 `convexityDefects` 函数。
4. 计算手势的数量，根据手指长度和手掌中心距离的关系，通过计算手势中相邻两个凸缩点之间的角度，来判断手指的数量。
5. 在图像上绘制手指数量，以便展示结果。

希望这个示例能帮助你理解手势识别的基本原理和实现方法。