写一下用opencv-python识别图片中石头剪刀布手势的代码

以下是使用 OpenCV-Python 识别图片中石头剪刀布手势的代码：

import cv2
import numpy as np

# 定义手势识别函数
def recognize_gesture(hand):
    # 将手势图像转换为灰度图像
    gray = cv2.cvtColor(hand, cv2.COLOR_BGR2GRAY)
    # 对灰度图像进行高斯模糊
    blur = cv2.GaussianBlur(gray, (5, 5), )
    # 进行二值化处理
    ret, thresh = cv2.threshold(blur, , 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
    # 查找轮廓
    contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    # 如果没有找到轮廓，则返回 None
    if len(contours) == :
        return None
    # 找到最大的轮廓
    max_contour = max(contours, key=cv2.contourArea)
    # 计算轮廓的凸包
    hull = cv2.convexHull(max_contour)
    # 计算轮廓的缺陷
    defects = cv2.convexityDefects(max_contour, cv2.convexHull(max_contour, returnPoints=False))
    # 如果没有找到缺陷，则返回 None
    if defects is None:
        return None
    # 计算缺陷的数量
    num_defects = 
    for i in range(defects.shape[]):
        s, e, f, d = defects[i, ]
        start = tuple(max_contour[s][])
        end = tuple(max_contour[e][])
        far = tuple(max_contour[f][])
        # 计算缺陷的角度
        angle = np.degrees(np.arctan2(far[1]-start[1], far[]-start[]) - np.arctan2(end[1]-start[1], end[]-start[]))
        # 如果角度小于 90 度，并且距离大于 30 像素，则认为是一个缺陷
        if angle < 90 and d > 30:
            num_defects += 1
    # 如果缺陷的数量为 ，则认为是石头
    if num_defects == :
        return "rock"
    # 如果缺陷的数量为 1 或 2，则认为是剪刀
    elif num_defects == 1 or num_defects == 2:
        return "scissors"
    # 如果缺陷的数量大于 2，则认为是布
    else:
        return "paper"

# 加载图像
img = cv2.imread("gesture.jpg")
# 调整图像大小
img = cv2.resize(img, (640, 480))
# 获取图像的高度和宽度
height, width = img.shape[:2]
# 将图像转换为 HSV 颜色空间
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 定义 HSV 颜色范围
lower_skin = np.array([, 20, 70], dtype=np.uint8)
upper_skin = np.array([20, 255, 255], dtype=np.uint8)
# 对图像进行颜色过滤
mask = cv2.inRange(hsv, lower_skin, upper_skin)
# 对图像进行形态学操作
kernel = np.ones((5, 5), np.uint8)
mask = cv2.erode(mask, kernel, iterations=1)
mask = cv2.dilate(mask, kernel, iterations=1)
# 查找轮廓
contours, hierarchy = cv2.findContours(mask, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
# 如果没有找到轮廓，则返回 None
if len(contours) == :
    print("No hand detected")
else:
    # 找到最大的轮廓
    max_contour = max(contours, key=cv2.contourArea)
    # 计算轮廓的凸包
    hull = cv2.convexHull(max_contour)
    # 绘制凸包
    cv2.drawContours(img, [hull], -1, (, 255, ), 2)
    # 获取凸包的矩形
    x, y, w, h = cv2.boundingRect(hull)
    # 绘制矩形
    cv2.rectangle(img, (x, y), (x+w, y+h), (, , 255), 2)
    # 获取手势图像
    hand = img[y:y+h, x:x+w]
    # 如果手势图像的高度或宽度小于 50 像素，则认为手势不明确
    if hand.shape[] < 50 or hand.shape[1] < 50:
        print("Gesture not clear")
    else:
        # 调用手势识别函数
        gesture = recognize_gesture(hand)
        # 如果识别结果为 None，则认为手势不明确
        if gesture is None:
            print("Gesture not clear")
        else:
            # 输出识别结果
            print("Gesture:", gesture)
    # 显示图像
    cv2.imshow("Image", img)
    cv2.waitKey()
    cv2.destroyAllWindows()

注意：以上代码仅供参考，实际应用中可能需要根据具体情况进行调整和优化。