简介这份资源面向计算机视觉入门者与课程设计学生提供一套基于Python与OpenCV的手势识别算法完整源码帮助解决从摄像头采集到手势判定的全流程实现问题。压缩包共67个文件约42.46MB以30个py源码与26个pyc编译文件为主体另含6张png调试结果图、whl离线安装包及aip客户端相关文件覆盖代码、依赖与运行效果三类内容。已有1880人学习下载。源码在PyCharm中开发涵盖摄像头按帧读取、cv2.flip镜像翻转、形态学处理、固定区域手势框绘制、HSV肤色检测、高斯滤波、轮廓提取、凹凸点求解与手指间角度计算等环节并附改进版脚本与多张结果截图便于对照调试、理解算法细节并快速复现实验。1. 手势识别这套源码到底能不能直接跑起来很多人第一次搜「手势识别 图像处理 python opencv pycharm」心里想的其实不是学算法而是想找一份能直接跑、能改、能交作业或者能塞进项目里的代码。我拿到这份基于 Python OpenCV 的手势识别算法设计源代码材料时第一反应也是先看它能不能在 PyCharm 里一次跑通而不是先看它用了多深的模型。结论是它属于典型的传统图像处理路线靠肤色分割、轮廓提取、凸包缺陷检测来数手指不依赖深度学习权重所以对显卡没要求装好 opencv-python 和 numpy 就能动。适合谁适合刚入门计算机视觉、要做课程设计、想理解「图像处理怎么一步步变成手势判断」的人。它不适合想直接做高精度多手势分类的商用场景那是另一条路。下面我按「能跑起来 → 看懂每步在干什么 → 知道哪里会翻车」的顺序拆。2. 环境搭不起来后面全是空谈PyCharm 与 OpenCV 的落地配置2.1 为什么优先用 PyCharm 而不是裸命令行这份源码材料默认的工程结构是 PyCharm 风格一个项目目录下放.py主文件、若干测试图片、可能还有requirements.txt。用 PyCharm 的好处是解释器隔离做得直观你能清楚看到当前项目用的是哪个 Python装 cv2 装到了哪个环境里。我见过太多人用系统 Python 直接pip install opencv-python结果 PyCharm 里 import cv2 报红折腾半天其实是解释器选错了。所以第一步不是写代码是把解释器钉死。常见做法是新建一个虚拟环境Python 版本选 3.8 到 3.10 之间太新的版本某些 OpenCV 轮子还没跟上。创建完在 PyCharm 的 Terminal 里执行安装# 在 PyCharm 底部 Terminal 中执行确保前面有 (venv) 前缀 python -m pip install --upgrade pip pip install opencv-python numpy # 如果要做摄像头实时采集opencv-python 自带 VideoCapture无需额外包这里opencv-python是主包numpy是它处理图像矩阵的底层依赖必须一起装。装完验证import cv2 import numpy as np print(cv2.__version__) # 能打印出版本号比如 4.8.0 print(np.__version__)如果cv2.__version__报 AttributeError八成是装成了同名但功能不全的包卸载重装opencv-python即可。参数上没什么可调的版本号只要不是 3.x 太老的基本都兼容这份源码。2.2 摄像头与图片两种输入模式怎么切换手势识别源码通常有两种入口读本地图片做静态测试或者开摄像头做实时。材料里一般会有一个cap cv2.VideoCapture(0)这样的句子0 代表默认摄像头。如果你没有摄像头或者想先用图片验证算法把它改成读文件# 实时模式 cap cv2.VideoCapture(0) # 静态图片模式把下面这行替换上面的 # frame cv2.imread(test_hand.jpg) while True: ret, frame cap.read() if not ret: print(摄像头读取失败检查是否被其他程序占用) break frame cv2.flip(frame, 1) # 镜像翻转符合照镜子直觉 cv2.imshow(frame, frame) if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()cv2.flip(frame, 1)的第二个参数 1 表示水平翻转不翻转的话你举右手画面里像举左手交互会很别扭。cv2.waitKey(1)里的 1 是毫秒太小会吃满 CPU太大画面卡顿实时预览一般 1 到 30 之间。按 q 退出是惯例别小看这个没有退出键调试时只能强杀进程。这一步跑通说明环境和输入链路没问题再往下才是算法。3. 从一帧画面到「几根手指」图像处理流水线拆解3.1 肤色分割为什么用 YCrCb 而不是 RGB手势识别传统路线里第一步永远是把手从背景里抠出来。RGB 三通道对光照极其敏感同一只手在灯下和窗边数值差很多所以常见做法是转到 YCrCb 空间只拿 Cr、Cb 两个色度通道做阈值。这份源码大概率也是这个套路def skin_mask(frame): # 高斯模糊降噪核大小必须是奇数 blur cv2.GaussianBlur(frame, (5, 5), 0) ycrcb cv2.cvtColor(blur, cv2.COLOR_BGR2YCrCb) # Cr 和 Cb 的经验范围不同光照下要微调 lower np.array([0, 133, 77], dtypenp.uint8) upper np.array([255, 173, 127], dtypenp.uint8) mask cv2.inRange(ycrcb, lower, upper) return maskcv2.GaussianBlur的 (5,5) 是卷积核尺寸越大越糊5 是速度和效果的折中。inRange把落在 lower 和 upper 之间的像素置 255其余置 0得到一张黑白掩膜。Cr 范围 133 到 173、Cb 范围 77 到 127 是流传很广的经验值但它不是万能钥匙——黄光下、深色皮肤、背景里有木头色都会让掩膜多一块或少一块。这就是为什么后面必须做形态学处理不能直接拿掩膜去数手指。3.2 形态学与轮廓把噪点抹掉再找最大轮廓掩膜出来往往带一堆小白点直接找轮廓会找出几十个所以先开运算去噪再闭运算补洞kernel np.ones((5, 5), np.uint8) mask cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel) # 去小白点 mask cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel) # 补内部空洞 contours, _ cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) if contours: hand max(contours, keycv2.contourArea) # 取面积最大的默认是手MORPH_OPEN先腐蚀后膨胀专治孤立噪点MORPH_CLOSE反过来专治区域里的孔洞。RETR_EXTERNAL只取最外层轮廓避免手内部纹理被当成独立轮廓。max(contours, keycv2.contourArea)是关键一步它假设画面里最大的那块就是手如果背景有更大的肤色物体比如脸凑太近这一步就会翻车后面避坑章节会细说。拿到 hand 这个轮廓才能进入凸包和缺陷检测。3.3 凸包缺陷数手指凸点、凹陷与计数逻辑数手指的核心是cv2.convexHull和cv2.convexityDefects。凸包是把轮廓最外圈连起来的多边形手指之间的缝隙会形成凹陷缺陷检测就是找这些凹陷hull cv2.convexHull(hand, returnPointsFalse) defects cv2.convexityDefects(hand, hull) count 0 if defects is not None: for i in range(defects.shape[0]): s, e, f, d defects[i, 0] start tuple(hand[s][0]) end tuple(hand[e][0]) far tuple(hand[f][0]) # 凹陷深度阈值过滤掉轮廓抖动造成的假凹陷 if d / 256.0 20: count 1 fingers count 1 # 凹陷数加一才是手指数convexityDefects返回的每个缺陷是四个值起点、终点、最远点、最远点到凸包的距离。距离d是定点数要除以 256 才是真实像素值。阈值 20 是经验值太小会把轮廓毛刺算成手指缝太大又会漏掉并拢的手指。count 1这个加一是最容易让人懵的地方五个手指之间有四个缝所以缝数加一等于手指数。这套逻辑对张开的手很准对握拳、比 OK、手指并拢就基本失效这是传统方法的天然边界不是代码写错了。4. 避坑与排查跑不通、数不准、卡顿的常见问题4.1 现象import cv2 报红但 pip 显示已安装原因几乎永远是 PyCharm 当前项目解释器和 pip 装包的解释器不是同一个。系统里可能有三四个 Python你在命令行 pip 装到了系统环境PyCharm 却用着项目虚拟环境。解决打开 PyCharm 的 Settings → Project → Python Interpreter看列表里有没有 opencv-python没有就点加号在界面里装别在外部命令行装。装完还报红就 File → Invalidate Caches 重启一次。4.2 现象摄像头画面全黑或 read 一直返回 False原因通常是摄像头被其他程序占用微信、钉钉、另一个调试窗口或者VideoCapture(0)的索引不对。解决先关掉所有可能用摄像头的软件再把 0 换成 1 或 -1 试。Windows 上还要注意隐私设置里是否允许桌面应用访问摄像头。如果cap.isOpened()返回 False说明设备根本没打开别往下调算法先解决设备。4.3 现象手指数量乱跳一会儿 2 一会儿 5原因是肤色掩膜不稳定光照变化或背景干扰让轮廓时大时小缺陷检测跟着抖。解决分三层一是固定光源别背光也别用频闪灯二是把凹陷深度阈值从 20 往上调到 25 到 30过滤假凹陷三是加一个简单的时间平滑连续几帧结果一致才输出from collections import deque history deque(maxlen5) # 每帧算出 fingers 后 history.append(fingers) stable max(set(history), keyhistory.count) # 取最近5帧里出现最多的deque(maxlen5)只保留最近五帧max(set(...), keyhistory.count)取众数能明显压住跳变。代价是响应慢半拍交互场景要自己权衡。4.4 现象程序跑几秒后越来越卡风扇狂转原因是循环里做了重复的大计算或者waitKey参数太小导致空转。解决把形态学核、阈值数组这些常量提到循环外别每帧重新创建waitKey至少给 1如果还卡把GaussianBlur的核从 (5,5) 降到 (3,3)或者把处理分辨率从 1280 降到 640。实时手势识别不需要高分辨率640 宽足够帧率能翻倍。4.5 现象背景里有脸或木色桌面手被识别成一大坨原因是肤色阈值把非手区域也框进来了max(contourArea)选错了目标。解决一是限制检测区域只在画面中央画一个 ROI 框只在这个框里找轮廓二是加长宽比过滤手的轮廓长宽比通常在一定范围太方或太扁的排除三是最土但有效的办法让人站到纯色墙面前测试先确认算法本身没问题再逐步加背景复杂度。5. 让识别稳下来的几个进阶技巧与验证习惯5.1 用 ROI 加自适应阈值替代全局固定阈值固定 Cr/Cb 阈值在换环境后必然要重调我一般会加一个 ROI 限制和简单的自适应逻辑。ROI 就是只在画面中间一块区域做肤色分割减少背景干扰h, w frame.shape[:2] roi frame[int(h*0.2):int(h*0.8), int(w*0.2):int(w*0.8)] mask_roi skin_mask(roi) # 处理完把结果贴回原尺寸掩膜其余区域置0 full_mask np.zeros((h, w), dtypenp.uint8) full_mask[int(h*0.2):int(h*0.8), int(w*0.2):int(w*0.8)] mask_roi这样背景再花只要不在中央区域就影响不到。参数 0.2 和 0.8 控制 ROI 大小手大就放大范围手小就收紧。代价是手移出 ROI 就检测不到适合固定机位的场景。5.2 验证方法用录制视频代替实时摄像头做回归调阈值最痛苦的是每次都要对着摄像头比手势不可复现。我的习惯是先用手机录一段包含各种手势和光照的视频存成 mp4然后用cv2.VideoCapture(test.mp4)读这样每次改代码跑的是同一段素材能客观对比效果。下面这个表格是我常用的验证清单验证项测试素材期望结果不通过先查肤色分割纯色背景单手掩膜干净无碎点光照、Cr/Cb 范围轮廓选取背景有脸只框住手ROI、面积过滤手指计数五指张开稳定输出 5凹陷阈值、平滑窗口握拳握拳输出 0 或 1缺陷检测对闭合手失效属正常帧率640 宽实时不低于 20 FPS分辨率、模糊核大小这张表的价值在于把「感觉不准」变成「哪一项不通过」排查有方向。握拳那一项要特别说明传统凸包缺陷法对握拳本来就无能为力别指望调参能解决那是算法路线的边界。5.3 什么时候该放弃传统方法如果你需要识别「点赞、OK、剪刀手、数字 1 到 10」这种多类别手势传统肤色加缺陷的路子会越调越绝望因为不同手势的轮廓差异靠几个阈值根本分不开。这时候该换 MediaPipe 或训练一个轻量分类模型那是另一套技术栈。这份源码材料的定位是帮你把图像处理的基本功走一遍——颜色空间转换、形态学、轮廓、凸包这些概念在深度学习时代依然是底层常识。我自己的习惯是每拿到一份传统 CV 源码先不改代码用它的默认参数跑一遍录好的测试视频把每一帧的中间结果掩膜、轮廓、凸包都 imshow 出来看一遍确认自己理解每一步在做什么再动手调。从那以后我每次调阈值都强制先录素材再改参数不再对着摄像头凭感觉试效率高太多。希望这份拆解能帮你少走点弯路把这份源码真正跑成自己的东西。本文还有配套的精品资源点击获取