两年前在Android平台上写的基于肤色分割特征提取的手势识别应用，源码在这里。

1、判别出手势区域

首先判别出手势区域，有利于之后的识别手势信息。对采集到的实时图像，采用中值滤波或高斯滤波减弱噪声，减少对之后的干扰。中值滤波:

g(x,y)=med{f(x-k,y-l),(k,l∈W)}

其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维滤波模板。

由于肤色在YCbCr颜色空间中有很好的聚类特性，可以利用这种特性来区分手势区域。基于YCbCr颜色空间的椭圆模型较好地表达了肤色的分布，但在时间上消耗太大，于是将椭圆模型拟合成平行四边形。平行四边形模型：

其中Cr、Cb为YCrCb颜色空间的Cr分量和Cb分量。颜色空间内被四条直线包围的区域判别为肤色，其余则判别为背景色。

运用C语言来编写程序，在算法中建立改进的平行四边形模型，根据此模型判别肤色与背景，再进行二值化处理，得到白色肤色和黑色背景的二值图像。之后删除较小的肤色区域，采用形态学运算处理空洞，找到手势区域。

2、手势识别

由于手势识别控制实时性较高，因此采用算法较为简单的链码来识别简单手势。

链码用于表示由顺次连接的像素点组成的边界线。如图1所示，它将3×3领域中心点(P)指向8个领域点(bi)的方向分别编码为0~7，一条曲线由若干像素点组成，最终此曲线链码可表示为{ai}，ai∈{0,1,…,7}，i为像素索引值，ai是像素i指向像素(i+1)的方向链码。

图1 点P的8领域的链码方向编号

假定ai是手势边界链码，定义k阶差分码

对称函数S(di)使得di具有图像旋转不变性（例如规定7-0=-1），则k阶差分链码计算方法为：

其中对称函数

给定阈值D(D>0)，判断{ti}中大于D的区间数即指尖数，小于-D的区间数即指谷数，实现对简单手型的识别。

图2 手势识别的算法框图

图3 手势识别过程