本项目探讨了利用Python和OpenCV库实现手势识别的技术细节，并通过具体案例展示了其应用，为开发人员提供实践指导。
基于OpenCV2.4.8和Python 2.7实现简单的手势识别的基本步骤如下：
1. 去除背景并提取手的轮廓。
2. 将RGB图像转换为YUV格式，并计算直方图。
3. 使用形态学滤波来提取感兴趣的区域。
4. 对二值化后的图像进行边缘检测，以找到其轮廓。
5. 从所有可能的手部轮廓中找出最大的一个作为主要处理对象。
6. 利用凸包算法识别出手的形状特征。这一步通常通过`cv2.convexHull()`函数实现来获取最大凸包区域。
7. 标记手指和手掌的位置，以便后续分析手势动作的关键点信息。
8. 将提取的手势特征与预定义的手势字典进行对比，并据此判断当前识别出的手势类型。
在处理过程中会用到`cv2.findContours()`函数来定位手的轮廓以及其凸包区域。此外，还需要确定手掌中心位置和手指相对于手掌的位置等关键点信息以便于后续手势分类工作。特征字典中主要包括了以下几项内容：名字、手掌中心点坐标、手掌直径等等相关参数以帮助进行更精确的手势识别操作。
5星
