拍個自拍，讓Python告訴你，軍訓過後你黑了幾度？
- 2019 年 10 月 7 日
- 筆記
一年一度的大學開學季，一年一度的軍訓季。
在六月中旬高考結束之後，萬千學子迎來了他們人生中最長也是最無憂無慮的假期，到了八月底九月初，他們將踏上人生的一段重要旅程——大學。
然而等待他們的第一課，便是軍訓。
每所高校對軍訓的要求不同，從時間來看，短的只有5天，長的多達一個月，根據網上一份軍訓時間排行榜，比如清華大學，以34天穩居第二。（警校排第一也是無可厚非了，不過吉林的院校確實熱衷軍訓，前十中兩所吉林的院校上榜）
除了一些開始又晚、時間又長的院校（比如重慶大學），大部分院校的軍訓應該已經結束了，然而經歷了軍姿、齊步、正步、閱兵甚至拉練的「摧殘」後，軍訓歲月在身上留下的最深的痕迹便是——曬！黑！了！
圖片來自網路
軍訓前和軍訓後，就是「白古」和「黑古」的差別啊！想知道自己軍訓後究竟晒黑了多少么？下面文摘菌就帶你用Python看看，自己究竟軍訓後黑了幾個度。
基於RGB和YCbCr顏色空間的混合膚色檢測
想知道自己的皮膚顏色，首先要將皮膚檢測出來。
膚色檢測有很多方法，比如：
- 基於RGB的顏色空間模型；
- 基於橢圓皮膚模型的皮膚檢測；
- YCrCb顏色空間Cr分量+Otsu法閾值分割；
- 基於YCrCb顏色空間Cr,Cb範圍篩選法；
- HSV顏色空間H範圍篩選法；
- opencv自帶膚色檢測類AdaptiveSkinDetector；
相關鏈接：
https://blog.csdn.net/qq_22527639/article/details/81501565
2004年，Georgy Kukharev和Adam Nowosielski為了提高模型的穩定性，將多個顏色空間結合，提出RGB顏色空間和YCbCr顏色空間的混合膚色檢測器。像素值滿足如下條件：
實現的程式碼也很簡單，首先引入必要的包：
import cv2 import numpy as np from matplotlib import pyplot as plt
然而操縱影像，將RGB顏色空間3通道的值和YCbCr顏色空間3通道的值結合起來，然後根據判別條件進行膚色檢測：
def skin_color(imgFile): # load an original image img = cv2.imread(imgFile) rows,cols,channels = img.shape # convert color space from rgb to ycbcr imgYcc = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB) # convert color space from bgr to rgb img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # prepare an empty image space imgSkin = np.zeros(img.shape, np.uint8) # copy original image imgSkin = img.copy() s=0 sum_R=sum_G=sum_B=0 for r in range(rows): for c in range(cols): # non-skin area if skin equals 0, skin area otherwise skin = 0 # get values from rgb color space R = img.item(r,c,0) G = img.item(r,c,1) B = img.item(r,c,2) # get values from ycbcr color space Y = imgYcc.item(r,c,0) Cr = imgYcc.item(r,c,1) Cb = imgYcc.item(r,c,2) # skin color detection if R > G and R > B: if (G >= B and 5 * R - 12 * G + 7 * B >= 0) or (G < B and 5 * R + 7 * G - 12 * B >= 0): if Cr > 135 and Cr < 180 and Cb > 85 and Cb < 135 and Y > 80: # print 'Skin detected!'
參考鏈接：
https://blog.csdn.net/shadow_guo/article/details/43635181
對比色卡，看看你黑了幾度
檢測出了皮膚的區域，我們就需要將皮膚區域的顏色RGB值計算出來，然後與色卡進行對比。
說到色卡，不得不提到Pantone（潘通）——一家專註於研究顏色的公司，以其Pantone顏色匹配系統（PMS）而聞名，該系統被廣泛用於各種行業，特別是平面設計，時裝設計，產品設計，印刷和製造，並支援從設計到生產的色彩管理。
2013年，潘通發布了一款彩通膚色指南（PANTONE SkinTone Guide），這個指南根據科學測量各種人類皮膚類型中數千種實際膚色而建立，為再現實體膚色而配製，被稱為人類膚色的完整視覺參考。
110種人類膚色被從1Y01 SP至4R15 SP編號，適用於各個人種。
文摘菌從中選取了比符合中國人膚色的1Y01-1Y13作為對比色卡。
從左至右依次為0-12度
然後將膚色顏色RGB與色卡的RGB數值進行對比，因為人眼對於R、G、B的敏感程度不同，在轉換的時候需要給予不同的權重。
人類視覺對綠色最敏感，因此它具有最大的係數值（0.7152），對藍色最不敏感，因此具有最小的係數（0.0722）。
def Compare(list,color): min=100 count=len(list) for i in range(count): value=list[i] error=abs(color[0]-value[0])*0.2126+abs(color[1]-value[1])*0.7152+abs(color[2]-value[2])*0.0722 if(error<min): min=error index=i return index+1
最後我們輸入「白古」和「黑古」的圖片，與比色卡的RGB數值進行對比，輸出結果：
if __name__ == '__main__': img_before= 'images/before1.jpg' img_after='images/after.jpg' color_before=skin_color(img_before) color_after=skin_color(img_after) print("before:the extracted RGB value of the skin color is {0}".format(color_before)) print("after:the extracted RGB value of the color is {0}".format(color_after)) list=[(200, 172, 153), (200, 169, 149), (197, 166, 145), (194, 163, 142), (190, 157, 134), (187, 152, 129), (182, 146, 121), (177, 136, 108), (168, 127, 100), (160, 118, 90), (148, 108, 81), (135, 98, 73), (119, 87, 65)] #color_dir="skin_color" #skincolor.load_color(color_dir,list) #print(list) #print(list) degree_before=Compare(list,color_before) degree_after=Compare(list,color_after) print("before:the degree of the skin color is {0}".format(degree_before)) print("after:the degree of the skin color is {0}".format(degree_after))
輸出的結果如下圖所示：
