拍个自拍，让Python告诉你，军训过后你黑了几度？

2023-02-27

rgb 军训 skin

大数据文摘出品作者：曹培信、宁静一年一度的大学开学季，一年一度的军训季。在六月中旬高考结束之后，万千学子迎来了他们人生中最长也是最无忧无虑的假期，到了八月底九月初，他们将踏上人生的一段重要旅程——大学。然而等待他们的第一课，便是军训。每所高校对军训的要求不同，从时间来看，短的只有5天，长的多达一个月

大数据文摘出品

作者：曹培信、宁静

一年一度的大学开学季，一年一度的军训季。

在六月中旬高考结束之后，万千学子迎来了他们人生中最长也是最无忧无虑的假期，到了八月底九月初，他们将踏上人生的一段重要旅程——大学。

然而等待他们的第一课，便是军训。

每所高校对军训的要求不同，从时间来看，短的只有5天，长的多达一个月，根据网上一份军训时间排行榜，比如清华大学，以34天稳居第二。(警校排第一也是无可厚非了，不过吉林的院校确实热衷军训，前十中两所吉林的院校上榜)

除了一些开始又晚、时间又长的院校(比如重庆大学)，大部分院校的军训应该已经结束了，然而经历了军姿、齐步、正步、阅兵甚至拉练的“摧残”后，军训岁月在身上留下的最深的痕迹便是——晒!黑!了!

图片来自网络

军训前和军训后，就是“白古”和“黑古”的差别啊!想知道自己军训后究竟晒黑了多少么?下面文摘菌就带你用Python看看，自己究竟军训后黑了几个度。

基于RGB和YCbCr颜色空间的混合肤色检测

想知道自己的皮肤颜色，首先要将皮肤检测出来。

肤色检测有很多方法，比如：

基于RGB的颜色空间模型;
基于椭圆皮肤模型的皮肤检测;
YCrCb颜色空间Cr分量+Otsu法阈值分割;
基于YCrCb颜色空间Cr,Cb范围筛选法;
HSV颜色空间H范围筛选法;
opencv自带肤色检测类AdaptiveSkinDetector;

相关链接：https://blog.csdn.net/qq_22527639/article/details/81501565

2004年，Georgy Kukharev和Adam Nowosielski为了提高模型的稳定性，将多个颜色空间结合，提出RGB颜色空间和YCbCr颜色空间的混合肤色检测器。像素值满足如下条件：

实现的代码也很简单，首先引入必要的包：

import cv2 
import numpy as np 
from matplotlib import pyplot as plt 
1.
2.
3.

然而操纵图像，将RGB颜色空间3通道的值和YCbCr颜色空间3通道的值结合起来，然后根据判别条件进行肤色检测：

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 
        imgimgSkin = 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!' 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40.
41.
42.
43.
44.
45.
46.

参考链接：https://blog.csdn.net/shadow_guo/article/details/43635181

对比色卡，看看你黑了几度

检测出了皮肤的区域，我们就需要将皮肤区域的颜色RGB值计算出来，然后与色卡进行对比。

说到色卡，不得不提到Pantone(潘通)——一家专注于研究颜色的公司，以其Pantone颜色匹配系统(PMS)而闻名，该系统被广泛用于各种行业，特别是平面设计，时装设计，产品设计，印刷和制造，并支持从设计到生产的色彩管理。

2013年，潘通发布了一款彩通肤色指南(PANTONE SkinTone Guide)，这个指南根据科学测量各种人类皮肤类型中数千种实际肤色而建立，为再现实体肤色而配制，被称为人类肤色的完整视觉参考。

110种人类肤色被从1Y01 SP至4R15 SP编号，适用于各个人种。

文摘菌从中选取了比符合中国人肤色的1Y01-1Y13作为对比色卡。

从左至右依次为0-12度

然后将肤色颜色RGB与色卡的RGB数值进行对比，因为人眼对于R、G、B的敏感程度不同，在转换的时候需要给予不同的权重。

人类视觉对绿色最敏感，因此它具有最大的系数值(0.7152)，对蓝色最不敏感，因此具有最小的系数(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 
            iindex=i         
    return index+1 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

最后我们输入“白古”和“黑古”的图片，与比色卡的RGB数值进行对比，输出结果：

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)) 
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.