[[277454]]

大數(shù)據(jù)文摘出品

作者：曹培信、寧靜

一年一度的大學(xué)開學(xué)季，一年一度的軍訓(xùn)季。

在六月中旬高考結(jié)束之后，萬千學(xué)子迎來了他們?nèi)松凶铋L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(xué)。

然而等待他們的第一課，便是軍訓(xùn)。

每所高校對(duì)軍訓(xùn)的要求不同，從時(shí)間來看，短的只有5天，長的多達(dá)一個(gè)月，根據(jù)網(wǎng)上一份軍訓(xùn)時(shí)間排行榜，比如清華大學(xué)，以34天穩(wěn)居第二。(警校排第一也是無可厚非了，不過吉林的院校確實(shí)熱衷軍訓(xùn)，前十中兩所吉林的院校上榜)

除了一些開始又晚、時(shí)間又長的院校(比如重慶大學(xué))，大部分院校的軍訓(xùn)應(yīng)該已經(jīng)結(jié)束了，然而經(jīng)歷了軍姿、齊步、正步、閱兵甚至拉練的“摧殘”后，軍訓(xùn)歲月在身上留下的最深的痕跡便是——曬!黑!了!

[[277455]]

圖片來自網(wǎng)絡(luò)

軍訓(xùn)前和軍訓(xùn)后，就是“白古”和“黑古”的差別啊!想知道自己軍訓(xùn)后究竟曬黑了多少么?下面文摘菌就帶你用Python看看，自己究竟軍訓(xùn)后黑了幾個(gè)度。

基于RGB和YCbCr顏色空間的混合膚色檢測(cè)

想知道自己的皮膚顏色，首先要將皮膚檢測(cè)出來。

膚色檢測(cè)有很多方法，比如：

• 基于RGB的顏色空間模型;
• 基于橢圓皮膚模型的皮膚檢測(cè);
• YCrCb顏色空間Cr分量+Otsu法閾值分割;
• 基于YCrCb顏色空間Cr,Cb范圍篩選法;
• HSV顏色空間H范圍篩選法;
• opencv自帶膚色檢測(cè)類AdaptiveSkinDetector;

相關(guān)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(wěn)定性，將多個(gè)顏色空間結(jié)合，提出RGB顏色空間和YCbCr顏色空間的混合膚色檢測(cè)器。像素值滿足如下條件：

實(shí)現(xiàn)的代碼也很簡單，首先引入必要的包：

import cv2 
import numpy as np 
from matplotlib import pyplot as plt 

然而操縱圖像，將RGB顏色空間3通道的值和YCbCr顏色空間3通道的值結(jié)合起來，然后根據(jù)判別條件進(jìn)行膚色檢測(cè)：

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!' 

參考鏈接：https://blog.csdn.net/shadow_guo/article/details/43635181

對(duì)比色卡，看看你黑了幾度

檢測(cè)出了皮膚的區(qū)域，我們就需要將皮膚區(qū)域的顏色RGB值計(jì)算出來，然后與色卡進(jìn)行對(duì)比。

說到色卡，不得不提到Pantone(潘通)——一家專注于研究顏色的公司，以其Pantone顏色匹配系統(tǒng)(PMS)而聞名，該系統(tǒng)被廣泛用于各種行業(yè)，特別是平面設(shè)計(jì)，時(shí)裝設(shè)計(jì)，產(chǎn)品設(shè)計(jì)，印刷和制造，并支持從設(shè)計(jì)到生產(chǎn)的色彩管理。

2013年，潘通發(fā)布了一款彩通膚色指南(PANTONE SkinTone Guide)，這個(gè)指南根據(jù)科學(xué)測(cè)量各種人類皮膚類型中數(shù)千種實(shí)際膚色而建立，為再現(xiàn)實(shí)體膚色而配制，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(hào)，適用于各個(gè)人種。

文摘菌從中選取了比符合中國人膚色的1Y01-1Y13作為對(duì)比色卡。

從左至右依次為0-12度

然后將膚色顏色RGB與色卡的RGB數(shù)值進(jìn)行對(duì)比，因?yàn)槿搜蹖?duì)于R、G、B的敏感程度不同，在轉(zhuǎn)換的時(shí)候需要給予不同的權(quán)重。

人類視覺對(duì)綠色最敏感，因此它具有最大的系數(shù)值(0.7152)，對(duì)藍(lán)色最不敏感，因此具有最小的系數(shù)(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 

最后我們輸入“白古”和“黑古”的圖片，與比色卡的RGB數(shù)值進(jìn)行對(duì)比，輸出結(jié)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(jié)果如下圖所示：

也就是說，“黑古”比“白古”整整黑了5個(gè)度，雖然文摘菌認(rèn)為結(jié)果可能還有偏差，因?yàn)?2是比色表的最高值，“黑古”很可能已經(jīng)爆表了。

軍訓(xùn)結(jié)束，寫代碼的日子開始了

也許當(dāng)你拍下自己軍訓(xùn)后的照片，用文摘菌的代碼和自己一個(gè)月前的自拍對(duì)比了一下，然后留下了傷心的眼淚。

文摘菌想告訴你：你不是一個(gè)人在戰(zhàn)斗!

今年參加軍訓(xùn)的大學(xué)新生有數(shù)百萬，短則5天，長則一個(gè)月的軍訓(xùn)，風(fēng)吹日曬，大家的皮膚變黑在所難免，然而，就算是1個(gè)月的軍訓(xùn)，也并不能真正掌握多少軍事技能，其實(shí)重要的還是原本初次見面還陌生的同班同學(xué)，通過軍訓(xùn)開始熟絡(luò)起來;原本還陌生的校園，也齊步走了幾個(gè)來回。

可以說，軍訓(xùn)是大學(xué)的預(yù)科班，結(jié)束了軍訓(xùn)，就正式開始了大學(xué)生活。

文摘菌本著行業(yè)內(nèi)人士的身份，自然要對(duì)那些報(bào)讀計(jì)算機(jī)相關(guān)專業(yè)的新生們說一句：軍訓(xùn)結(jié)束，你們寫代碼的日子就要開始了!

也許在某個(gè)深夜，當(dāng)你停下敲擊鍵盤的雙手，撫摸著額前稀疏的頭發(fā)，你可能會(huì)意識(shí)到，原來軍訓(xùn)并不是大學(xué)最痛苦的時(shí)候。

【本文是51CTO專欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)譯文，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】

戳這里，看該作者更多好文