代碼

import sys import os import _io from collections import namedtuple from PIL import Imageclass Nude(object): # 赤裸物Skin = namedtuple("Skin", "id skin region x y") #皮膚def __init__(self, path_or_image): # 給出路徑或者一個圖片取初始化# 1.若 path_or_image 為 Image.Image 類型的實例，直接賦值if isinstance(path_or_image, Image.Image):self.image = path_or_image# 若 path_or_image 為 str 類型的實例，打開圖片elif isinstance(path_or_image, str):self.image = Image.open(path_or_image)# 獲得圖片所有顏色通道bands = self.image.getbands()# 2.判斷是否為單通道圖片（也即灰度圖），是則將灰度圖轉換為 RGB 圖if len(bands) == 1:# 新建相同大小的 RGB 圖像(空白的)new_img = Image.new("RGB", self.image.size) # 拷貝灰度圖 self.image 到 RGB圖 new_img.paste （PIL 自動進行顏色通道轉換）new_img.paste(self.image)f = self.image.filename# 替換 self.imageself.image = new_imgself.image.filename = f# 存儲對應圖像所有像素的全部 Skin 對象self.skin_map = []# 檢測到的皮膚區域，元素的索引即為皮膚區域號，元素都是包含一些 Skin 對象的列表self.detected_regions = []# 元素都是包含一些 int 對象（區域號）的列表# 這些元素中的區域號代表的區域都是待合并的區域self.merge_regions = []# 整合后的皮膚區域，元素的索引即為皮膚區域號，元素都是包含一些 Skin 對象的列表self.skin_regions = []# 最近合并的兩個皮膚區域的區域號，初始化為 -1self.last_from, self.last_to = -1, -1# 色情圖像判斷結果self.result = None# 處理得到的信息self.message = None# 圖像寬高self.width, self.height = self.image.size# 圖像總像素self.total_pixels = self.width * self.heightdef resize(self, maxwidth=1000, maxheight=1000):"""基于最大寬高按比例重設圖片大小，注意：這可能影響檢測算法的結果如果沒有變化返回 0原寬度大于 maxwidth 返回 1原高度大于 maxheight 返回 2原寬高大于 maxwidth, maxheight 返回 3maxwidth - 圖片最大寬度maxheight - 圖片最大高度傳遞參數時都可以設置為 False 來忽略"""# 存儲返回值ret = 0if maxwidth:if self.width > maxwidth:wpercent = (maxwidth / self.width)hsize = int((self.height * wpercent))fname = self.image.filename# Image.LANCZOS 是重采樣濾波器，用于抗鋸齒self.image = self.image.resize((maxwidth, hsize), Image.LANCZOS)self.image.filename = fnameself.width, self.height = self.image.sizeself.total_pixels = self.width * self.heightret += 1if maxheight:if self.height > maxheight:hpercent = (maxheight / float(self.height))wsize = int((float(self.width) * float(hpercent)))fname = self.image.filenameself.image = self.image.resize((wsize, maxheight), Image.LANCZOS)self.image.filename = fnameself.width, self.height = self.image.sizeself.total_pixels = self.width * self.heightret += 2return ret# 分析函數def parse(self):# 如果已有結果，返回本對象if self.result is not None:return self# 獲得圖片所有像素數據pixels = self.image.load()# 遍歷每個像素for y in range(self.height):for x in range(self.width):# 得到像素的 RGB 三個通道的值# [x, y] 是 [(x,y)] 的簡便寫法r = pixels[x, y][0] # redg = pixels[x, y][1] # greenb = pixels[x, y][2] # blue# 判斷當前像素是否為膚色像素isSkin = True if self._classify_skin(r, g, b) else False# 給每個像素分配唯一 id 值（1, 2, 3...height*width）# 注意 x, y 的值從零開始_id = x + y * self.width + 1# 為每個像素創建一個對應的 Skin 對象，并添加到 self.skin_map 中self.skin_map.append(self.Skin(_id, isSkin, None, x, y))# 若當前像素不為膚色像素，跳過此次循環if not isSkin:continue# 設左上角為原點，相鄰像素為符號 *，當前像素為符號 ^，那么相互位置關系通常如下圖# ***# *^# 存有相鄰像素索引的列表，存放順序為由大到小，順序改變有影響# 注意 _id 是從 1 開始的，對應的索引則是 _id-1check_indexes = [_id - 2, # 當前像素左方的像素_id - self.width - 2, # 當前像素左上方的像素_id - self.width - 1, # 當前像素的上方的像素_id - self.width] # 當前像素右上方的像素# 用來記錄相鄰像素中膚色像素所在的區域號，初始化為 -1region = -1# 遍歷每一個相鄰像素的索引for index in check_indexes:# 嘗試索引相鄰像素的 Skin 對象，沒有則跳出循環try:self.skin_map[index]except IndexError:break# 相鄰像素若為膚色像素：if self.skin_map[index].skin:# 若相鄰像素與當前像素的 region 均為有效值，且二者不同，且尚未添加相同的合并任務if (self.skin_map[index].region != None andregion != None and region != -1 andself.skin_map[index].region != region andself.last_from != region andself.last_to != self.skin_map[index].region) :# 那么這添加這兩個區域的合并任務self._add_merge(region, self.skin_map[index].region)# 記錄此相鄰像素所在的區域號region = self.skin_map[index].region# 遍歷完所有相鄰像素后，若 region 仍等于 -1，說明所有相鄰像素都不是膚色像素if region == -1:# 更改屬性為新的區域號，注意元祖是不可變類型，不能直接更改屬性_skin = self.skin_map[_id - 1]._replace(region=len(self.detected_regions))self.skin_map[_id - 1] = _skin# 將此膚色像素所在區域創建為新區域self.detected_regions.append([self.skin_map[_id - 1]])# region 不等于 -1 的同時不等于 None，說明有區域號為有效值的相鄰膚色像素elif region != None:# 將此像素的區域號更改為與相鄰像素相同_skin = self.skin_map[_id - 1]._replace(region=region)self.skin_map[_id - 1] = _skin# 向這個區域的像素列表中添加此像素self.detected_regions[region].append(self.skin_map[_id - 1])# 完成所有區域合并任務，合并整理后的區域存儲到 self.skin_regionsself._merge(self.detected_regions, self.merge_regions)# 分析皮膚區域，得到判定結果self._analyse_regions()return self# self.merge_regions 的元素都是包含一些 int 對象（區域號）的列表# self.merge_regions 的元素中的區域號代表的區域都是待合并的區域# 這個方法便是將兩個待合并的區域號添加到 self.merge_regions 中def _add_merge(self, _from, _to):# 兩個區域號賦值給類屬性self.last_from = _fromself.last_to = _to# 記錄 self.merge_regions 的某個索引值，初始化為 -1from_index = -1# 記錄 self.merge_regions 的某個索引值，初始化為 -1to_index = -1# 遍歷每個 self.merge_regions 的元素for index, region in enumerate(self.merge_regions):# 遍歷元素中的每個區域號for r_index in region:if r_index == _from:from_index = indexif r_index == _to:to_index = index# 若兩個區域號都存在于 self.merge_regions 中if from_index != -1 and to_index != -1:# 如果這兩個區域號分別存在于兩個列表中# 那么合并這兩個列表if from_index != to_index:self.merge_regions[from_index].extend(self.merge_regions[to_index])del(self.merge_regions[to_index])return# 若兩個區域號都不存在于 self.merge_regions 中if from_index == -1 and to_index == -1:# 創建新的區域號列表self.merge_regions.append([_from, _to])return# 若兩個區域號中有一個存在于 self.merge_regions 中if from_index != -1 and to_index == -1:# 將不存在于 self.merge_regions 中的那個區域號# 添加到另一個區域號所在的列表self.merge_regions[from_index].append(_to)return# 若兩個待合并的區域號中有一個存在于 self.merge_regions 中if from_index == -1 and to_index != -1:# 將不存在于 self.merge_regions 中的那個區域號# 添加到另一個區域號所在的列表self.merge_regions[to_index].append(_from)return# 合并該合并的皮膚區域def _merge(self, detected_regions, merge_regions):# 新建列表 new_detected_regions # 其元素將是包含一些代表像素的 Skin 對象的列表# new_detected_regions 的元素即代表皮膚區域，元素索引為區域號new_detected_regions = []# 將 merge_regions 中的元素中的區域號代表的所有區域合并for index, region in enumerate(merge_regions):try:new_detected_regions[index]except IndexError:new_detected_regions.append([])for r_index in region:new_detected_regions[index].extend(detected_regions[r_index])detected_regions[r_index] = []# 添加剩下的其余皮膚區域到 new_detected_regionsfor region in detected_regions:if len(region) > 0:new_detected_regions.append(region)# 清理 new_detected_regionsself._clear_regions(new_detected_regions)# 皮膚區域清理函數# 只保存像素數大于指定數量的皮膚區域def _clear_regions(self, detected_regions):for region in detected_regions:if len(region) > 30:self.skin_regions.append(region)# 分析區域def _analyse_regions(self):# 如果皮膚區域小于 3 個，不是色情if len(self.skin_regions) < 3:self.message = "Less than 3 skin regions ({_skin_regions_size})".format(_skin_regions_size=len(self.skin_regions))self.result = Falsereturn self.result# 為皮膚區域排序self.skin_regions = sorted(self.skin_regions, key=lambda s: len(s),reverse=True)# 計算皮膚總像素數total_skin = float(sum([len(skin_region) for skin_region in self.skin_regions]))# 如果皮膚區域與整個圖像的比值小于 15%，那么不是色情圖片if total_skin / self.total_pixels * 100 < 15:self.message = "Total skin percentage lower than 15 ({:.2f})".format(total_skin / self.total_pixels * 100)self.result = Falsereturn self.result# 如果最大皮膚區域小于總皮膚面積的 45%，不是色情圖片if len(self.skin_regions[0]) / total_skin * 100 < 45:self.message = "The biggest region contains less than 45 ({:.2f})".format(len(self.skin_regions[0]) / total_skin * 100)self.result = Falsereturn self.result# 皮膚區域數量超過 60個，不是色情圖片if len(self.skin_regions) > 60:self.message = "More than 60 skin regions ({})".format(len(self.skin_regions))self.result = Falsereturn self.result# 其它情況為色情圖片self.message = "Nude!!"self.result = Truereturn self.result# 基于像素的膚色檢測技術def _classify_skin(self, r, g, b):# 根據RGB值判定rgb_classifier = r > 95 and \g > 40 and g < 100 and \b > 20 and \max([r, g, b]) - min([r, g, b]) > 15 and \abs(r - g) > 15 and \r > g and \r > b# 根據處理后的 RGB 值判定nr, ng, nb = self._to_normalized(r, g, b)norm_rgb_classifier = nr / ng > 1.185 and \float(r * b) / ((r + g + b) ** 2) > 0.107 and \float(r * g) / ((r + g + b) ** 2) > 0.112# HSV 顏色模式下的判定h, s, v = self._to_hsv(r, g, b)hsv_classifier = h > 0 and \h < 35 and \s > 0.23 and \s < 0.68# YCbCr 顏色模式下的判定y, cb, cr = self._to_ycbcr(r, g, b)ycbcr_classifier = 97.5 <= cb <= 142.5 and 134 <= cr <= 176# 效果不是很好，還需改公式# return rgb_classifier or norm_rgb_classifier or hsv_classifier or ycbcr_classifierreturn ycbcr_classifierdef _to_normalized(self, r, g, b):if r == 0:r = 0.0001if g == 0:g = 0.0001if b == 0:b = 0.0001_sum = float(r + g + b)return [r / _sum, g / _sum, b / _sum]def _to_ycbcr(self, r, g, b):# 公式來源：# http://stackoverflow.com/questions/19459831/rgb-to-ycbcr-conversion-problemsy = .299*r + .587*g + .114*bcb = 128 - 0.168736*r - 0.331364*g + 0.5*bcr = 128 + 0.5*r - 0.418688*g - 0.081312*breturn y, cb, crdef _to_hsv(self, r, g, b):h = 0_sum = float(r + g + b)_max = float(max([r, g, b]))_min = float(min([r, g, b]))diff = float(_max - _min)if _sum == 0:_sum = 0.0001if _max == r:if diff == 0:h = sys.maxsizeelse:h = (g - b) / diffelif _max == g:h = 2 + ((g - r) / diff)else:h = 4 + ((r - g) / diff)h *= 60if h < 0:h += 360return [h, 1.0 - (3.0 * (_min / _sum)), (1.0 / 3.0) * _max]def inspect(self):_image = '{} {} {}×{}'.format(self.image.filename, self.image.format, self.width, self.height)return "{_image}: result={_result} message='{_message}'".format(_image=_image, _result=self.result, _message=self.message)# 將在源文件目錄生成圖片文件，將皮膚區域可視化def showSkinRegions(self):# 未得出結果時方法返回if self.result is None:return# 皮膚像素的 ID 的集合skinIdSet = set()# 將原圖做一份拷貝simage = self.image# 加載數據simageData = simage.load()# 將皮膚像素的 id 存入 skinIdSetfor sr in self.skin_regions:for pixel in sr:skinIdSet.add(pixel.id)# 將圖像中的皮膚像素設為白色，其余設為黑色for pixel in self.skin_map:if pixel.id not in skinIdSet:simageData[pixel.x, pixel.y] = 0, 0, 0else:simageData[pixel.x, pixel.y] = 255, 255, 255# 源文件絕對路徑filePath = os.path.abspath(self.image.filename)# 源文件所在目錄fileDirectory = os.path.dirname(filePath) + '/'# 源文件的完整文件名fileFullName = os.path.basename(filePath)# 分離源文件的完整文件名得到文件名和擴展名fileName, fileExtName = os.path.splitext(fileFullName)# 保存圖片simage.save('{}{}_{}{}'.format(fileDirectory, fileName,'Nude' if self.result else 'Normal', fileExtName))if __name__ == "__main__":import argparseparser = argparse.ArgumentParser(description='Detect nudity in images.')parser.add_argument('files', metavar='image', nargs='+',help='Images you wish to test')parser.add_argument('-r', '--resize', action='store_true',help='Reduce image size to increase speed of scanning')parser.add_argument('-v', '--visualization', action='store_true',help='Generating areas of skin image')args = parser.parse_args()for fname in args.files:if os.path.isfile(fname):n = Nude(fname)if args.resize:n.resize(maxheight=800, maxwidth=600)n.parse()if args.visualization:n.showSkinRegions()print(n.result, n.inspect())else:print(fname, "is not a file")

總結

以上是生活随笔為你收集整理的图像处理-色情图片识别（未完成）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。