Python3 色情图片识别

本课程由FrostSigh发布在实验楼，完整教程及在线练习地址：Python3 色情图片识别

一、实验简介

本实验将使用 Python3 去识别图片是否为色情图片，我们会使用到 PIL 这个图像处理库，会编写算法来划分图像的皮肤区域

1.1 知识点

• Python 3 的模块的安装
• Python 3 基础知识
• 肤色像素检测与皮肤区域划分算法
• Pillow 模块的使用
• argparse 模块的使用

1.2 效果展示

二、实验步骤

2.1 安装包

PIL 2009年之后就没有更新了，也不支持 Python3 ，于是有了 Alex Clark 领导的公益项目 Pillow，Pillow 是一个对 PIL 友好的分支，支持 Python3，所以我们这里安装的是 Pillow，其官方文档

安装前更新源

$ sudo apt-get update

安装 Python 开发环境

$ sudo apt-get install python3-dev python3-setuptools

然后安装 Pillow 依赖包

$ sudo apt-get install libtiff5-dev libjpeg8-dev zlib1g-dev \
    libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk

安装 pip3，pip 是 Python2 的软件包管理系统，使用它来安装 Python2 的模块非常简便，而 pip3 则是对应于 Python3 的版本

$ sudo apt-get install python3-pip

最后安装 Pillow

$ sudo pip3 install Pillow

2.2 程序原理

本程序根据颜色（肤色）找出图片中皮肤的区域，然后通过一些条件判断是否为色情图片

程序的关键步骤如下

1. 遍历每个像素，检测像素颜色是否为肤色
2. 将相邻的肤色像素归为一个皮肤区域，得到若干个皮肤区域
3. 剔除像素数量极少的皮肤区域

我们定义非色情图片的判定规则如下（满足任意一个判定为真）：

1. 皮肤区域的个数小于 3 个
2. 皮肤区域的像素与图像所有像素的比值小于 15%
3. 最大皮肤区域小于总皮肤面积的 45%
4. 皮肤区域数量超过60个

这些规则你可以尝试更改，直到程序效果让你满意为止

关于像素肤色判定这方面，公式可以在网上找到很多，但世界上不可能有正确率 100% 的公式

你可以用自己找到的公式，在程序完成后慢慢调试

• RGB 颜色模式

  第一种：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

  第二种：nr = r / (r + g + b), ng = g / (r + g + b), nb = b / (r +g + b), nr / ng > 1.185 and r * b / (r + g + b) ** 2 > 0.107 and r * g / (r + g + b) ** 2 > 0.112

• HSV 颜色模式

  h > 0 and h < 35 and s > 0.23 and s < 0.68

• YCbCr 颜色模式

  97.5 <= cb <= 142.5 and 134 <= cr <= 176

一幅图像有零个到多个的皮肤区域，程序按发现顺序给它们编号，第一个发现的区域编号为 0，第 n 个发现的区域编号为 n-1

我们用一种类型来表示像素，我们给这个类型取名为 Skin，包含了像素的一些信息：唯一的 编号（id），是/否肤色（skin），皮肤区域号（region），横坐标（x），纵坐标（y）

遍历所有像素时，我们为每个像素创建一个与之对应的 Skin 对象，并设置对象的所有属性

其中 region 属性即为像素所在的皮肤区域编号，创建对象时初始化为无意义的 None

关于每个像素的 id 值，左上角为原点，像素的 id 值按像素坐标排布，那么看起来如下图


其实 id 的顺序也即遍历的顺序

遍历所有像素时，创建 Skin 对象后，如果当前像素为肤色，且相邻的像素有肤色的，那么我们把这些肤色像素归到一个皮肤区域

相邻像素的定义：通常都能想到是当前像素周围的 8 个像素，然而实际上只需要定义 4 个就可以了，位置分别在当前像素的左方，左上方，正上方，右上方；因为另外四个像素都在当前像素后面，我们还未给这4个像素创建对应的 Skin 对象

三、实验内容
本项目的详细教程和完整代码，可在实验楼中查看并在线完成，立即【开始实验】
更多Python经典项目：Python全部 - 课程
如果您也想通过实验楼课程的形式分享自己的实践经验，欢迎投稿给我们：项目投稿通道

微信底图5-2.jpg