基于Python編寫一個圖片識別系統(tǒng)
項目介紹
本項目將使用python3去識別圖片是否為色情圖片，會使用到PIL這個圖像處理庫，并且編寫算法來劃分圖像的皮膚區(qū)域
介紹一下PIL：
PIL（Python Image Library）是一種免費的圖像處理工具包，這個軟件包提供了基本的圖像處理功能，如：改變圖像大小，旋轉圖像，圖像格式轉化，色場空間轉換（這個我不太懂），圖像增強（就是改善清晰度，突出圖像有用信息），直方圖處理，插值（利用已知鄰近像素點的灰度值來產(chǎn)生未知像素點的灰度值）和濾波等等。雖然這個軟件包要實現(xiàn)復雜的圖像處理算法并不太適合，但是python的快速開發(fā)能力以及面向對象等等諸多特點使得它非常適合用來進行原型開發(fā)。
在 PIL 中，任何一副圖像都是用一個 Image 對象表示，而這個類由和它同名的模塊導出，因此，要加載一副圖像，最簡單的形式是這樣的：
import?Image img?=?Image.open(“dip.jpg”)
注意：==第一行的 Image 是模塊名；第二行的 img 是一個 Image 對象；== Image 類是在 Image 模塊中定義的。關于 Image 模塊和 Image 類，切記不要混淆了?，F(xiàn)在，我們就可以對 img 進行各種操作了，所有對 img 的 操作最終都會反映到到 dip.img 圖像上
環(huán)境準備
PIL 2009 年之后就沒有更新了，也不支持 Python3 ，于是有了 Alex Clark 領導的公益項目 Pillow 。Pillow 是一個對 PIL 友好的分支，支持 Python3，所以我們這里安裝的是 Pillow，這是它的官方文檔。
默認已經(jīng)有python3.0以上和包管理工具pip3。那要執(zhí)行如下命令升級pip3并安裝Pillow 工具包：
sudo?install?-U?pip3 sudo?install?Pillow
程序原理
根據(jù)顏色（膚色）找出圖片中皮膚的區(qū)域，然后通過一些條件判斷是否為色情圖片。
程序的關鍵步驟如下：
- 遍歷每個像素，檢查像素顏色是否為膚色
- 將相鄰的膚色像素歸為一個皮膚區(qū)域，得到若干個皮膚區(qū)域
- 剔除像素數(shù)量極少的皮膚區(qū)域
我們定義非色情圖片的判定規(guī)則如下（滿足任意一個判斷為真）：
- 皮膚區(qū)域的個數(shù)小于3個
- 皮膚區(qū)域的像素與圖像所有像素的比值小于15%
- 最大皮膚區(qū)域小于總皮膚面積的45%
- 皮膚區(qū)域數(shù)量超過60個
這些規(guī)則你可以嘗試更改，直到程序效果讓自己滿意為止。關于像素膚色判定這方面，公式可以在網(wǎng)上找到很多，但是世界上不可能有正確率100%的公式。你可以用自己找到的公式，在程序完成后慢慢調試。
RGB顏色模式
第一種：==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==
第二種：==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顏色模式
==h > 0 and h < 35 and s > 0.23 and s < 0.68==
YCbCr顏色模式
==97.5 <= cb <= 142.5 and 134 <= cr <= 176==
一幅圖像有零個到多個的皮膚區(qū)域，程序按發(fā)現(xiàn)順序給它們編號，第一個發(fā)現(xiàn)的區(qū)域編號為0，第n個發(fā)現(xiàn)的區(qū)域編號為n-1
用一種類型來表示像素，我們給這個類型取名為Skin，包含了像素的一些信息：唯一的編號id、是/否膚色skin、皮膚區(qū)域號region、橫坐標x、縱坐標y
遍歷所有像素時，我們?yōu)槊總€像素創(chuàng)建一個與之對應的Skin對象，并設置對象的所有屬性，其中region屬性即為像素所在的皮膚區(qū)域編號，創(chuàng)建對象時初始化為無意義的None。關于每個像素的id值，左上角為原點，像素id值按照像素坐標排布，那么看起來如下圖：
其實id的順序也即遍歷的順序。遍歷所有像素時，創(chuàng)建Skin對象后，如果當前像素為膚色，且相鄰的像素有膚色的，那么我們把這些膚色像素歸到一個皮膚區(qū)域。
相鄰像素的定義：通常都能想到是當前像素周圍的8個像素，然而實際上只需要定義4個就可以了，位置分別在當前像素的左方，左上方，正上方，右上方。因為另外四個像素都在當前像素后面，我們還未給這4個像素創(chuàng)建對應的Skin對象：
實現(xiàn)腳本
直接在python中新建nude.py文件，在這個文件進行代碼編寫：
導入所需要的模塊：
import?sys import?os import?_io from?collections?import?namedtuple from?PIL?import?Image
我們將設計一個Nude類：
class?Nude:
這個類里面我們首先使用 collections.namedtuple() 定義一個 Skin 類型：
Skin?=?namedtuple("Skin",?"id?skin?region?x?y")
collections.namedtuple() 函數(shù)實際上是一個返回 Python 中標準元組類型子類的一個工廠方法。你需要傳遞一個類型名和你需要的字段給它，然后它就會返回一個類，你可以初始化這個類，為你定義的字段傳遞值等。詳情參見官方文檔。
然后定義 Nude 類的初始化方法：
def?__init__(self,?path_or_image):
????#?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()
????#?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
????????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.image
????????self.image?=?new_img
????????self.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(qū)域，元素的索引即為皮膚區(qū)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(qū)域號）的列表
????#?這些元素中的區(qū)域號代表的區(qū)域都是待合并的區(qū)域
????self.merge_regions?=?[]
????#?整合后的皮膚區(qū)域，元素的索引即為皮膚區(qū)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(qū)域的區(qū)域號，初始化為?-1
????self.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.height
isinstane(object, classinfo) 如果參數(shù) object 是參數(shù) classinfo 的實例，返回真，否則假；參數(shù) classinfo 可以是一個包含若干 type 對象的元組，如果參數(shù) object 是其中任意一個類型的實例，返回真，否則假。
涉及到效率問題，越大的圖片所需要消耗的資源與時間越大，因此有時候可能需要對圖片進行縮小。所以需要有圖片縮小方法：
def?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?3 ????maxwidth?-?圖片最大寬度 ????maxheight?-?圖片最大高度 ????傳遞參數(shù)時都可以設置為?False?來忽略 ????""" ????#?存儲返回值 ????ret?=?0 ????if?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?=?fname ????????????self.width,?self.height?=?self.image.size ????????????self.total_pixels?=?self.width?*?self.height ????????????ret?+=?1 ????if?maxheight: ????????if?self.height?>?maxheight: ????????????hpercent?=?(maxheight?/?float(self.height)) ????????????wsize?=?int((float(self.width)?*?float(hpercent))) ????????????fname?=?self.image.filename ????????????self.image?=?self.image.resize((wsize,?maxheight),?Image.LANCZOS) ????????????self.image.filename?=?fname ????????????self.width,?self.height?=?self.image.size ????????????self.total_pixels?=?self.width?*?self.height ????????????ret?+=?2 ????return?ret
Image.resize(size, resample=0)
size – 包含寬高像素數(shù)的元祖 (width, height) resample – 可選的重采樣濾波器
返回 Image 對象
然后便是最關鍵之一的解析方法了：
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(shù)據(jù) ????pixels?=?self.image.load()
接著，遍歷每個像素，為每個像素創(chuàng)建對應的 Skin 對象，其中 self._classify_skin() 這個方法是檢測像素顏色是否為膚色：
????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]???#?red ????????????g?=?pixels[x,?y][1]???#?green ????????????b?=?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(chuàng)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))
若當前像素并不是膚色，那么跳過本次循環(huán)，繼續(xù)遍歷：
#?若當前像素不為膚色像素，跳過此次循環(huán) if?not?isSkin: ??continue
若當前像素是膚色像素，那么就需要處理了，先遍歷其相鄰像素。
一定要注意相鄰像素的索引值，因為像素的 id 值是從 1 開始編起的，而索引是從 0 編起的。變量 _id是存有當前像素的 id 值， 所以當前像素在 self.skin_map 中的索引值為 _id - 1，以此類推，那么其左方的相鄰像素在 self.skin_map 中的索引值為 _id - 1 - 1 ，左上方為 _id - 1 - self.width - 1，上方為 _id - 1 - self.width ，右上方為 _id - 1 - self.width + 1 ：
????????????#?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-1 ????????????check_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
把id值從0編起：
????????????#?用來記錄相鄰像素中膚色像素所在的區(qū)域號，初始化為?-1 ????????????region?=?-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(huán) ????????????????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?and ????????????????????????????region?!=?None?and?region?!=?-1?and ????????????????????????????self.skin_map[index].region?!=?region?and ????????????????????????????self.last_from?!=?region?and ????????????????????????????self.last_to?!=?self.skin_map[index].region)?: ????????????????????????#?那么這添加這兩個區(qū)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(qū)域號 ????????????????????region?=?self.skin_map[index].region
self._add_merge() 這個方法接收兩個區(qū)域號，它將會把兩個區(qū)域號添加到 self.merge_regions 中的元素中，self.merge_regions 的每一個元素都是一個列表，這些列表中存放了 1 到多個的區(qū)域號，區(qū)域號代表的區(qū)域是連通的，需要合并。
檢測的圖像里，有些前幾行的像素的相鄰像素并沒有 4 個，所以需要用 try “試錯”。
然后相鄰像素的若是膚色像素，如果兩個像素的皮膚區(qū)域號都為有效值且不同，因為兩個區(qū)域中的像素相鄰，那么其實這兩個區(qū)域是連通的，說明需要合并這兩個區(qū)域。記錄下此相鄰膚色像素的區(qū)域號，之后便可以將當前像素歸到這個皮膚區(qū)域里了。
遍歷完所有相鄰像素后，分兩種情況處理：
- 所有相鄰像素都不是膚色像素：發(fā)現(xiàn)了新的皮膚區(qū)域。
- 存在區(qū)域號為有效值的相鄰膚色像素：region 的中存儲的值有用了，把當前像素歸到這個相鄰像素所在的區(qū)域。
????????????#?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(qū)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(qū)域創(chuàng)建為新區(qū)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(qū)域號為有效值的相鄰膚色像素 ????????????elif?region?!=?None: ????????????????#?將此像素的區(qū)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(qū)域的像素列表中添加此像素 ????????????????self.detected_regions[region].append(self.skin_map[_id?-?1])
somenamedtuple._replace(kwargs) 返回一個替換指定字段的值為參數(shù)的 namedtuple實例
遍歷完所有像素之后，圖片的皮膚區(qū)域劃分初步完成了，只是在變量 self.merge_regions 中還有一些連通的皮膚區(qū)域號，它們需要合并，合并之后就可以進行色情圖片判定了：
????#?完成所有區(qū)域合并任務，合并整理后的區(qū)域存儲到?self.skin_regions ????self._merge(self.detected_regions,?self.merge_regions) ????#?分析皮膚區(qū)域，得到判定結果 ????self._analyse_regions() ????return?self
方法 self._merge() 便是用來合并這些連通的皮膚區(qū)域的。方法 self._analyse_regions()，運用之前在程序原理一節(jié)定義的非色情圖像判定規(guī)則，從而得到判定結果。現(xiàn)在編寫我們還沒寫過的調用過的 Nude 類的方法。
首先是 self._classify_skin() 方法，這個方法是檢測像素顏色是否為膚色，之前在程序原理一節(jié)已經(jīng)把膚色判定該公式列舉了出來，現(xiàn)在是用的時候了：
#?基于像素的膚色檢測技術 def?_classify_skin(self,?r,?g,?b): ????#?根據(jù)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(jù)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_classifier ????return?ycbcr_classifier
顏色模式的轉換并不是本實驗的重點，轉換公式可以在網(wǎng)上找到，這里我們直接拿來用就行：
def?_to_normalized(self,?r,?g,?b): ????if?r?==?0: ????????r?=?0.0001 ????if?g?==?0: ????????g?=?0.0001 ????if?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-problems ????y?=?.299*r?+?.587*g?+?.114*b ????cb?=?128?-?0.168736*r?-?0.331364*g?+?0.5*b ????cr?=?128?+?0.5*r?-?0.418688*g?-?0.081312*b ????return?y,?cb,?cr def?_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?=?0.0001 ????if?_max?==?r: ????????if?diff?==?0: ????????????h?=?sys.maxsize ????????else: ????????????h?=?(g?-?b)?/?diff ????elif?_max?==?g: ????????h?=?2?+?((g?-?r)?/?diff) ????else: ????????h?=?4?+?((r?-?g)?/?diff) ????h?*=?60 ????if?h?<?0: ????????h?+=?360 ????return?[h,?1.0?-?(3.0?*?(_min?/?_sum)),?(1.0?/?3.0)?*?_max]
self._add_merge() 方法主要是對 self.merge_regions 操作，而self.merge_regions 的元素都是包含一些 int 對象（區(qū)域號）的列表，列表中的區(qū)域號代表的區(qū)域都是待合并的區(qū)。self._add_merge() 方法接收兩個區(qū)域號，將之添加到 self.merge_regions 中。
這兩個區(qū)域號以怎樣的形式添加，要分 3 種情況處理：
- 傳入的兩個區(qū)域號都存在于
self.merge_regions中 - 傳入的兩個區(qū)域號有一個區(qū)域號存在于
self.merge_regions中 - 傳入的兩個區(qū)域號都不存在于
self.merge_regions中
具體的處理方法，見代碼：
def?_add_merge(self,?_from,?_to): ????#?兩個區(qū)域號賦值給類屬性 ????self.last_from?=?_from ????self.last_to?=?_to ???? ????#?記錄?self.merge_regions?的某個索引值，初始化為?-1 ????from_index?=?-1 ????#?記錄?self.merge_regions?的某個索引值，初始化為?-1 ????to_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(qū)域號 ????????for?r_index?in?region: ????????????if?r_index?==?_from: ????????????????from_index?=?index ????????????if?r_index?==?_to: ????????????????to_index?=?index ????#?若兩個區(qū)域號都存在于?self.merge_regions?中 ????if?from_index?!=?-1?and?to_index?!=?-1: ????????#?如果這兩個區(qū)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(qū)域號都不存在于?self.merge_regions?中 ????if?from_index?==?-1?and?to_index?==?-1: ????????#?創(chuàng)建新的區(qū)域號列表 ????????self.merge_regions.append([_from,?_to]) ????????return ????#?若兩個區(qū)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(qū)域號 ????????#?添加到另一個區(qū)域號所在的列表 ????????self.merge_regions[from_index].append(_to) ????????return ????#?若兩個待合并的區(qū)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(qū)域號 ????????#?添加到另一個區(qū)域號所在的列表 ????????self.merge_regions[to_index].append(_from) ????????return
在序列中循環(huán)時，索引位置和對應值可以使用 enumerate() 函數(shù)同時得到，在上面的代碼中，索引位置即為 index ，對應值即為region。self._merge() 方法則是將 self.merge_regions 中的元素中的區(qū)域號所代表的區(qū)域合并，得到新的皮膚區(qū)域列表：
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(qū)域，元素索引為區(qū)域號 ????new_detected_regions?=?[] ????#?將?merge_regions?中的元素中的區(qū)域號代表的所有區(qū)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(qū)域到?new_detected_regions ????for?region?in?detected_regions: ????????if?len(region)?>?0: ????????????new_detected_regions.append(region) ????#?清理?new_detected_regions ????self._clear_regions(new_detected_regions) ????????#?添加剩下的其余皮膚區(qū)域到?new_detected_regions ????????for?region?in?detected_regions: ????????????if?len(region)?>?0: ????????????????new_detected_regions.append(region) ????????#?清理?new_detected_regions ????????self._clear_regions(new_detected_regions)
self._clear_regions() 方法只將像素數(shù)大于指定數(shù)量的皮膚區(qū)域保留到 self.skin_regions ：
#?皮膚區(qū)域清理函數(shù) #?只保存像素數(shù)大于指定數(shù)量的皮膚區(qū)域 def?_clear_regions(self,?detected_regions): ????for?region?in?detected_regions: ????????if?len(region)?>?30: ????????????self.skin_regions.append(region)
self._analyse_regions() 是很簡單的，它的工作只是進行一系列判斷，得出圖片是否色情的結論：
#?分析區(qū)域
def?_analyse_regions(self):
????#?如果皮膚區(qū)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?=?False
????????return?self.result
????#?為皮膚區(qū)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(shù)
????total_skin?=?float(sum([len(skin_region)?for?skin_region?in?self.skin_regions]))
????#?如果皮膚區(qū)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?=?False
????????return?self.result
????#?如果最大皮膚區(qū)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?=?False
????????return?self.result
????#?皮膚區(qū)域數(shù)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?=?False
????????return?self.result
????#?其它情況為色情圖片
????self.message?=?"Nude!!"
????self.result?=?True
????return?self.result
然后可以組織下分析得出的信息：
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)
Nude 類如果就這樣完成了，最后運行腳本時只能得到一些真或假的結果，我們需要更直觀的感受程序的分析效果，我們可以生成一張原圖的副本，不過這個副本圖片中只有黑白色，白色代表皮膚區(qū)域，那么這樣我們能直觀感受到程序分析的效果了。
前面的代碼中我們有獲得圖像的像素的 RGB 值的操作，設置像素的 RGB 值也就是其逆操作，還是很簡單的，不過注意設置像素的 RGB 值時不能在原圖上操作：
#?將在源文件目錄生成圖片文件，將皮膚區(qū)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(shù)據(jù)
????simageData?=?simage.load()
????#?將皮膚像素的?id?存入?skinIdSet
????for?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,?0
????????else:
????????????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))
變量 skinIdSet 使用集合而不是列表是有性能上的考量的，Python 中的集合是哈希表實現(xiàn)的，查詢效率很高。最后支持一下命令行參數(shù)就大功告成啦！我們使用 argparse 這個模塊來實現(xiàn)命令行的支持。argparse 模塊使得編寫用戶友好的命令行接口非常容易。程序只需定義好它要求的參數(shù)，然后 argparse 將負責如何從 sys.argv 中解析出這些參數(shù)。argparse 模塊還會自動生成幫助和使用信息并且當用戶賦給程序非法的參數(shù)時產(chǎn)生錯誤信息。
具體使用方法請查看argparse的 官方文檔
if?__name__?==?"__main__":
????import?argparse
????parser?=?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")
測試效果
先來一張很正經(jīng)的測試圖片：
在PyCharm中的終端運行下面的命令執(zhí)行腳本，注意是python3而不是python：
python3?nude.py?-v?1.jpg?
運行截圖：
這表示1.jpg不是一張色情圖片
總結
這個項目就是熟悉了一下PIL的使用，了解了色情圖片檢查的原理。主要實現(xiàn)難點是在皮膚區(qū)域的檢測與整合這一方面。項目還有許多可以改進的地方，比如膚色檢測公式，色情判定條件，還有性能問題，我得去學習一下用多線程或多進程提高性能。
以上就是基于Python編寫一個圖片識別系統(tǒng)的詳細內容，更多關于Python圖片識別系統(tǒng)的資料請關注腳本之家其它相關文章！
相關文章
這篇文章主要介紹了pandas讀取excel時獲取讀取進度的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-04-04
不過下面可是我們開發(fā)產(chǎn)品初期的一些血淋淋的案例，更多的安全威脅可以看看北北同學的《python hack》PPT，里面提及了不只命令執(zhí)行的威脅，那些都是我們親身經(jīng)歷的代碼2013-02-02
這篇文章主要介紹了Python matplotlib繪圖建立畫布及坐標系，建立畫布 figsize,它用width和height來控制畫布的寬和高，下面來一起倆姐更多內容吧2021-12-12
利用python將json數(shù)據(jù)轉換為csv格式的方法
下面小編就為大家分享一篇利用python將json數(shù)據(jù)轉換為csv格式的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-03-03
下面小編就為大家分享一篇Python 查找字符在字符串中的位置實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
這篇文章主要介紹了Python爬蟲爬取百度搜索內容代碼實例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-06-06
在處理數(shù)據(jù)的時候,很多時候會遇到批量替換的情況,如果一個一個去修改效率過低,也容易出錯,replace()是很好的方法,下面這篇文章主要給大家介紹了關于Python?pandas.replace用法的相關資料,需要的朋友可以參考下2022-06-06
使用python BeautifulSoup庫抓取58手機維修信息
這篇文章主要介紹了一個使用python抓取58手機的精準商家信息，使用BeautifulSoup API的方法2013-11-11
本篇文章主要介紹了python實現(xiàn)下載文件的三種方法，最常用的方法就是通過Http利用urllib或者urllib2模塊還有requests，有興趣的可以了解一下。2017-02-02
本文給大家分享的是PyCharm開發(fā)工具的快捷鍵大全整理,非常詳細,適合使用PyCharm作為開發(fā)工具的開發(fā)人員參考使用,能夠幫助提高開發(fā)效率和速度2020-02-02