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。
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：
相关链接：
https://blog.csdn.net/qq_22527639/article/details/815015652004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 cv2import numpy as npfrom matplotlib import pyplot as plt
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 imgSkin = 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!'
参考链接：
https://blog.csdn.net/shadow_guo/article/details/43635181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。
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 index=i return index+1
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))
输出的结果如下图所示：
也就是说，“黑古”比“白古”整整黑了5个度，虽然文摘菌认为结果可能还有偏差，因为12是比色表的最高值，“黑古”很可能已经爆表了。
也许当你拍下自己军训后的照片，用文摘菌的代码和自己一个月前的自拍对比了一下，然后留下了伤心的眼泪。
文摘菌想告诉你：你不是一个人在战斗！
今年参加军训的大学新生有数百万，短则5天，长则一个月的军训，风吹日晒，大家的皮肤变黑在所难免，然而，就算是1个月的军训，也并不能真正掌握多少军事技能，其实重要的还是原本初次见面还陌生的同班同学，通过军训开始熟络起来；原本还陌生的校园，也齐步走了几个来回。
可以说，军训是大学的预科班，结束了军训，就正式开始了大学生活。
文摘菌本着行业内人士的身份，自然要对那些报读计算机相关专业的新生们说一句：军训结束，你们写代码的日子就要开始了！
也许在某个深夜，当你停下敲击键盘的双手，抚摸着额前稀疏的头发，你可能会意识到，原来军训并不是大学最痛苦的时候。
最后，需要完整代码的同学请在后台回复“军训”，也许当你某一门课需要交个小作业的时候，文摘菌只能帮你到这了！
数字经济人才专场研讨会
实习/全职编辑记者招聘ing
加入我们，亲身体验一家专业科技媒体采写的每个细节，在最有前景的行业，和一群遍布全球最优秀的人一起成长。坐标北京·清华东门，在大数据文摘主页对话页回复“招聘”了解详情。简历请直接发送至zz@bigdatadigest.cn
