python好玩的项目—色情图片识别代码分享(python做好玩的东西)

推荐整理分享python好玩的项目—色情图片识别代码分享(python做好玩的东西)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:python写的好玩的程序,python 好玩,好玩的python开源项目,python可做的项目,好玩儿的python程序,好玩儿的python程序,python 好玩,python写的好玩的程序,内容如对您有帮助，希望把文章链接给更多的朋友！

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 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

首先我们需要处理一个问题：当前实验楼的环境中 python3 命令使用的 python 版本为 3.5，但源中却没有 python3.5-dev，这会导致安装 Pillow 出错。所以我们必须将 python3 命令使用的 python 版本切换为 3.4，然后再安装 python3-dev 和 python3-setuptools。

然后安装 Pillow 依赖包

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

最后安装 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

遍历每个像素，检测像素颜色是否为肤色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）：

皮肤区域的个数小于 3 个皮肤区域的像素与图像所有像素的比值小于 %最大皮肤区域小于总皮肤面积的 %皮肤区域数量超过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 % 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 > and g > and g < and b > and max([r, g, b]) - min([r, g, b]) > and abs(r - g) > 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. and r * b / (r + g + b) ** 2 > 0. and r * g / (r + g + b) ** 2 > 0.

HSV 颜色模式

h > 0 and h < and s > 0. and s < 0.

YCbCr 颜色模式

.5 <= cb <= .5 and <= cr <=

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

接下来实现细节部分

2.3. 实现脚本

导入所需要的模块

我们将设计一个 Nude 类:

这个类里面我们首先使用 collections.namedtuple() 定义一个 Skin 类型

collections.namedtuple() 函数实际上是一个返回Python中标准元组类型子类的一个工厂方法。 你需要传递一个类型名和你需要的字段给它，然后它就会返回一个类，你可以初始化这个类，为你定义的字段传递值等。 详情参见官方文档。

然后定义 Nude 类的初始化方法

本实验代码中使用到的模块中的函数均可以在其模块的文档中找到，一定要培养查阅文档的习惯

isinstane(object, classinfo) 如果参数 object 是参数 classinfo 的实例，返回真，否则假；参数 classinfo可以是一个包含若干 type 对象的元祖，如果参数 object 是其中任意一个类型的实例，返回真，否则假涉及到效率问题，越大的图片所需要消耗的资源与时间越大，因此有时候可能需要对图片进行缩小

所以需要有图片缩小方法

Image.resize(size, resample=0)

size ? 包含宽高像素数的元祖 (width, height) resample ? 可选的重采样滤波器

返回 Image 对象

然后便是最关键之一的解析方法了

接着，遍历每个像素，为每个像素创建对应的 Skin 对象，代码见下

其中 self._classify_skin() 这个方法是检测像素颜色是否为肤色

若当前像素并不是肤色，那么跳过本次循环，继续遍历

若当前像素是肤色像素，那么就需要处理了，先遍历其相邻像素

一定要注意相邻像素的索引值，因为像素的 id 值是从 1 开始编起的，而索引是从 0 编起的。变量 _id 是存有当前像素的id 值， 所以当前像素在 self.skin_map 中的索引值为 _id - 1，以此类推，那么其左方的相邻像素在 self.skin_map 中的索引值为 _id - 1 - 1 ，左上方为 _id - 1 - self.width - 1，上方为 _id - 1 - self.width ，右上方为 _id - 1 - self.width + 1

说起来复杂，其实看上面代码并不复杂，说这么多是怕同学搞混，你要是觉得有点绕的话，你也可以把 id 值从 0 编起

self._add_merge() 这个方法接收两个区域号，它将会把两个区域号添加到 self.merge_regions 中的元素中，self.merge_regions 的每一个元素都是一个列表，这些列表中存放了 1 到多个的区域号，区域号代表的区域是连通的，需要合并

检测的图像里，有些前几行的像素的相邻像素并没有 4 个，所以需要用 try “试错”

然后相邻像素的若是肤色像素，如果两个像素的皮肤区域号都为有效值且不同，因为两个区域中的像素相邻，那么其实这两个区域是连通的，说明需要合并这两个区域。记录下此相邻肤色像素的区域号，之后便可以将当前像素归到这个皮肤区域里了。

遍历完所有相邻像素后，分两种情况处理

所有相邻像素都不是肤色像素：发现了新的皮肤区域存在区域号为有效值的相邻肤色像素：region 的中存储的值有用了，把当前像素归到这个相邻像素所在的区域

somenamedtuple._replace(kwargs) 返回一个替换指定字段的值为参数的 namedtuple 实例

遍历完所有像素之后，图片的皮肤区域划分初步完成了，只是在变量 self.merge_regions 中还有一些连通的皮肤区域号，它们需要合并，合并之后就可以进行色情图片判定了

方法 self._merge() 便是用来合并这些连通的皮肤区域的

方法 self._analyse_regions()，运用之前在程序原理一节定义的非色情图像判定规则，从而得到判定结果

现在编写我们还没写过的调用过的 Nude 类的方法

首先是 self._classify_skin() 方法，这个方法是检测像素颜色是否为肤色，之前在程序原理一节已经把肤色判定该公式列举了出来，现在是用的时候了

颜色模式的转换并不是本实验的重点，转换公式可以在网上找到，这里我们直接拿来用就行

self._add_merge() 方法主要是对 self.merge_regions 操作，而self.merge_regions 的元素都是包含一些 int 对象（区域号）的列表，列表中的区域号代表的区域都是待合并的区域

self._add_merge() 方法接收两个区域号，将之添加到 self.merge_regions 中

这两个区域号以怎样的形式添加，要分3种情况处理，

传入的两个区域号都存在于 self.merge_regions 中传入的两个区域号有一个区域号存在于 self.merge_regions 中传入的两个区域号都不存在于 self.merge_regions 中具体的处理方法，见代码

在序列中循环时，索引位置和对应值可以使用 enumerate() 函数同时得到，在上面的代码中，索引位置即为 index ，对应值即为region

self._merge() 方法则是将 self.merge_regions 中的元素中的区域号所代表的区域合并，得到新的皮肤区域列表

self._clear_regions() 方法只将像素数大于指定数量的皮肤区域保留到 self.skin_regions

self._analyse_regions() 是很简单的，它的工作只是进行一系列判断，得出图片是否色情的结论

然后可以组织下分析得出的信息

Nude 类如果就这样完成了，最后运行脚本时只能得到一些真或假的结果，我们需要更直观的感受程序的分析效果，我们可以生成一张原图的副本，不过这个副本图片中只有黑白色，白色代表皮肤区域，那么这样我们能直观感受到程序分析的效果了

前面的代码中我们有获得图像的像素的 RGB 值的操作，设置像素的 RGB 值也就是其逆操作，还是很简单的，不过注意设置像素的 RGB 值时不能在原图上操作

变量 skinIdSet 使用集合而不是列表是有性能上的考量的，Python 中的集合是哈希表实现的，查询效率很高

最后支持一下命令行参数就大功告成啦！我们使用 argparse 这个模块来实现命令行的支持。argparse 模块使得编写用户友好的命令行接口非常容易。程序只需定义好它要求的参数，然后 argparse 将负责如何从 sys.argv 中解析出这些参数。argparse 模块还会自动生成帮助和使用信息并且当用户赋给程序非法的参数时产生错误信息

具体使用方法请查看argparse的 官方文档，这里就不多说了

2.4. 测试效果

使用 wget 把这两个测试用图片下载下来

假设你的脚本名为 nude.py，运行下面的命令执行脚本，注意是 python3 而不是python

现在你可以等待程序结果，结果出来后，你还可以查看 -v 选项生成的效果展示图片

三、实验总结

本次实验熟悉了下 PIL 的使用，了解了色情图片检测的原理，整个实验难点是在皮肤区域的检测与整合这一方面，这方面不是很清楚的同学多多阅读思考，如果有什么疑问或者建议的话可以留言，实验楼会尽力解答你的问题，建议写下实验报告，将自己的思考过程记录下来是很有好处的

本实验还有许多可以改进的地方，比如肤色检测的公式，色情判定条件，还有性能问题，同学可以自己尝试改进，比如性能问题可以尝试多线程或多进程

四、完整代码

代码也可以下载下来

代码：

总结