Image processing 图像中给定像素的皮肤概率_Image Processing_Computer Vision

Image processing 图像中给定像素的皮肤概率

image-processing computer-vision

Image processing 图像中给定像素的皮肤概率,image-processing,computer-vision,Image Processing,Computer Vision,给定一幅图像的所有像素的RGB值，我们如何才能找到给定像素是肤色的概率以及图像中肤色的百分比。在谷歌上闲逛告诉我，白种人的肤色通常，或者通常，或者有时符合以下规则： Blue channel: 140-180 Green channel: Blue * 1.15 Red channel: Blue * 1.5 因此，考虑到这一点，我使用以下命令行制作了一些与ImageMagick对应的色样： #!/bin/bash for b in $(seq 140 5 180); do g=$(

给定一幅图像的所有像素的RGB值，我们如何才能找到给定像素是肤色的概率以及图像中肤色的百分比。

在谷歌上闲逛告诉我，白种人的肤色通常，或者通常，或者有时符合以下规则：

Blue channel:  140-180
Green channel: Blue * 1.15
Red channel:   Blue * 1.5

因此，考虑到这一点，我使用以下命令行制作了一些与ImageMagick对应的色样：

#!/bin/bash
for b in $(seq 140 5 180); do
  g=$(echo "$b * 1.15/1" | bc)
  r=$(echo "$b * 1.5/1"  | bc)
  convert -label "R:$r,G:$g,B:$b" -size 200x200 xc:"rgb($r,$g,$b)" miff:-
done | montage - -frame 5 -tile 3x swatches.png

得到这个：

好的，这些看起来有点合理，现在我试着用它们来检测肤色，同样是用ImageMagick。现在，只要你能看到，我会把我所发现的石灰绿色的颜色涂成肤色，用它正好在色调范围的中间：

convert -fuzz 5% face1.jpg -fill lime -opaque "rgb(240,184,160)" out.jpg

嗯，不太好。也许会增加模糊性

嗯，还是很垃圾——只捡了一部分皮肤和一些白衬衫领子。也许是不同的面孔

好的，检测他的能力还不错，虽然注意到它完全无法检测到他的右脸，但是我们从粉色凯迪拉克上可以看出，仍然存在一些问题：

还有下面的小猪小姐

也许我们可以在搜索中更具针对性，虽然我不能用3D绘制它，但我可以用2-D来解释，而不是在我们的范围内瞄准一个大的圆（实际上是三维空间中的球体），也许我们可以瞄准一些沿着我们的范围传播的小圆圈，从而包括更少的外来颜色……洋红色代表模糊的程度。与其说是这样，不如说：

我们可以这样做：

使用此命令：

convert -fuzz 13% face1.jpg -fill lime \
   -opaque "rgb(219,168,146)"          \
   -opaque "rgb(219,168,146)"          \
   -opaque "rgb(255,198,172)" out.jpg

所以，你可以看到，仅仅使用RGB值很难找到肤色，我甚至还没有开始解决不同种族、不同照明等问题

另一种方法可能是使用不同的颜色空间，如HSL-色调饱和度和亮度。我们对明度不太感兴趣，因为这只是曝光的一个函数，所以我们寻找与皮肤颜色相匹配的色调，以及一定程度的饱和度，以避免褪色。您可以使用ImageMagick这样做：

#!/bin/bash
convert face1.jpg -colorspace hsl -separate          \
   \( -clone 0 -threshold 7% -negate +write h.png \) \
   \( -clone 1 -threshold 30% +write s.png        \) \
   -delete 0-2 -evaluate-sequence min out.png

就是这么说的。。。获取图像

face1.jpg

并将其转换为HSL颜色空间，然后分离各层，因此我们现在在堆栈中有3个图像<代码>图像0是色调，

图像1

是饱和度，

图像2

是亮度。下一行。将色调层设置为7%的阈值，即粉红色，将其反转并保存为

h.png

。下一行。取饱和度层，说“任何超过30%的饱和度对我来说都足够好”，然后另存为文件

s.png

。下一行。从原始图像中删除3个原始层（HS&L），只保留阈值色调和阈值饱和度层。现在把这些放在彼此的上面，选择最小值并保存。关键是色调或饱和度层可用于选哪个像素

以下是文件，首先是色调（

h.png

）：

接下来是饱和度（

s.png

）：

现在是组合输出文件

一旦你把决定哪些像素是皮肤颜色的算法整理好，你就需要对它们进行计数，以计算出你想要的百分比。这很简单。。。我们所要做的就是将所有不是石灰绿的东西都更改为黑色（因此在平均值中它为零），然后将图像调整为单个像素，并将其颜色作为文本：

convert -fuzz 13% face1.jpg -fill lime      \
    -opaque "rgb(219,168,146)"              \
    -opaque "rgb(219,168,146)"              \
    -opaque "rgb(255,198,172)"              \
    -fill black +opaque lime -resize 1x1! txt:

# ImageMagick pixel enumeration: 1,1,255,srgb
0,0: (0,92,0)  #005C00  srgb(0,92,0)

我们可以看到，毫不奇怪，没有红色和蓝色，绿色像素的平均颜色为92/255，因此36%的像素符合我们对肤色的描述

如果你想变得更复杂，你可能需要观察形状、纹理和上下文，或者训练一个皮肤分类器，在OpenCV或类似的东西中写一大堆东西……

在谷歌上闲逛告诉我，白种人的肤色通常，或者可能是一般的，或者有时可能符合以下规则：

Blue channel:  140-180
Green channel: Blue * 1.15
Red channel:   Blue * 1.5