10 行代码判定色*情*图片——Python 也可以系列之二

作者：赖勇浩（http://blog.csdn.net/lanphaday）

致编辑：我已经给图片打上马赛克了，别再删除了啊，我这是纯技术贴！

声明：本文因科学研究需要，包含部分色*情*图片，不可作为传播色*情*信息的证据。

今天先是在 CSDN 看到《大学生发明依据皮肤比例过滤色*情*图片软件》（http://news.csdn.net/n/20081028/120298.html），后来发现这条新闻竟然已经上了网易新闻频道了（http://news.163.com/08/1028/05/4PAORMQB00011229.html），着实令人吃惊。

来自网易新闻的图片

根据作者的话说：“这个软件的原理在于通过计算面部、四肢图像区域，与整个肤色区域的面积比例和具体的分布，来判断网站中是否含有色*情*图片。”我估计他用的就是普通的肤色模型对图片的像素进行检测和统计，最多加上一些色块的分布、形状等数据进行一些条件过滤。于是我就写了段代码来分析图像，把图像中非肤色的像素去除，效果如下（声明：程序计算的数据是根据未打马赛克的图片计算的，因为保持 CSDN 博客的需要，故打上马赛克再发表）：

x

相应的图片处理后的结果是：

可见简单的肤色模型已经能够工作得很好。

接下来就可以写统计肤色像素的代码了，很短，只有 10 行，充实体现了 Python 语言的强大，以及李济民同学的研究并不深入：

下面简单讲解一下代码：

1） Image 是 PIL 库，我曾经写过一篇《用Python做图像处理》（http://blog.csdn.net/lanphaday/archive/2007/10/28/1852726.aspx），基本用法可以参考此文。

2） img = Image.open(fn).convert('YCbCr')，这一行打开从命令行传入的文件名，然后转换到 YCbCr 色彩空间，关于 YCbCr 的理论知识，可以参考http://baike.baidu.com/view/564370.htm。

3） data = img.getdata()，这一句是为了方便快速操作像素而获取图像数据

4） if 86 <= cb <= 117 and 140 <= cr <= 168:，这一句最为重要，是本文的精髓所在。根据 YCbCr 肤色模型，许多论文推荐用 86 <= cb <= 127，130 <= cr < 168，但经实验，这个数值并不好，所以我把 cb 的上限改为 117，cr 的下限改为 140，过滤掉太白和太黑的部分。

最后本程序的执行结果是这样的：

其中 114.jpeg 就是上例中的第三幅图片。

综上所述，重庆邮电大学的大四学生李济民，只不过是利用了一个非常成熟的理论（肤色检测是人脸识别等计算机视觉学科的基础知识），写了一点点代码（也许他用 C++ 写的代码比我用 python 写的多一些，但最多也就多三两百行），并没有实质性的科研突破，产品也不够成熟（按他的话就是比*基*尼美女都识别不了），记者和网站对他进行宣传，实为捧杀。

另，许多 CSDN 的网友对他用的“嵌入浏览器内，很难删除”的说法很好奇，在这里顺便提一下李同学应该是用 Browser Helper Object，又称 BHO 技术来完成这件事的，这是一个很简单的技术，查查 MSDN，用 VC/VB/C# 都能很方便地写出来，当然，也可以很方便地删除。哈哈。