Java区别区别黑白照片和彩色 java识别图片颜色

转载

mob64ca1400133b 2024-03-08 21:53:23

文章标签 Java区别区别黑白照片和彩色人工智能 java i++ Image 文章分类 Java 后端开发

OSCHINA上看到各种语言的抓妹子图的程序段，拿来跑一跑，都是爬虫的机制，而地址一般都是固定的，格式固定，才能抓到想要的图，这显示不够智能，于是把作者的代码改掉，变成了个下载图片的爬虫。然后问题就来了，大量的图片，不是我想要的，就这想到了图像识别，目前主要的分支有，找相似图，人脸识别，鉴黄等。

今天要说说肤色提取，大概就暴露了，我要选什么分支了，不多说，不多说 >_<!

肤色提取

开始使用了CSDN上某大神写的一段JAVA代码（用于检测黄色图片），使用了YUV色彩空间。效果还是很不错的。

/**
  * flesh
  * 
  * @param c
  * @return
  */
 public static boolean isFlesh(final Color c) {
  if ((c.getRed() > 230) && (c.getGreen() > 170) && (c.getBlue() > 190)) {
   return false;
  }
  LDialyzer yuv = LDialyzer.getYuv(c.getRed(), c.getGreen(), c.getBlue());
  return ((c.getRed() > 40) && (c.getGreen() > 40) && (yuv.y + 16 > 145)
    && (yuv.v + 128 < 173) && (yuv.v + 128 > 133)
    && (yuv.u + 128 < 127) && (yuv.u + 128 > 77));
 }
/**
  * flesh
  * 
  * @param c
  * @return
  */
 public static boolean isFlesh(final Color c) {
  if ((c.getRed() > 230) && (c.getGreen() > 170) && (c.getBlue() > 190)) {
   return false;
  }
  LDialyzer yuv = LDialyzer.getYuv(c.getRed(), c.getGreen(), c.getBlue());
  return ((c.getRed() > 40) && (c.getGreen() > 40) && (yuv.y + 16 > 145)
    && (yuv.v + 128 < 173) && (yuv.v + 128 > 133)
    && (yuv.u + 128 < 127) && (yuv.u + 128 > 77));
 }

但是这段代码，上半部分的依据RGB范围直接PASS掉一部分，这确定是有点果断的，仔细观察RGB色彩空间，会发现还是有一部分的偏黄色被排除了。于是考虑使用HSV色彩空间。

HSV六棱锥

　　H参数表示色彩信息，即所处的光谱颜色的位置。该参数用一角度量来表示，红、绿、蓝分别相隔120度。互补色分别相差180度。

　　纯度S为一比例值，范围从0到1，它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度。

　　V表示色彩的明亮程度，范围从0到1。有一点要注意：它和光强度之间并没有直接的联系。

RGB转化到HSV的算法

max=max(R,G,B)
  min=min(R,G,B)
  if R = max, H = (G-B)/(max-min)
  if G = max, H = 2 + (B-R)/(max-min)
  if B = max, H = 4 + (R-G)/(max-min)
  H = H * 60
  if H < 0, H = H + 360
  V=max(R,G,B)
  S=(max-min)/max
HSV转化到RGB的算法
  if s = 0
    R=G=B=V
  else
    H /= 60;
    i = INTEGER(H)
    f = H - i
    a = V * ( 1 - s )
    b = V * ( 1 - s * f )
    c = V * ( 1 - s * (1 - f ) )
    switch(i)
      case 0: R = V; G = c; B = a;
      case 1: R = b; G = v; B = a;
      case 2: R = a; G = v; B = c;
      case 3: R = a; G = b; B = v;
      case 4: R = c; G = a; B = v;
      case 5: R = v; G = a; B = b;

由算法，写JAVA实现

public static HSV RGB2HSV(RGB rgb){
  float r = (float)rgb.getR()/255;
  float g = (float)rgb.getG()/255;
  float b = (float)rgb.getB()/255;
  float max = max(r, g, b);
  float min = min(r, g, b);
  float h = 0;
  if(r==max)
   h = (g-b)/(max-min);
  if(g==max)
   h = 2+(b-r)/(max-min);
  if(b==max)
   h= 4+(r-g)/(max-min);
  h *=60;
  if(h<0) h +=360;
  HSV hsv = new HSV(h,(max-min)/max,max);
  return hsv;
 }
public static HSV RGB2HSV(RGB rgb){
  float r = (float)rgb.getR()/255;
  float g = (float)rgb.getG()/255;
  float b = (float)rgb.getB()/255;
  float max = max(r, g, b);
  float min = min(r, g, b);
  float h = 0;
  if(r==max)
   h = (g-b)/(max-min);
  if(g==max)
   h = 2+(b-r)/(max-min);
  if(b==max)
   h= 4+(r-g)/(max-min);
  h *=60;
  if(h<0) h +=360;
  HSV hsv = new HSV(h,(max-min)/max,max);
  return hsv;
 }

对于肤色识别饱和度（S）和亮度（V）就无关紧要了，这样只需得到一个色调（H）的取值范围。

从网上找了找H的取值范围，大概在25~50，为了近一步确定这个数值，做了如下实验。

先扣了一些美女图，只要肉，尽量选择有差异的。

Java区别区别黑白照片和彩色 java识别图片颜色_i++

JAVA实现统计

public static int[] vessel = new int[360];
 public static int[] vesselIndex = new int[360];
 
 public static void main(String[] args) throws IOException {
  File file = new File("D:\\培养材料");
 
  File[] listFiles = file.listFiles();
  ArrayList<HSV> list = new ArrayList<HSV>();
  for (int i = 0; i < listFiles.length; i++) {
   transition(listFiles[i]);
  }
 
  for (int i = 0; i < vesselIndex.length; i++) {
   vesselIndex[i] = i;
  }
  for (int i = 0; i < vessel.length; i++) {
   for (int j = i+1; j < vessel.length; j++) {
    if(vessel[i]<vessel[j]){
     int temp = vessel[i];
     vessel[i] = vessel[j];
     vessel[j] = temp;
     int tempIndex = vesselIndex[i];
     vesselIndex[i] = vesselIndex[j];
     vesselIndex[j] = tempIndex;
    }
   }
  }
  for (int i = 0; i < vesselIndex.length; i++) {
   System.out.println("H="+vesselIndex[i]+",count:"+vessel[i]);
  }
 }
 
 private static ArrayList<HSV> transition(File file) throws IOException{
  System.out.println(file.getName());
  BufferedImage img = ImageIO.read(file);
  ArrayList<HSV> list = new ArrayList<HSV>();
  for (int j = 0; j <img.getWidth(); j++) {
   for (int j2 = 0; j2 < img.getHeight(); j2++) {
    int binaryColor = img.getRGB(j, j2);
    if(binaryColor==16777215) continue;
    Color c = new Color(binaryColor);
    RGB rgb = new RGB(c.getRed(), c.getGreen(), c.getBlue());
    HSV hsv = ColorUtils.RGB2HSV(rgb);
    if(!"NaN".equals(String.valueOf(hsv.getH())))
     vessel[(int)hsv.getH()]++;
    list.add(hsv);
    System.out.println(hsv);
   }
   
  }
  return list;
 }
public static int[] vessel = new int[360];
 public static int[] vesselIndex = new int[360];
 
 public static void main(String[] args) throws IOException {
  File file = new File("D:\\培养材料");
 
  File[] listFiles = file.listFiles();
  ArrayList<HSV> list = new ArrayList<HSV>();
  for (int i = 0; i < listFiles.length; i++) {
   transition(listFiles[i]);
  }
 
  for (int i = 0; i < vesselIndex.length; i++) {
   vesselIndex[i] = i;
  }
  for (int i = 0; i < vessel.length; i++) {
   for (int j = i+1; j < vessel.length; j++) {
    if(vessel[i]<vessel[j]){
     int temp = vessel[i];
     vessel[i] = vessel[j];
     vessel[j] = temp;
     int tempIndex = vesselIndex[i];
     vesselIndex[i] = vesselIndex[j];
     vesselIndex[j] = tempIndex;
    }
   }
  }
  for (int i = 0; i < vesselIndex.length; i++) {
   System.out.println("H="+vesselIndex[i]+",count:"+vessel[i]);
  }
 }
 
 private static ArrayList<HSV> transition(File file) throws IOException{
  System.out.println(file.getName());
  BufferedImage img = ImageIO.read(file);
  ArrayList<HSV> list = new ArrayList<HSV>();
  for (int j = 0; j <img.getWidth(); j++) {
   for (int j2 = 0; j2 < img.getHeight(); j2++) {
    int binaryColor = img.getRGB(j, j2);
    if(binaryColor==16777215) continue;
    Color c = new Color(binaryColor);
    RGB rgb = new RGB(c.getRed(), c.getGreen(), c.getBlue());
    HSV hsv = ColorUtils.RGB2HSV(rgb);
    if(!"NaN".equals(String.valueOf(hsv.getH())))
     vessel[(int)hsv.getH()]++;
    list.add(hsv);
    System.out.println(hsv);
   }
   
  }
  return list;
 }

结果：（略掉count=0）

H=15,count:31071
H=18,count:26936
H=16,count:24615
H=13,count:24031
H=17,count:21968
H=12,count:21211
H=30,count:19438
H=38,count:16740
H=14,count:16470
H=33,count:16404
H=32,count:16217
H=28,count:15231
H=35,count:14929
H=20,count:14714
H=31,count:14353
H=36,count:13654
H=29,count:13515
H=21,count:13311
H=34,count:13133
H=19,count:12595
H=26,count:11921
H=10,count:11062
H=37,count:10669
H=11,count:10422
H=27,count:9726
H=22,count:9010
H=25,count:8629
H=24,count:8548
H=40,count:8375
H=23,count:8240
H=39,count:7295
H=41,count:4262
H=43,count:3365
H=0,count:3229
H=9,count:2628
H=60,count:1983
H=42,count:1469
H=8,count:1453
H=7,count:927
H=44,count:862
H=45,count:742
H=180,count:515
H=51,count:354
H=48,count:263
H=240,count:221
H=330,count:210
H=6,count:198
H=47,count:168
H=50,count:147
H=56,count:137
H=5,count:134
H=63,count:125
H=52,count:116
H=46,count:90
H=69,count:69
H=220,count:59
H=76,count:57
H=70,count:50
H=77,count:44
H=4,count:41
H=64,count:36
H=184,count:32
H=75,count:32
H=72,count:30
H=49,count:29
H=354,count:27
H=353,count:26
H=280,count:25
H=2,count:25
H=150,count:24
H=120,count:23
H=68,count:23
H=352,count:19
H=350,count:17
H=3,count:16
H=55,count:15
H=54,count:14
H=90,count:13
H=65,count:12
H=79,count:11
H=357,count:11
H=210,count:10
H=351,count:10
H=251,count:10
H=74,count:9
H=356,count:9
H=53,count:9
H=190,count:8
H=67,count:8
H=300,count:8
H=73,count:8
H=348,count:8
H=57,count:8
H=185,count:7
H=345,count:7
H=83,count:7
H=78,count:7
H=66,count:7
H=355,count:6
H=188,count:6
H=228,count:6
H=100,count:5
H=340,count:5
H=336,count:4
H=85,count:4
H=84,count:4
H=171,count:3
H=186,count:3
H=173,count:3
H=140,count:3
H=195,count:3
H=349,count:3
H=105,count:3
H=108,count:2
H=174,count:2
H=96,count:2
H=182,count:2
H=183,count:2
H=82,count:2
H=95,count:2
H=165,count:2
H=170,count:2
H=189,count:2
H=106,count:2
H=358,count:2
H=260,count:1
H=264,count:1
H=94,count:1
H=144,count:1
H=88,count:1
H=1,count:1
H=166,count:1
H=342,count:1
H=187,count:1
H=168,count:1
H=110,count:1
H=114,count:1
H=192,count:1
H=172,count:1
H=92,count:1
H=128,count:1
H=175,count:1
H=176,count:1
H=249,count:1
H=135,count:1
分析数据，H的范围大概在9~43之间
验证以上分析
public static void main(String[] args) throws IOException {
  BufferedImage dst = new BufferedImage(100, 360 * 5,
    BufferedImage.TYPE_INT_RGB);
  for (int i = 0; i < 100; i++) {
   //for (int j = 0; j < 360 * 5; j++) {
   for (int j = 0; j < 50 * 5; j++) {
    dst.setRGB(i, j, ColorUtils.RGB2Binary(ColorUtils.HSV2RGB(new HSV(j/5, 1, 1))));
   }
  }
  ImageIO.write(dst, "jpg", new File("D:\\hsv1.jpg"));
 }

结果（略掉未绘制部分）

Java区别区别黑白照片和彩色 java识别图片颜色_i++_02

H范围[0，50)，很显示以上数据，上下可以再切掉10%~30%。这是当S,V都等于1时的图像，尝试修改S和V的值，范围在[0，1]，就可以匹配到因光线等问题，造成的较亮或较暗的图像。而在做肤色匹配时，不考虑S和V，使准确性提高。

判断鲜肉

public static boolean isFlesh2(Color c){
  RGB rgb = new RGB(c.getRed(),c.getGreen(),c.getBlue());
  HSV hsv = ColorUtils.RGB2HSV(rgb);
  if(hsv.getH()>9&&hsv.getH()<43){
   return true;
  }
  return false;
 }

本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。