（已加馬賽克）10 行代碼判定色*情*圖片——Python 也可以系列之二

10 行代碼判定色*情*圖片——Python 也可以系列之二

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

致編輯：我已經給圖片打上馬賽克了，別再刪除了啊，我這是純技術貼！

聲明：本文因科學研究需要，包含部分色*情*圖片，不可作為傳播色*情*資訊的證據。

今天先是在 CSDN 看到《大學生髮明依據皮膚比例過濾色*情*圖片軟體》（http://news.csdn.net/n/20081028/120298.html），後來發現這條新聞竟然已經上了網易新聞頻道了（http://news.163.com/08/1028/05/4PAORMQB00011229.html），著實令人吃驚。

 

 

來自網易新聞的圖片

根據作者的話說：“這個軟體的原理在於通過計算面部、四肢映像地區，與整個膚色地區的面積比例和具體的分布，來判斷網站中是否含有色*情*圖片。”我估計他用的就是普通的膚色模型對圖片的像素進行檢測和統計，最多加上一些色塊的分布、形狀等資料進行一些條件過濾。於是我就寫了段代碼來分析映像，把映像中非膚色的像素去除，效果如下（聲明：程式計算的資料是根據未打馬賽克的圖片計算的，因為保持 CSDN 部落格的需要，故打上馬賽克再發表）：

x

相應的圖片處理後的結果是：

可見簡單的膚色模型已經能夠工作得很好。

接下來就可以寫統計膚色像素的代碼了，很短，只有 10 行，充實體現了 Python 語言的強大，以及李濟民同學的研究並不深入：

import sys, Imageimg = Image.open(sys.argv[1]).convert('YCbCr')w, h = img.sizedata = img.getdata()cnt = 0for i, ycbcr in enumerate(data):    y, cb, cr = ycbcr    if 86 <= cb <= 117 and 140 <= cr <= 168:        cnt += 1print '%s %s a porn image.'%(sys.argv[1], 'is' if cnt > w * h * 0.3 else 'is not')

下面簡單講解一下代碼：

1） Image 是 PIL 庫，我曾經寫過一篇《用Python做影像處理》（http://blog.csdn.net/lanphaday/archive/2007/10/28/1852726.aspx），基本用法可以參考此文。

2） img = Image.open(fn).convert('YCbCr')，這一行開啟從命令列傳入的檔案名稱，然後轉換到 YCbCr 色彩空間，關於 YCbCr 的理論知識，可以參考http://baike.baidu.com/view/564370.htm。

3） data = img.getdata()，這一句是為了方便快速控制項目像素而擷取映像資料

4） if 86 <= cb <= 117 and 140 <= cr <= 168:，這一句最為重要，是本文的精髓所在。根據 YCbCr 膚色模型，許多論文推薦用 86 <= cb <= 127，130 <= cr < 168，但經實驗，這個數值並不好，所以我把 cb 的上限改為 117，cr 的下限改為 140，過濾掉太白和太黑的部分。

最後本程式的執行結果是這樣的：

E:/>c:/python25/python test_skin.py 114.jpeg114.jpeg is a porn image.

其中 114.jpeg 就是上例中的第三幅圖片。

綜上所述，重慶郵電大學的大四學生李濟民，只不過是利用了一個非常成熟的理論（膚色檢測是Face Service等電腦視覺學科的基礎知識），寫了一點點代碼（也許他用 C++ 寫的代碼比我用 python 寫的多一些，但最多也就多三兩百行），並沒有實質性的科研突破，產品也不夠成熟（按他的話就是比*基*尼美女都識別不了），記者和網站對他進行宣傳，實為捧殺。

另，許多 CSDN 的網友對他用的“嵌入瀏覽器內，很難刪除”的說法很好奇，在這裡順便提一下李同學應該是用 Browser Helper Object，又稱 BHO 技術來完成這件事的，這是一個很簡單的技術，查查 MSDN，用 VC/VB/C# 都能很方便地寫出來，當然，也可以很方便地刪除。哈哈。