一年一度的大学开学季，一年一度的军训季。
在六月中旬高考结束之后，万千学子迎来了他们人生中最长也是最无忧无虑的假期，到了八月底九月初，他们将踏上人生的一段重要旅程——大学。
然而等待他们的第一课，便是军训。
每所高校对军训的要求不同，从时间来看，短的只有5天，长的多达一个月，根据网上一份军训时间排行榜，比如清华大学，以34天稳居第二。（警校排第一也是无可厚非了，不过吉林的院校确实热衷军训，前十中两所吉林的院校上榜）
除了一些开始又晚、时间又长的院校（比如重庆大学），大部分院校的军训应该已经结束了，然而经历了军姿、齐步、正步、阅兵甚至拉练的“摧残”后，军训岁月在身上留下的最深的痕迹便是——晒！黑！了！
图片来自网络
军训前和军训后，就是“白古”和“黑古”的差别啊！想知道自己军训后究竟晒黑了多少么？下面文摘菌就带你用python看看，自己究竟军训后黑了几个度。
基于rgb和ycbcr颜色空间的混合肤色检测
想知道自己的皮肤颜色，首先要将皮肤检测出来。
肤色检测有很多方法，比如：
基于rgb的颜色空间模型；基于椭圆皮肤模型的皮肤检测；ycrcb颜色空间cr分量+otsu法阈值分割；基于ycrcb颜色空间cr,cb范围筛选法；hsv颜色空间h范围筛选法；opencv自带肤色检测类adaptiveskindetector；
相关链接：
/article/details/81501565
2004年，georgy kukharev和adam nowosielski为了提高模型的稳定性，将多个颜色空间结合，提出rgb颜色空间和ycbcr颜色空间的混合肤色检测器。像素值满足如下条件：
实现的代码也很简单，首先引入必要的包：
import cv2
import numpy as np
from matplotlib import pyplot as plt
然而操纵图像，将rgb颜色空间3通道的值和ycbcr颜色空间3通道的值结合起来，然后根据判别条件进行肤色检测：
def skin_color(imgfile):
# load an original image
img = cv2.imread(imgfile)
rows,cols,channels = img.shape
# convert color space from rgb to ycbcr
imgycc = cv2.cvtcolor(img, cv2.color_bgr2ycr_cb)
# convert color space from bgr to rgb
img = cv2.cvtcolor(img, cv2.color_bgr2rgb)
# prepare an empty image space
imgskin = np.zeros(img.shape, np.uint8)
# copy original image
imgskin = img.copy()
s=0
sum_r=sum_g=sum_b=0
for r in range(rows):
for c in range(cols):
# non-skin area if skin equals 0, skin area otherwise
skin = 0
# get values from rgb color space
r = img.item(r,c,0)
g = img.item(r,c,1)
b = img.item(r,c,2)
# get values from ycbcr color space
y = imgycc.item(r,c,0)
cr = imgycc.item(r,c,1)
cb = imgycc.item(r,c,2)
# skin color detection
if r > g and r > b:
if (g >= b and 5 * r - 12 * g + 7 * b >= 0) or (g = 0):
if cr > 135 and cr 85 and cb 80:
# print skin detected!
参考链接：

对比色卡，看看你黑了几度
检测出了皮肤的区域，我们就需要将皮肤区域的颜色rgb值计算出来，然后与色卡进行对比。
说到色卡，不得不提到pantone（潘通）——一家专注于研究颜色的公司，以其pantone颜色匹配系统（pms）而闻名，该系统被广泛用于各种行业，特别是平面设计，时装设计，产品设计，印刷和制造，并支持从设计到生产的色彩管理。
2013年，潘通发布了一款彩通肤色指南（pantone skintone guide），这个指南根据科学测量各种人类皮肤类型中数千种实际肤色而建立，为再现实体肤色而配制，被称为人类肤色的完整视觉参考。
110种人类肤色被从1y01 sp至4r15 sp编号，适用于各个人种。
文摘菌从中选取了比符合中国人肤色的1y01-1y13作为对比色卡。
从左至右依次为0-12度
然后将肤色颜色rgb与色卡的rgb数值进行对比，因为人眼对于r、g、b的敏感程度不同，在转换的时候需要给予不同的权重。
人类视觉对绿色最敏感，因此它具有最大的系数值（0.7152），对蓝色最不敏感，因此具有最小的系数（0.0722）。
def compare(list,color):
min=100
count=len(list)
for i in range(count):
value=list[i]
error=abs(color[0]-value[0])*0.2126+abs(color[1]-value[1])*0.7152+abs(color[2]-value[2])*0.0722
if(error
min=error
index=i
return index+1
最后我们输入“白古”和“黑古”的图片，与比色卡的rgb数值进行对比，输出结果：
if __name__ == __main__:
img_before= images/before1.jpg
img_after=images/after.jpg
color_before=skin_color(img_before)
color_after=skin_color(img_after)
print(before:the extracted rgb value of the skin color is {0}.format(color_before))
print(after:the extracted rgb value of the color is {0}.format(color_after))
list=[(200, 172, 153), (200, 169, 149), (197, 166, 145), (194, 163, 142), (190, 157, 134), (187, 152, 129), (182, 146, 121), (177, 136, 108), (168, 127, 100), (160, 118, 90), (148, 108, 81), (135, 98, 73), (119, 87, 65)]
#color_dir=skin_color
#skincolor.load_color(color_dir,list)
#print(list)
#print(list)
degree_before=compare(list,color_before)
degree_after=compare(list,color_after)
print(before:the degree of the skin color is {0}.format(degree_before))
print(after:the degree of the skin color is {0}.format(degree_after))
输出的结果如下图所示：
也就是说，“黑古”比“白古”整整黑了5个度，虽然文摘菌认为结果可能还有偏差，因为12是比色表的最高值，“黑古”很可能已经爆表了。
军训结束，写代码的日子开始了
也许当你拍下自己军训后的照片，用文摘菌的代码和自己一个月前的自拍对比了一下，然后留下了伤心的眼泪。
文摘菌想告诉你：你不是一个人在战斗！
今年参加军训的大学新生有数百万，短则5天，长则一个月的军训，风吹日晒，大家的皮肤变黑在所难免，然而，就算是1个月的军训，也并不能真正掌握多少军事技能，其实重要的还是原本初次见面还陌生的同班同学，通过军训开始熟络起来；原本还陌生的校园，也齐步走了几个来回。
可以说，军训是大学的预科班，结束了军训，就正式开始了大学生活。
文摘菌本着行业内人士的身份，自然要对那些报读计算机相关专业的新生们说一句：军训结束，你们写代码的日子就要开始了！
也许在某个深夜，当你停下敲击键盘的双手，抚摸着额前稀疏的头发，你可能会意识到，原来军训并不是大学最痛苦的时候。

---