一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
默认已经有python3.0以上和包管理工具pip3。那要执行如下命令升级pip3并安装Pillow 工具包：
sudo install -U pip3
sudo install Pillow根据颜色（肤色）找出图片中皮肤的区域，然后通过一些条件判断是否为色情图片。
程序的关键步骤如下：
python学习交流Q群：906715085####
1.遍历每个像素，检查像素颜色是否为肤色
2.将相邻的肤色像素归为一个皮肤区域，得到若干个皮肤区域
3.剔除像素数量极少的皮肤区域我们定义非色情图片的判定规则如下（满足任意一个判断为真）：
1.皮肤区域的个数小于3个
2.皮肤区域的像素与图像所有像素的比值小于15%
3.最大皮肤区域小于总皮肤面积的45%
4.皮肤区域数量超过60个这些规则你可以尝试更改，直到程序效果让自己满意为止。关于像素肤色判定这方面，公式可以在网上找到很多，但是世界上不
可能有正确率100%的公式。你可以用自己找到的公式，在程序完成后慢慢调试。
•RGB颜色模式
第一种：==r > 95 and g > 40 and g < 100 and b > 20 and max([r, g, b]) - min([r, g, b]) > 15 and abs(r - g) > 15 and r > g and r > b==
第二种：==nr = r / (r + g + b), ng = g / (r + g + b), nb = b / (r +g + b) ，nr / ng > 1.185 and r \* b / (r + g + b) \*\* 2 > 0.107 and r \* g / (r + g + b) \*\* 2 > 0.112==•HSV颜色模式
==h > 0 and h < 35 and s > 0.23 and s < 0.68==
•YCbCr颜色模式
==97.5 <= cb <= 142.5 and 134 <= cr <= 176==一幅图像有零个到多个的皮肤区域，程序按发现顺序给它们编号，第一个发现的区域编号为0，第n个发现的区域编号为n-1
用一种类型来表示像素，我们给这个类型取名为Skin，包含了像素的一些信息：唯一的编号id、是/否肤色skin、皮肤区域号
region、横坐标x、纵坐标y
遍历所有像素时，我们为每个像素创建一个与之对应的Skin对象，并设置对象的所有属性，其中region属性即为像素所在的皮肤
区域编号，创建对象时初始化为无意义的None。关于每个像素的id值，左上角为原点，像素id值按照像素坐标排布，那么看起来
如下图：
其实id的顺序也即遍历的顺序。遍历所有像素时，创建Skin对象后，如果当前像素为肤色，且相邻的像素有肤色的，那么我们把
这些肤色像素归到一个皮肤区域。
相邻像素的定义：通常都能想到是当前像素周围的8个像素，然而实际上只需要定义4个就可以了，位置分别在当前像素的左方，
左上方，正上方，右上方。因为另外四个像素都在当前像素后面，我们还未给这4个像素创建对应的Skin对象：
直接在python中新建nude.py文件，在这个文件进行代码编写：
导入所需要的模块：
import sys
import os
import _io
from collections import namedtuple
from PIL import Image我们将设计一个Nude类：
class Nude:这个类里面我们首先使用 collections.namedtuple() 定义一个 Skin 类型：
Skin = namedtuple("Skin", "id skin region x y")collections.namedtuple() 函数实际上是一个返回 Python 中标准元组类型子类的一个工厂方法。你需要传递一个类型名和你需要
的字段给它，然后它就会返回一个类，你可以初始化这个类，为你定义的字段传递值等。详情参见官方文档。
然后定义 Nude 类的初始化方法：
python学习交流Q群：906715085###
def \_\_init\_\_(self, path_or_image):
# 若 path\_or\_image 为 Image.Image 类型的实例，直接赋值
if isinstance(path_or_image, Image.Image):
self.image = path_or_image
# 若 path\_or\_image 为 str 类型的实例，打开图片
elif isinstance(path_or_image, str):
self.image = Image.open(path_or_image)