2020.4.7更新
前言：經歷了兩個星期身體和精神的雙重摺磨，我又回來了。疫情期間待在家裏真的快要抑鬱了，如果不是對未來還抱有一絲希望，差點要放棄自己了。
皮膚分割作業班級前十的方法分享（僅供參考）
NO.10 Ycrcb顏色空間+大津算法閾值分割
NO.9 Ycrcb橢圓空間分割圖像 和 HSV分割圖像 ，結果相與
NO.8 Ycrcb橢圓空間+自適應閾值法+人像背景去除 ，人像背景去除採用訓練好的神經網絡框架
（如果圖片只是人體部分，人像背景去除的方法就不太適用）
NO.7 Ycrcb+HSV +腐蝕膨脹去除小連通域
NO.6 所有圖像的Ycrcb顏色空間在crcb側面的投影，擬合一個橢圓函數
NO.5 Inception Module (UNet) 卷積+反捲積
(好像是下載了一個皮膚分割的數據集進行訓練的)
NO.4 Ycrcb 手動調節閾值時發現在皮膚區域的面積增長會有一個突變，於是以這個突變的點爲閾值點。
（點評：與自適應閾值法類似吧，還是看閾值怎麼找，不知道爲啥效果會比自適應閾值好，如果有同學知道的話望賜教）
NO.3 Detectron2 COCO提取人的模型->Ycrcb提取cr空間->自適應閾值處理（數據集:Pratheepan ）
（如果圖中沒有完整的人像則不適用）
NO.2 光照補償（5%Gama矯正）+Ycrcb橢圓模型（或cr分量閾值分割）
（這個方法真的有這麼好的效果嗎？存疑 ）
NO.1 人體部位解析（數據集LIP）->提取皮膚部分：臉、手臂、腿等
（哈哈，爲啥我們當時沒有想到人體解析？！這個方法確實效果很好，但是圖像中必須存在完整的身體部位才能檢測出來，如果圖中只有皮膚的一部分，比如 肚子的一塊皮膚，就不適用）
總結：嘗試不同方法的結合會有意想不到的結果。方法各有利弊，加粗的是我覺得比較有學習意義的方法，日後有空可以嘗試實現一下。(Ycrcb橢圓空間的方法我試過，但是因爲python橢圓函數的參數只能是整數，效果不理想就沒再深究。但也有同學採用橢圓模型做出了不錯的結果，所以有時候效果好壞也看人品吧哈哈哈哈)
2020.3更新————————————————————————————————————
最近老師佈置了一個小作業，檢測圖像中的皮膚。結果不是很理想，大概0.63的IOU。原因是沒有留充足的時間準備，訓練集也太少，圖像預處理也沒有搞好。等其他同學的方法分享了，我再更新一下吧。（感受到自己就是個渣渣）
1、基於顏色空間
已經有很多博客寫了：
python：https://www.cnblogs.com/demodashi/p/9437559.html
c++:https://www.cnblogs.com/skyfsm/p/7868877.html
其中基於Ycrcb的效果比較好，但是非常容易受背景干擾（後倆張幾乎背景都包含在裏面了）。
我也把c++版本的 基於橢圓皮膚模型的方法用python 實現了一下，但是 python的畫橢圓的函數只能輸入int型數據，所以後來效果也不是很好，於是放棄。
2、基於隨機森林的皮膚分割 參考文章：膚色檢測（分割）via Random Forest
下載了文中的兩篇2010 2012的論文讀了一下，也下載了數據集，自己試了一遍，效果不錯。
樣本數：245057 （其中有50,000+正樣本，剩餘負樣本）
特徵： B G R（像素顏色，注意與opencv讀取的顏色順序一樣）
類別： 2類（膚色1/非膚色2）
這個方法受背景影響小一點，但是對於皮膚上的反光、痘痘之類的，檢測效果不如Ycrcb。
（1）隨後我又加了去噪和磨皮：https://www.jianshu.com/p/3a028a908c19.
但是皮膚高光經過去噪或者磨皮以後會整個臉都變亮了，分割效果並沒有提升。（但是真的變好看了）
（2）隨後又加了去高光：
illuminationChange 的方法不好，它其實就類似於拿附近的像素點去填充（可能是我的mask搞得不好吧）
去反光參考博文：https://blog.csdn.net/weiwei9363/article/details/85046877
代碼：https://github.com/jiemojiemo/some_specular_detection_and_inpainting_methods_for_endoscope_image
確實能夠去除反光，但是會把眼球的白色當成反光一起處理了，真是心塞！
3、結果展示
依次是：原圖 Ycrcb 隨機森林 磨皮 去高亮
4、代碼
https://download.csdn.net/download/weixin_40820983/12252163