알고리즘 업데이트 1, read me 수정

-# Find your Personal Color
-자가진단 서비스와 openCV를 활용한 퍼스널 컬러 찾아주는 React 기반의 웹 서비스
+# Find your Personal Color
+## 요약
+자가진단 설문와 openCV를 활용한 퍼스널 컬러 찾아주는 React 기반의 웹 서비스
+
+## 상세
+###1. 서비스
+기존에 있는 퍼스널 컬러 진단 서비스는 대부분 사용자 이미지를 분석하고 퍼스널 컬러를 찾아주거나, 자가진단 설문을 통해 퍼스널 컬러를 알려주는 두 형태 중 한가지 형태로 진행되는 경우가 많았습니다. 저희는 두가지 서비스 모두를 구현하여 사용자들이 좀 더 정확한 퍼스널 컬러를 확인할 수 있도록 했습니다.
+
+### 2. front
+
+### 3. back
+
+# 전체 서비스
+// 전체 서비스 동작 이미지//
+
+# 알고리즘
+💻마더 프로젝트에서 가져온 알고리즘을 수정 및 개선하였습니다.💻
+
+유저 이미지의 피부 사진을 가져와 평균 색깔을 추출합니다. 이를 토대로 이미지 RGB 값을 Lab 색 공간을 변환합니다. Lab b 값(푸른색의 정도)을 웜톤, 쿨톤의 스탠다드 값과의 거리를 계산하여 웜톤과 쿨톤을 구별합니다.
+
+// 알고리즘 이미지//
+
+원본 알고리즘은 눈썹과 눈동자도 계산하여 가중치를 곱한 후, 계절을 구별하도록 하였는데, 이는 저희가 생각한 limit 정확도보다 떨어져서 계절 구별은 이미지 분석이 아닌 자가진단 설문에서만 구현했습니다.
+또한, 원본 알고리즘은 웜톤과 쿨톤의 스탠다드 값을 연예인들의 이미지를 학습시켜 평균치를 구했는데, 본래 이미지를 통해서 확인하는 퍼스널 컬러는 조명, 화이트 밸런스, 화장 여부 등에 의해 영향을 많이 받기 때문에 이 부분을 수정하였습니다. 퍼스널 컬러 대표 색 이미지들의 Lab b값을 training시켜, 그 평균치를 스탠다드 값으로 업데이트 하였습니다. 
 
 # 빌드 방법
 

+#!/usr/bin/env python
+# coding: utf-8
+
+# In[72]:
+
+
+# 평균 색상 추출
+import cv2
+import numpy as np
+from sklearn.cluster import KMeans
+import matplotlib.pyplot as plt
+from mpl_toolkits.mplot3d import Axes3D
+from skimage import io
+from itertools import compress
+
+# tone 구별 
+from scipy.spatial import distance
+import copy
+import math
+import operator
+
+# main함수
+from colormath.color_objects import LabColor, sRGBColor, HSVColor
+from colormath.color_conversions import convert_color
+
+# color extract 클래스
+class DominantColors:
+
+    CLUSTERS = None
+    IMAGE = None
+    COLORS = None
+    LABELS = None
+
+    def __init__(self, image, clusters=3):
+        self.CLUSTERS = clusters
+        img = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
+        self.IMAGE = img.reshape((img.shape[0] * img.shape[1], 3))
+
+        #using k-means to cluster pixels
+        kmeans = KMeans(n_clusters = self.CLUSTERS)
+        kmeans.fit(self.IMAGE)
+
+        #the cluster centers are our dominant colors.
+        self.COLORS = kmeans.cluster_centers_
+        self.LABELS = kmeans.labels_
+
+    def rgb_to_hex(self, rgb):
+        return '#%02x%02x%02x' % (int(rgb[0]), int(rgb[1]), int(rgb[2]))
+
+    # Return a list in order of color that appeared most often.
+    def getHistogram(self):
+        numLabels = np.arange(0, self.CLUSTERS+1)
+        #create frequency count tables
+        (hist, _) = np.histogram(self.LABELS, bins = numLabels)
+        hist = hist.astype("float")
+        hist /= hist.sum()
+
+        colors = self.COLORS
+        #descending order sorting as per frequency count
+        colors = colors[(-hist).argsort()]
+        hist = hist[(-hist).argsort()]
+        for i in range(self.CLUSTERS):
+            colors[i] = colors[i].astype(int)
+        # Blue mask 제거
+        fil = [colors[i][2] < 250 and colors[i][0] > 10 for i in range(self.CLUSTERS)]
+        colors = list(compress(colors, fil))
+        return colors, hist
+
+    def plotHistogram(self):
+        colors, hist = self.getHistogram()
+        #creating empty chart
+        chart = np.zeros((50, 500, 3), np.uint8)
+        start = 0
+
+        #creating color rectangles
+        for i in range(len(colors)):
+            end = start + hist[i] * 500
+            r,g,b = colors[i]
+            #using cv2.rectangle to plot colors
+            cv2.rectangle(chart, (int(start), 0), (int(end), 50), (r,g,b), -1)
+            start = end
+
+        #display chart
+        plt.figure()
+        plt.axis("off")
+        plt.imshow(chart)
+        plt.show()
+
+        return colors
+    
+   
+ #tone analysis 함수
+def is_warm(lab_b, a):
+    '''
+    파라미터 lab_b = [skin_b, hair_b, eye_b]
+    a = 가중치 [skin, hair, eye]
+    질의색상 lab_b값에서 warm의 lab_b, cool의 lab_b값 간의 거리를
+    각각 계산하여 warm이 가까우면 1, 반대 경우 0 리턴
+    '''
+    # standard of skin, eyebrow, eye (눈썹, 눈동자는 0으로) 
+    warm_b_std = [38.022000000000006, 0, 0]
+    cool_b_std = [17, 0, 0]
+
+    warm_dist = 0
+    cool_dist = 0
+
+    body_part = ['skin', 'eyebrow', 'eye']
+    for i in range(1):
+        warm_dist += abs(lab_b[i] - warm_b_std[i]) * a[i]
+        
+        print(body_part[i],"의 warm 기준값과의 거리")
+        print(abs(lab_b[i] - warm_b_std[i]))
+        
+        cool_dist += abs(lab_b[i] - cool_b_std[i]) * a[i]
+        
+        print(body_part[i],"의 cool 기준값과의 거리")
+        print(abs(lab_b[i] - cool_b_std[i]))
+        
+    if(warm_dist <= cool_dist):
+        return 1 #warm
+    else:
+        return 0 #cool
+
+# 이미지 자르는 함수
+def trimming (img): 
+    x = 100; 
+    y = 100; 
+    w = 100; 
+    h = 100; 
+    
+    img_trim = img[y:y+h, x:x+w] 
+    return img_trim 
+
+
+# 원래 main
+def analysis(imgpath):
+    #######################################
+    #           Face detection            #
+    #######################################
+    img=cv2.imread(imgpath)
+    
+    h,w,c=img.shape
+    if((h>500) and (w>500)):
+        img = trimming(img) # 이미지가 너무 크면 잘라서 확인
+    
+    face = [img, img,
+            img, img,
+            img, img]
+
+    
+    #######################################
+    #         Get Dominant Colors         #
+    #######################################
+    temp = []
+    clusters = 4
+    for f in face:
+        dc = DominantColors(f, clusters)
+        face_part_color, _ = dc.getHistogram()
+        #dc.plotHistogram()
+        temp.append(np.array(face_part_color[0]))
+    cheek1 = np.mean([temp[0], temp[1]], axis=0)
+    cheek2 = np.mean([temp[2], temp[3]], axis=0)
+    cheek3 = np.mean([temp[4], temp[5]], axis=0)
+
+    Lab_b, hsv_s = [], []
+    color = [cheek1, cheek2, cheek3]
+    for i in range(3):
+        rgb = sRGBColor(color[i][0], color[i][1], color[i][2], is_upscaled=True)
+        lab = convert_color(rgb, LabColor, through_rgb_type=sRGBColor)
+        hsv = convert_color(rgb, HSVColor, through_rgb_type=sRGBColor)
+        Lab_b.append(float(format(lab.lab_b,".2f")))
+        hsv_s.append(float(format(hsv.hsv_s,".2f"))*100)
+
+    Lab_b[1]=0
+    Lab_b[2]=0
+    
+    print('Lab_b[skin]',Lab_b[0])
+
+    #######################################
+    #      Personal color Analysis        #
+    #######################################
+    Lab_weight = [100, 0, 0]
+    hsv_weight = [10, 0, 0]
+    
+    if(is_warm(Lab_b, Lab_weight)):
+        tone = '웜톤(warm)'
+    else:
+        tone = '쿨톤(cool)'
+        
+    # Print Result
+    print('{}의 퍼스널 컬러는 {}입니다.'.format(imgpath, tone))
+
+    
+def main():    
+    analysis('color_data\warm_spring.png')
+    
+    
+if __name__ == '__main__':
+    main()
+
+
+# In[ ]:
+
+
+
+

+cool
+
+14
+19
+24
+13
+6
+11
+28
+22
+14
+19
+ 
+ 17
+
+warm
+
+46.47
+35.13
+29.34
+36.69
+29.44
+25.49
+29.32
+36.6
+45.54
+21.43
+21.52
+23.25
+
+ 86
\ No newline at end of file