開端
最近遇到了一個需求，就是對圖片進行色彩風格轉換，讓一個物體可以以各種不同的色彩來呈現。
比如一個紅色的蘋果，我想把它轉化成綠色，這可怎麼辦呢？本來想的解決方案是先識別邊界，然後對邊界內區域進行色彩替換或者填充，這樣整個流程就分成了兩步，首先需要進行邊界判斷，有了邊界之後才能對某些區域顏色進行替換填充，填充的區域還是不規則的，填充的顏色也需要根據實際的情況來變化，同時還要兼顧陰影、高光等等的處理，想想真是頭大。
然後我就突然想到了之前學 PS 的時候，曾經做過對某一張圖片進行色調替換，我還記得當時調的內容是「色相」，通過調節這個值可以實現各種色調的轉換。這之後我就心想，能不能用程序來做這件事呢？
於是我就開始了對圖像色彩的一些研究，研究完了之後就實現了用 Python 來更換圖片色調的功能，將這篇文章順便記錄下來。
先給大家看看效果吧，就比如我從百度上隨便搜一張圖，比如熱氣球吧，是這樣子
： 原圖
我把它轉成紅色、黃色、藍色、紫色，基本就是這個樣子：
紅色風格
黃色風格
綠色風格
藍色風格
這裡的圖片都是經過 Python 自動轉換算法實現的，主要調節的就是色相。其實代碼實現是比較簡單的，但在實現之前需要了解一些圖像色彩知識。瞭解了這些之後我們再實現才會更加遊刃有餘。
下面我們就首先來了解一下圖像色彩的基本知識，然後用 Python 實現色調轉換算法吧。
RGB
首先讓我們來了解下顏色的三原色，RGB。
RGB，其實就是三種顏色，分別代表紅色（Red）、綠色（Green）、藍色（Blue），用這三種原色顏色混合可以表示任意的顏色。RGB 是根據顏色發光的原理來設計的，比如這裡有紅綠藍三道光，當三束光混合在一起的時候，其呈現的最終的光效顏色就取決於這三種原色光的強弱了。
• 比如說紅光最強，綠光和藍光幾乎沒有，那麼最後結果肯定呈現為紅光了。 • 如果藍光很弱，紅光和綠光非常強，那麼結果就是紅光和綠光的混合光，也就黃光。 • 如果紅綠藍三種光都非常強，那麼就會呈現三種光的混合光，也就是白光。 • 如果三種光都非常弱，那就幾乎沒有光，自然就是黑色了。
如果大家瞭解過 RGB 的一些知識的話，想必也見過這張混合光圖：
但是這僅僅是一張平面圖，並不能很好地體現三原色的混合關係，大家可以看這張圖：
實際上可以對 RGB 色值建立一個三維座標系，座標原點就在上圖中所看不見的那個正方體頂點，像左延伸為 R 紅色軸，向右延伸為 B 藍色軸，向上延伸為 G 綠色軸。
RGB 在進行色彩表示時使用了 256 階，也就是從 0-255，可以由一個字節來表示。數值越大，RGB 三個軸，每個軸對應的數值越大，就代表其亮度越高，最亮就對應著 255，最暗就對應著 0。三個軸上的三個數字聯合起來可以用來表示一個顏色。
例如：
• (255, 255, 255) 就代表 RGB 都是滿的，組成白色。 • (255, 255, 0) 就代表 R 紅色是滿的，G 綠色是滿的，B 藍色是沒有的，紅色和綠色混合為黃色，所以它就表示黃色。 • (0, 0, 0) 就代表 RGB 都是沒有的，呈現黑色。
因此，通過這三個數值，我們就可以實現任何顏色的表示了。
HSV
但瞭解了 RGB 顯然不能應對我們的需求，它和色相也沒有什麼關係，所以這裡我們還需要研究另外一個顏色模型，叫做 HSV。
HSV，又叫做 HSB，其實也是三個參數，分別是色調（Hue）、飽和度（Saturation）、明度（Brightness），在 HSV 中 V 代表 Value，也是明度的意思。通過這三個值，我們同樣可以表示任意的顏色。
首先我們看看 HSV (HSB) 顏色模型的座標軸圖吧，它可以用這麼一個錐形的座標來表示：
色調，Hue，它是一種角度度量，就是圖中 Hue 所示的角度，繞圓錐體一週。它的值是從紅色開始逆時針方向計算的，紅色是 0，綠色是 120，藍色為 240，形成一個紅綠藍三原色組成的色帶。
飽和度，Saturation，它是圖中 Saturation 所示的方向，由最上面圓的圓心向外擴散。它表示顏色接近光譜色的程度。一種顏色，可以看成是某種光譜色與白色混合的結果。其中光譜色所佔的比例愈大，顏色接近光譜色的程度就愈高，顏色的飽和度也就愈高。飽和度高，顏色則深而豔。光譜色的白光成分為 0，飽和度達到最高。通常取值範圍為 0-100，值越大，顏色越飽和。也就是說圖中，圓心處飽和度為 0，越靠近邊，飽和度越高，最高達到 100。
明度，Brightness，它表示顏色明亮的程度，對於光源色，明度值與發光體的光亮度有關，對於物體色，此值和物體的透射比或反射比有關。通常取值範圍為 0-100，0 對應黑色，100 對應白色。
另外大家如果用到取色板的話，它是這樣子的：
你可以看到左邊有個大的矩形，右邊有個豎直的彩虹帶。 由於剛才所說的圓錐座標不好表示，在調色板裡面就把圓錐座標拆成了兩部分。
• 右邊的彩虹帶就可以選擇色調 Hue，拖動彩虹帶的箭頭位置就可以調整 Hue 的值。 • 左邊的正方形就和飽和度 Saturation、明度 Brightness 有關，橫座標表示飽和度 Saturation，縱座標表示 Brightness，從左到右，飽和度 Saturation 變高，從下到上，明度 Brightness 變高。 • 左下角，由於飽和度 Saturation 和明度 Brightness 都為 0，就呈現黑色。 • 左上角，由於飽和度 Saturation 為 0，所以相當於沒有顏色，顏色最淺，但是它的明度 Brightness 達到了最高，所以它就顯示沒有顏色的明度最高的色，即白色。 • 右上角，由於飽和度 Saturation 和明度 Brightness 都為最高，那就顯示最純的 Hue 值。
這也就是 HSB 顏色模型的原理。
同樣地，我們可以用 HSB 的三個值來表示任意的顏色，因此 HSB 也成為表示顏色的基本標準之一。
HSB 和 RGB 的轉換
HSB 和 RGB 都能表示一個顏色，它們之間也是可以相互轉換的，可以一一對應。
他們之間的轉換邏輯這裡就不再專門對其公式展開詳解了，公式總結如下：
RGB to HSB
HSV to RGB
大家如果感興趣想要研究的話也可以去：https://www.rapidtables.com/convert/color/hsv-to-rgb.html 來了解一下詳情，這裡還有詳細的轉換表格以及實時轉換實現。
另外對於它們之間的轉換算法，很多庫都已經封裝好了。我們可以直接調用，比如 Python 中的 colorsys 模塊，就實現了 rgb_to_hsv 和 hsv_to_rgb 算法，我們也可以直接使用。
色調轉換
瞭解了以上內容之後，我們就可以使用程序來實現色調轉換了。相比我們已經知道應該改什麼內容了，那就是修改 HSV 中的 H 值，通過不同的 H 值我們就可以將圖片轉換為不同的色調了。
具體思路是怎樣的呢：
• 首先獲取圖像每個像素的的 RGB 色值。 • 將 RGB 色值轉化為 HSV 色值。 • 調整 HSV 色值中的 H。 • 將 HSV 色值轉回 RGB 色值。 • 輸出圖像。
一共就是這麼五步，這裡的兩個轉換色值的操作我們就可以藉助於 colorsys 模塊。另外需要安裝一個 pillow 模塊：
pip3 install pillow
安裝完畢之後，我們準備任意一張圖片，然後實現上面的五個步驟。
最終的代碼實現如下：
import
colorsys
from PIL
import
Image
# 輸入文件
filename = 'input.jpg'
# 目標色值
target_hue = 0
# 讀入圖片，轉化為 RGB 色值
image = Image.open(filename).convert('
RGB
')
# 將 RGB 色值分離
image.load()
r, g, b = image.split()
result_r, result_g, result_b = [], [], []
# 依次對每個像素點進行處理
for pixel_r, pixel_g, pixel_b in zip(r.getdata(), g.getdata(), b.getdata()):
# 轉為 HSV 色值
h, s, v = colorsys.rgb_to_hsv(pixel_r / 255., pixel_b / 255., pixel_g / 255.)
# 轉回 RGB 色系
rgb = colorsys.hsv_to_rgb(target_hue, s, v)
pixel_r, pixel_g, pixel_b = [int(x * 255.) for x in rgb]
# 每個像素點結果保存
result_r.append(pixel_r)
result_g.append(pixel_g)
result_b.append(pixel_b)
r.putdata(result_r)
g.putdata(result_g)
b.putdata(result_b)
# 合併圖片
image = Image.merge('
RGB
', (r, g, b))
# 輸出圖片
image.save('output.png')
具體的實現在代碼註釋裡面已經很清楚了。
在這裡我們將 target_hue 定義為 0。通過前文我們知道，Hue 為 0 代表紅色，120 代表綠色，240 代表藍色。我們可以自定義 0-355 這 360 個數值，實現不同的色調轉換。
如果想輸出其他顏色的圖片，就把 target_hue 這個值改一下就好了。
看看最後的運行效果，輸入是一張原圖：
所以最後的輸出效果就是如下的結果：
如果將代碼中的 target_hue 值進行更改，就會呈現不同的顏色風格了，就像文中開頭所示的一樣。
比如把飛豬的 Logo 由黃色變為紅色，都是可以做到的：
處理透明像素
上面的算法僅僅考慮了 RGB，如果有些圖包含了透明像素，上面的程序對於透明像素是無法處理的，最後輸出的結果會帶有某種顏色的背景。
對於透明像素的處理，我們可以增加一個維度的值，就是 A，即 Alpha 透明度。
所以使用 RGBA 和 HSV 的轉換我們就可以實現透明像素的處理了，代碼實現如下：
import colorsys
from PIL import Image
# 輸入文件
filename = 'input.png'
# 目標色值
target_hue = 0
# 讀入圖片，轉化為 RGB 色值
image = Image.open(filename).convert('RGBA')
# 將 RGB 色值分離
image.load()
r, g, b, a = image.split()
result_r, result_g, result_b, result_a = [], [], [], []
# 依次對每個像素點進行處理
for pixel_r, pixel_g, pixel_b, pixel_a in zip(r.getdata(), g.getdata(), b.getdata(), a.getdata()):
# 轉為 HSV 色值
h, s, v = colorsys.rgb_to_hsv(pixel_r / 255., pixel_b / 255., pixel_g / 255.)
# 轉回 RGB 色系
rgb = colorsys.hsv_to_rgb(target_hue, s, v)
pixel_r, pixel_g, pixel_b = [int(x * 255.) for x in rgb]
# 每個像素點結果保存
result_r.append(pixel_r)
result_g.append(pixel_g)
result_b.append(pixel_b)
result_a.append(pixel_a)
r.putdata(result_r)
g.putdata(result_g)
b.putdata(result_b)
a.putdata(result_a)
# 合併圖片
image = Image.merge('RGBA', (r, g, b, a))
# 輸出圖片
image.save('output.png')
在這裡就是增加了對透明像素的處理，在圖像 convert 和 merge 的時候都使用 RGBA 模式，就可以保留原有圖片中的透明像素了。
以上便是使用 Python 程序自動調整色調的實現。
其他應用
另外對於圖像調色的應用還有很多，比如我們可以不直接指定 Hue 的值，而是將 Hue 的值在原來的基礎上增加或減少，則可以實現彩虹變色，如：
原圖是這樣子：
經過處理之後我們可以得到這樣的效果：
這樣我們使用程序處理出各種風格的好看的照片了，是不是很有意思呢？
大家如果覺得有意思，就快來試試吧~
圖片來源於互聯網公開內容，如有圖片侵權，請聯繫我刪除，謝謝。
喜歡這篇文章的小夥伴可以點贊+收藏+轉發哦~
贈送三本Python機器學習基礎書籍
Python機器學習經典實例—Python語言描述
內容介紹：
在如今這個處處以數據驅動的世界中，機器學習正變得越來越大眾化。它已經被廣泛地應用於不同領域， 如搜索引擎、機器人、無人駕駛汽車等。本書首先通過實用的案例介紹機器學習的基礎知識，然後介紹一 些稍微複雜的機器學習算法，例如支持向量機、極端隨機森林、隱馬爾可夫模型、條件隨機場、深度神經 網絡，等等。
本書是為想用機器學習算法開發應用程序的 Python 程序員準備的。它適合 Python 初學者閱讀，不過熟 悉 Python 編程方法對體驗示例代碼大有裨益。
獲取方式
關注小編
私信小編：回覆 Python 即可領取書籍
頭條怎麼私信
點擊頭條，點擊右下角“我的”
在個人界面點擊關注，如果你關注了，點擊“浪小久”就可以了
回覆：pyhon 就可以了 但是你要先關注我哦~
