骚操作,小白一眼就能学会的操作,怎么用Python 给图片换色
开端
最近遇到了一个需求,就是对图片进行色彩风格转换,让一个物体可以以各种不同的色彩来呈现。
比如一个红色的苹果,我想把它转化成绿色,这可怎么办呢?本来想的解决方案是先识别边界,然后对边界内区域进行色彩替换或者填充,这样整个流程就分成了两步,首先需要进行边界判断,有了边界之后才能对某些区域颜色进行替换填充,填充的区域还是不规则的,填充的颜色也需要根据实际的情况来变化,同时还要兼顾阴影、高光等等的处理,想想真是头大。
然后我就突然想到了之前学 PS 的时候,曾经做过对某一张图片进行色调替换,我还记得当时调的内容是「色相」,通过调节这个值可以实现各种色调的转换。这之后我就心想,能不能用程序来做这件事呢?
于是我就开始了对图像色彩的一些研究,研究完了之后就实现了用 Python 来更换图片色调的功能,将这篇文章顺便记录下来。
先给大家看看效果吧,就比如我从百度上随便搜一张图,比如热气球吧,是这样子:
原图
我把它转成红色、黄色、蓝色、紫色,基本就是这个样子:
红色风格
黄色风格
绿色风格
蓝色风格
这里的图片都是经过 Python 自动转换算法实现的,主要调节的就是色相。其实代码实现是比较简单的,但在实现之前需要了解一些图像色彩知识。了解了这些之后我们再实现才会更加游刃有余。
下面我们就首先来了解一下图像色彩的基本知识,然后用 Python 实现色调转换算法吧。
RGB
首先让我们来了解下颜色的三原色,RGB。
RGB,其实就是三种颜色,分别代表红色(Red)、绿色(Green)、蓝色(Blue),用这三种原色颜色混合可以表示任意的颜色。RGB 是根据颜色发光的原理来设计的,比如这里有红绿蓝三道光,当三束光混合在一起的时候,其呈现的最终的光效颜色就取决于这三种原色光的强弱了。
• 比如说红光最强,绿光和蓝光几乎没有,那么最后结果肯定呈现为红光了。 • 如果蓝光很弱,红光和绿光非常强,那么结果就是红光和绿光的混合光,也就黄光。 • 如果红绿蓝三种光都非常强,那么就会呈现三种光的混合光,也就是白光。 • 如果三种光都非常弱,那就几乎没有光,自然就是黑色了。
如果大家了解过 RGB 的一些知识的话,想必也见过这张混合光图:
但是这仅仅是一张平面图,并不能很好地体现三原色的混合关系,大家可以看这张图:
实际上可以对 RGB 色值建立一个三维坐标系,坐标原点就在上图中所看不见的那个正方体顶点,像左延伸为 R 红色轴,向右延伸为 B 蓝色轴,向上延伸为 G 绿色轴。
RGB 在进行色彩表示时使用了 256 阶,也就是从 0-255,可以由一个字节来表示。数值越大,RGB 三个轴,每个轴对应的数值越大,就代表其亮度越高,最亮就对应着 255,最暗就对应着 0。三个轴上的三个数字联合起来可以用来表示一个颜色。
例如:
• (255, 255, 255) 就代表 RGB 都是满的,组成白色。 • (255, 255, 0) 就代表 R 红色是满的,G 绿色是满的,B 蓝色是没有的,红色和绿色混合为黄色,所以它就表示黄色。 • (0, 0, 0) 就代表 RGB 都是没有的,呈现黑色。
因此,通过这三个数值,我们就可以实现任何颜色的表示了。
HSV
但了解了 RGB 显然不能应对我们的需求,它和色相也没有什么关系,所以这里我们还需要研究另外一个颜色模型,叫做 HSV。
HSV,又叫做 HSB,其实也是三个参数,分别是色调(Hue)、饱和度(Saturation)、明度(Brightness),在 HSV 中 V 代表 Value,也是明度的意思。通过这三个值,我们同样可以表示任意的颜色。
首先我们看看 HSV (HSB) 颜色模型的坐标轴图吧,它可以用这么一个锥形的坐标来表示:
色调,Hue,它是一种角度度量,就是图中 Hue 所示的角度,绕圆锥体一周。它的值是从红色开始逆时针方向计算的,红色是 0,绿色是 120,蓝色为 240,形成一个红绿蓝三原色组成的色带。
饱和度,Saturation,它是图中 Saturation 所示的方向,由最上面圆的圆心向外扩散。它表示颜色接近光谱色的程度。一种颜色,可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大,颜色接近光谱色的程度就愈高,颜色的饱和度也就愈高。饱和度高,颜色则深而艳。光谱色的白光成分为 0,饱和度达到最高。通常取值范围为 0-100,值越大,颜色越饱和。也就是说图中,圆心处饱和度为 0,越靠近边,饱和度越高,最高达到 100。
明度,Brightness,它表示颜色明亮的程度,对于光源色,明度值与发光体的光亮度有关,对于物体色,此值和物体的透射比或反射比有关。通常取值范围为 0-100,0 对应黑色,100 对应白色。
另外大家如果用到取色板的话,它是这样子的:
你可以看到左边有个大的矩形,右边有个竖直的彩虹带。 由于刚才所说的圆锥坐标不好表示,在调色板里面就把圆锥坐标拆成了两部分。
• 右边的彩虹带就可以选择色调 Hue,拖动彩虹带的箭头位置就可以调整 Hue 的值。 • 左边的正方形就和饱和度 Saturation、明度 Brightness 有关,横坐标表示饱和度 Saturation,纵坐标表示 Brightness,从左到右,饱和度 Saturation 变高,从下到上,明度 Brightness 变高。 • 左下角,由于饱和度 Saturation 和明度 Brightness 都为 0,就呈现黑色。 • 左上角,由于饱和度 Saturation 为 0,所以相当于没有颜色,颜色最浅,但是它的明度 Brightness 达到了最高,所以它就显示没有颜色的明度最高的色,即白色。 • 右上角,由于饱和度 Saturation 和明度 Brightness 都为最高,那就显示最纯的 Hue 值。
这也就是 HSB 颜色模型的原理。
同样地,我们可以用 HSB 的三个值来表示任意的颜色,因此 HSB 也成为表示颜色的基本标准之一。
HSB 和 RGB 的转换
HSB 和 RGB 都能表示一个颜色,它们之间也是可以相互转换的,可以一一对应。
他们之间的转换逻辑这里就不再专门对其公式展开详解了,公式总结如下:
RGB to HSB
HSV to RGB
大家如果感兴趣想要研究的话也可以去:https://www.rapidtables.com/convert/color/hsv-to-rgb.html 来了解一下详情,这里还有详细的转换表格以及实时转换实现。
另外对于它们之间的转换算法,很多库都已经封装好了。我们可以直接调用,比如 Python 中的 colorsys 模块,就实现了 rgb_to_hsv 和 hsv_to_rgb 算法,我们也可以直接使用。
色调转换
了解了以上内容之后,我们就可以使用程序来实现色调转换了。相比我们已经知道应该改什么内容了,那就是修改 HSV 中的 H 值,通过不同的 H 值我们就可以将图片转换为不同的色调了。
具体思路是怎样的呢:
• 首先获取图像每个像素的的 RGB 色值。 • 将 RGB 色值转化为 HSV 色值。 • 调整 HSV 色值中的 H。 • 将 HSV 色值转回 RGB 色值。 • 输出图像。
一共就是这么五步,这里的两个转换色值的操作我们就可以借助于 colorsys 模块。另外需要安装一个 pillow 模块:
pip3 install pillow
安装完毕之后,我们准备任意一张图片,然后实现上面的五个步骤。
最终的代码实现如下:
import colorsys from PIL import Image # 输入文件 filename = 'input.jpg' # 目标色值 target_hue = 0 # 读入图片,转化为 RGB 色值 image = Image.open(filename).convert(' RGB ') # 将 RGB 色值分离 image.load() r, g, b = image.split() result_r, result_g, result_b = [], [], [] # 依次对每个像素点进行处理 for pixel_r, pixel_g, pixel_b in zip(r.getdata(), g.getdata(), b.getdata()): # 转为 HSV 色值 h, s, v = colorsys.rgb_to_hsv(pixel_r / 255., pixel_b / 255., pixel_g / 255.) # 转回 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] # 每个像素点结果保存 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) # 合并图片 image = Image.merge(' RGB ', (r, g, b)) # 输出图片 image.save('output.png')
具体的实现在代码注释里面已经很清楚了。
在这里我们将 target_hue 定义为 0。通过前文我们知道,Hue 为 0 代表红色,120 代表绿色,240 代表蓝色。我们可以自定义 0-355 这 360 个数值,实现不同的色调转换。
如果想输出其他颜色的图片,就把 target_hue 这个值改一下就好了。
看看最后的运行效果,输入是一张原图:
所以最后的输出效果就是如下的结果:
如果将代码中的 target_hue 值进行更改,就会呈现不同的颜色风格了,就像文中开头所示的一样。
比如把飞猪的 Logo 由黄色变为红色,都是可以做到的:
处理透明像素
上面的算法仅仅考虑了 RGB,如果有些图包含了透明像素,上面的程序对于透明像素是无法处理的,最后输出的结果会带有某种颜色的背景。
对于透明像素的处理,我们可以增加一个维度的值,就是 A,即 Alpha 透明度。
所以使用 RGBA 和 HSV 的转换我们就可以实现透明像素的处理了,代码实现如下:
import colorsys from PIL import Image # 输入文件 filename = 'input.png' # 目标色值 target_hue = 0 # 读入图片,转化为 RGB 色值 image = Image.open(filename).convert('RGBA') # 将 RGB 色值分离 image.load() r, g, b, a = image.split() result_r, result_g, result_b, result_a = [], [], [], [] # 依次对每个像素点进行处理 for pixel_r, pixel_g, pixel_b, pixel_a in zip(r.getdata(), g.getdata(), b.getdata(), a.getdata()): # 转为 HSV 色值 h, s, v = colorsys.rgb_to_hsv(pixel_r / 255., pixel_b / 255., pixel_g / 255.) # 转回 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] # 每个像素点结果保存 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) # 合并图片 image = Image.merge('RGBA', (r, g, b, a)) # 输出图片 image.save('output.png')
在这里就是增加了对透明像素的处理,在图像 convert 和 merge 的时候都使用 RGBA 模式,就可以保留原有图片中的透明像素了。
以上便是使用 Python 程序自动调整色调的实现。
其他应用
另外对于图像调色的应用还有很多,比如我们可以不直接指定 Hue 的值,而是将 Hue 的值在原来的基础上增加或减少,则可以实现彩虹变色,如:
原图是这样子:
经过处理之后我们可以得到这样的效果:
这样我们使用程序处理出各种风格的好看的照片了,是不是很有意思呢?
大家如果觉得有意思,就快来试试吧~
图片来源于互联网公开内容,如有图片侵权,请联系我删除,谢谢。
喜欢这篇文章的小伙伴可以点赞+收藏+转发哦~
赠送三本Python机器学习基础书籍
Python机器学习经典实例—Python语言描述
内容介绍:
在如今这个处处以数据驱动的世界中,机器学习正变得越来越大众化。它已经被广泛地应用于不同领域, 如搜索引擎、机器人、无人驾驶汽车等。本书首先通过实用的案例介绍机器学习的基础知识,然后介绍一 些稍微复杂的机器学习算法,例如支持向量机、极端随机森林、隐马尔可夫模型、条件随机场、深度神经 网络,等等。
本书是为想用机器学习算法开发应用程序的 Python 程序员准备的。它适合 Python 初学者阅读,不过熟 悉 Python 编程方法对体验示例代码大有裨益。
获取方式
关注小编
私信小编:回复 Python 即可领取书籍
头条怎么私信
点击头条,点击右下角“我的”
在个人界面点击关注,如果你关注了,点击“浪小久”就可以了
回复:pyhon 就可以了 但是你要先关注我哦~