图像处理——饱和度调整算法（python语言）_蟹白饼cookie的博客

饱和度调整算法说明（完整python代码在文末）：

本算法主要是利用HSL颜色空间进行饱和度S的上下限控制，对RGB空间进行补丁式调整。调整过程在RGB空间进行，其原理简单地说就是判断每个像素的R、G、B值是否大于或小于平均值，大于加上调整值，小于则减去调整值，如何计算各个像素点的调整系数是关键。本算法主体思想就是利用HSL来计算各点的调整系数。

算法过程如下：

（参考CSDN博客： https://blog.csdn.net/maozefa/article/details/1781208 ）

1. 首先将RGB空间图像转换为HSL空间，用来对饱和度S进行上下限控制，这里不考虑色相H差异。

转换公式如下：

其中L表示亮度，S表示饱和度，min和max代表RGB空间中的R、G、B颜色值中的最小最大值，范围均为0-1的实数。

设置饱和度增量increment，范围为-1至1，并由此计算出适用于RGB空间的调整系数进行饱和度调整。

这里分两种情况：

1）当增量i (increment) >= 0时，此时饱和度采用指数型增长方式调整。考虑到当前饱和度s与增量i之和可能大于1，超出饱和度上限，故仅仅考虑i作为调整依据不妥。在此选定当i+s大于1时，取s补数作为调整依据（s补数越大，调整越大）；当i+s小于1，取i作为调整依据（i越大，调整越大）。RGB空间的调整系数alpha公式如下：

其中s代表当前饱和度，i代表设置的饱和度增量(increment)。

2）当增量i (increment) < 0时，此时饱和度采用线性减弱方式调整。考虑到当i取-1时，R、G、B值会相等，可以直接采用线性的方式作调整。RGB空间的调整系数alpha如下：

3. 将饱和度调整过的RGB进行校验，即小于0的取0，大于1的取1。

4. 将饱和度调整完毕的RGB图输出比较即可。

完整python代码如下：

运行方式：打开终端界面，在该py文件目录下，运行： python 该文件.py 图片路径饱和等级(-1~1)

例如：python Saturation.py C:\Users\PDD\Desktop\pdd.jpg 0.5

import cv2
import sys
import numpy as np
import matplotlib.pyplot as plt
  主要是利用HSL颜色空间进行饱和度S和亮度L的上下限控制，对RGB空间进行补丁式调整。
  参考CSDN博客：https://blog.csdn.net/maozefa/article/details/1781208
def PSAlgorithm(rgb_img, increment):
    img = rgb_img * 1.0
    img_min = img.min(axis=2)
    img_max = img.max(axis=2)
    img_out = img
    #获取HSL空间的饱和度和亮度
    delta = (img_max - img_min) / 255.0
    value = (img_max + img_min) / 255.0
    L = value/2.0
    # s = L<0.5 ? s1 : s2
    mask_1 = L < 0.5
    s1 = delta/(value)
    s2 = delta/(2 - value)
    s = s1 * mask_1 + s2 * (1 - mask_1)
    # 增量大于0，饱和度指数增强
    if increment >= 0 :
        # alpha = increment+s > 1 ? alpha_1 : alpha_2
        temp = increment + s
        mask_2 = temp >  1
        alpha_1 = s
        alpha_2 = s * 0 + 1 - increment
        alpha = alpha_1 * mask_2 + alpha_2 * (1 - mask_2)
        alpha = 1/alpha -1 
        img_out[:, :, 0] = img[:, :, 0] + (img[:, :, 0] - L * 255.0) * alpha
        img_out[:, :, 1] = img[:, :, 1] + (img[:, :, 1] - L * 255.0) * alpha
        img_out[:, :, 2] = img[:, :, 2] + (img[:, :, 2] - L * 255.0) * alpha
    # 增量小于0，饱和度线性衰减
    else:
        alpha = increment
        img_out[:, :, 0] = img[:, :, 0] + (img[:, :, 0] - L * 255.0) * alpha
        img_out[:, :, 1] = img[:, :, 1] + (img[:, :, 1] - L * 255.0) * alpha
        img_out[:, :, 2] = img[:, :, 2] + (img[:, :, 2] - L * 255.0) * alpha
    img_out = img_out/255.0
    # RGB颜色上下限处理(小于0取0，大于1取1)
    mask_3 = img_out  < 0 
    mask_4 = img_out  > 1
    img_out = img_out * (1-mask_3)
    img_out = img_out * (1-mask_4) + mask_4
    return img_out
path = './resource/fruit.bmp'
increment = 0.5  # 范围-1到1
#  run : python Saturation.py (path) (increment)
if __name__ == "__main__":
    len = len(sys.argv)
    if len >= 2 :
        path = sys.argv[1]
        if len >= 3 :
            increment = float(sys.argv[2])
    img = cv2.imread(path)
    img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)
    img_new = PSAlgorithm(img, increment)
    plt.figure("img_original")
    plt.imshow(img/255.0)
    plt.axis('off')
    plt.figure("img_saturate")
    plt.imshow(img_new)
    plt.axis('off')
    plt.show()  
                    饱和度调整算法说明（完整python代码在文末）：本算法主要是利用HSL颜色空间进行饱和度S的上下限控制，对RGB空间进行补丁式调整。调整过程在RGB空间进行，其原理简单地说就是判断每个像素的R、G、B值是否大于或小于平均值，大于加上调整值，小于则减去调整值，如何计算各个像素点的调整系数是关键。本算法主体思想就是利用HSL来计算各点的调整系数。算法过程如下：（参考CSDN博客：http...
				Photoshop 的色相/饱和度调整，可以对全图、红、黄、绿、青、蓝、洋红六个通道进行设置。每个通道可设置：　色相（hue）,  饱和度(satuation), 明度(Lightness)三个调整值。
另包含 多个颜色空间转换函数
				图像采样与分辨率
• 采样后得到离散图像的尺寸称为图像分辨率。分辨率是数字图像可辨别的最小细节。
• 分辨率由宽（width）和高（height）两个参数构成。宽表示水平方向的细节数，高表示垂直方向的细节数。
• 例如：
一副640*480分辨率的图像，表示这幅图像是由
	640*480=307200个点组成。
一副1920*1080分辨率的图像，表示这幅图像是由
	1920*1080= 2073600个点组成。
采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
				饱和度调节
饱和度调整的算法很多，基本上是越复杂的算法，调整后的图像视觉效果越好。
由于FPGA 不善长复杂的浮点运算，另一方面由于本文定位于基本的图像处理算法，此处只选择一种比较简单的饱和度算法。
设当前输入像素值位宽为 8，RGB 三通道数值为 r、g、b，三个数值间最大值为 max，最小值为 min。
如果 max=minmax=minmax=min，则当前像素点不用调节，直接输出原像素值。...
最简单的就是判断每个像素的R、G、B值是否大于或小于128，大于128就加上调整值，小于则减去调整值；
也可以将像素RGB转换为HSV或者HSL，然后调整其S部分，从而达到 线性调整图像饱和度的目的。
Photoshop的饱和度调整范围大，效果也好。Photoshop的色相/饱和度的调整是转换为HSL颜色模式进行的，但是饱和度的增减调节是独立与HSL模式之外的算法。
PS饱和度调整算法
PS饱和度调整算法主要是利用HSL颜色空间进行饱和度S的上下限控制，对RGB空间进行补丁式调整。调
自己在网上找开源或者自己编写神经网络结构，借助数据集进行训练，然后得到模型。但是这种方法对应小白或者没有接触深度网络（人工智能）方面的小伙伴，简直太难了。
	竟然如此，那么就看下面第二种方法。
	借助第三方接口，直接调用接口就可以将图片转化为高清。
接下来帅子手把手教大家如何借助第三方（百度AI）接口，对照片进行高清化。
				本文用 Python 实现 PS 图像调整中的饱和度调整算法，具体的算法原理和效果可以参考之前的博客：http://blog.csdn.net/matrix_space/article/details/22992961import matplotlib.pyplot as plt
from skimage import iofile_name = 'D:/Visual Effects/PS Algo
void AdjustSatuation(cv::Mat &image, float percent) {
    int width = image.cols, height = image.rows;
    for (int i = 0; i < height; ++i) {
        auto data = image.ptr<cv::Vec3b>(i);
        for (int j = 0; j < width; +
# 加载图片 读取彩色图像归一化且转换为浮点型
image = cv2.imread('./imgs/2.jpg', cv2.IMREAD_COLOR).astype(np.float32) / 255.0
# 颜色空间转换 BGR转为HLS
hlsImg = cv2.cvtColo...
				【机器学习】梯度、梯度法、python实现神经网络的梯度计算一、python实现求导的代码：二、what is 梯度三、使用梯度法寻找神经网络的最优参数四、神经网络的梯度计算
一、python实现求导的代码：
导数含义也就是：变量x一个微小的变化将导致f(x)的值在多大程度上变化。
def numerical_diff(f, x):
    h = 1e-4
    return (f(x+h) - f(x-h)) / (2*h)
偏导数怎么求，对哪个变量求偏导，就把其他变量固定为某个值，然后就像求一元函
    input_image = cv2.cvtColor(input_image , cv2.COLOR_BGR2HLS)
    # saturation
    input_image [:, :, 2] = sclale_value * input_image [:, :, 2]
    input_image [:, :, 2][input_image [:, :, 2] > 1] = 1
    # HLS2BGR
    input_image = cv2.cvtC