图像色彩知识及python实现图片色调转换

胡卫雄

想做一个我行我素的人，却摆脱不了条条框框的束缚

图像色彩知识

首先我们讲解下图像的一种表示方法:RGB
其次我们再了解下图像的另一个表示:HSB，也叫作HSV

RGB

RGB,是指颜色的三原色，分别代表红色(red),绿色(green),蓝色(blue),用这是三种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。

混合光图

这是一张平面图，没有很好地体现三原色的混合关系，可以看下面的三维立体图。

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。

HSB

如果我们要做一张图片的色彩的转换，了解RGB还不足以支撑我们去完成这个任务。因为要对一张图片实现色彩的转换，需要调节的是色相。那么色相是什么呢？它就是我们将要谈到的HSB中的H了。

HSB，又叫做 HSV，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(Brightness)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之间的转换

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：

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，我们可以直接使用。

python实现图片色调转换

了解了以上内容之后，我们就可以使用python来实现色调转换了。我们已经知道要实现图片的色调转换应该改什么内容了，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

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 = '640_6.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')

输出的效果如下

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。

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 = '640_6.jpg'
# 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)