# 加载图片 读取彩色图像归一化且转换为浮点型 image = cv2.imread(input_img_path, cv2.IMREAD_COLOR).astype(np.float32) / 255.0 # 颜色空间转换 BGR转为HLS hlsImg = cv2.cvtColor(image, cv2.COLOR_BGR2HLS) # 1.调整亮度（线性变换) hlsImg[:, :, 1] = (1.0 + lightness / float(MAX_VALUE)) * hlsImg[:, :, 1] hlsImg[:, :, 1][hlsImg[:, :, 1] > 1] = 1 # 饱和度 hlsImg[:, :, 2] = (1.0 + saturation / float(MAX_VALUE)) * hlsImg[:, :, 2] hlsImg[:, :, 2][hlsImg[:, :, 2] > 1] = 1 # HLS2BGR lsImg = cv2.cvtColor(hlsImg, cv2.COLOR_HLS2BGR) * 255 lsImg = lsImg.astype(np.uint8) cv2.imwrite(output_img_path, lsImg) dataset_dir = 'imgs' output_dir = 'output' #这里调参！！！ lightness = int(input("lightness(亮度-100~+100):")) # 亮度 saturation = int(input("saturation(饱和度-100~+100):")) # 饱和度 # 获得需要转化的图片路径并生成目标路径 image_filenames = [(os.path.join(dataset_dir, x), os.path.join(output_dir, x)) for x in os.listdir(dataset_dir)] # 转化所有图片 for path in image_filenames: update(path[0], path[1], lightness, saturation) 使用python中的cv2模块批量调整图片亮度和饱和度，比PS还方便！1. 同一批图片批量处理亮度和饱和度先通过以下链接先确定数值大小使用滑动条调整图片亮度和饱和度2. 确定数值后再使用本文代码进行批量调整完整代码：import numpy as npimport cv2import os# 调整最大值MAX_VALUE = 100def update(input... fImg = img.astype(np.float32) fImg = fImg / 255.0 # HLS空间，三个通道分别是: Hue色相、lightness明度、saturation 饱和度 # 通道0是色相、通道 绘制色调、 饱和度 渐变排列的图像（利用 Python 实现） 作业的思路： 绘制色调、 饱和度 渐变排列的图像 —> 随着图像像素坐标的变换，色调的值、 饱和度 的值按一定规律变化即可 —> 利用循环，随着像素坐标变化，赋予不同 的色调， 饱和度 的值 PIL的ImageDraw模块中的point函数可以对图像单个像素赋予hsl形式的值，使用的格式为： ImageDraw.point(xy, fill=None) 其中xy是表示坐标的元组，fill是填充的颜色 我们需要利用色调和 饱和度 的信息