使用Python PIL更改图像色调
我正在使用Python的PIL库,想要调整一张图片的色调。
我对图形方面的术语不太熟悉,所以我说的“调整色调”其实就是在Photoshop里做的一个操作,叫做“色调/饱和度”:这意味着要均匀地改变图片的颜色,如下所示:
- 原图:
- 色调调整为+180(红色):
- 色调调整为-78(绿色):
顺便说一下,Photoshop的色调设置范围是-180到+180(-180等于+180),这可能代表了HSL色调范围(用0到360度表示)。
我想要的是一个函数,给定一个PIL图像和一个范围在[0, 1]之间的浮点数hue(或者范围在[0, 360]之间的整数,没关系),返回调整了hue的图像,就像上面的例子那样。
到目前为止,我做的事情很荒唐,显然没有得到想要的结果。它只是把我的原图和一个填充颜色的图层混合在了一起。
import Image
im = Image.open('tweeter.png')
layer = Image.new('RGB', im.size, 'red') # "hue" selection is done by choosing a color...
output = Image.blend(im, layer, 0.5)
output.save('output.png', 'PNG')
(请不要笑-) 结果:
提前谢谢你们!
解决方案: 这里是更新后的代码,正好符合我所描述的内容。
import Image
import numpy as np
import colorsys
rgb_to_hsv = np.vectorize(colorsys.rgb_to_hsv)
hsv_to_rgb = np.vectorize(colorsys.hsv_to_rgb)
def shift_hue(arr, hout):
r, g, b, a = np.rollaxis(arr, axis=-1)
h, s, v = rgb_to_hsv(r, g, b)
h = hout
r, g, b = hsv_to_rgb(h, s, v)
arr = np.dstack((r, g, b, a))
return arr
def colorize(image, hue):
"""
Colorize PIL image `original` with the given
`hue` (hue within 0-360); returns another PIL image.
"""
img = image.convert('RGBA')
arr = np.array(np.asarray(img).astype('float'))
new_img = Image.fromarray(shift_hue(arr, hue/360.).astype('uint8'), 'RGBA')
return new_img
3 个回答
这是个好问题。PIL(Python Imaging Library)并不会直接把颜色转换成HSV或HSL色彩空间,但如果你想改变图像的色调而不影响亮度和饱和度,就需要进行这样的转换。
你需要先把颜色转换成HSV格式,然后把所有的H值(色调值)增加一些量,最后再转换回RGB格式。
其实,有一部分工作已经在我之前的一个回答中完成了。这个回答使用了另一个叫NumPy的Python模块,将RGB颜色空间转换成HSV。写一个反向转换的代码也不会太麻烦。
如果你最近更新了Pillow这个库,建议你使用 Image.convert() 这个方法:
def rgb2hsv(image: PIL.Image.Image):
return image.convert('HSV')
在Python中,有一段代码可以把RGB颜色转换成HSV颜色(反之亦然),这段代码在标准库的colorsys模块里。我第一次尝试是用
rgb_to_hsv=np.vectorize(colorsys.rgb_to_hsv)
hsv_to_rgb=np.vectorize(colorsys.hsv_to_rgb)
来对这些函数进行向量化处理。不过,使用np.vectorize
会导致代码运行得比较慢。
我通过把colorsys.rgb_to_hsv
和colorsys.hsv_to_rgb
转换成原生的numpy操作,成功让速度提高了大约5倍。
import Image
import numpy as np
def rgb_to_hsv(rgb):
# Translated from source of colorsys.rgb_to_hsv
# r,g,b should be a numpy arrays with values between 0 and 255
# rgb_to_hsv returns an array of floats between 0.0 and 1.0.
rgb = rgb.astype('float')
hsv = np.zeros_like(rgb)
# in case an RGBA array was passed, just copy the A channel
hsv[..., 3:] = rgb[..., 3:]
r, g, b = rgb[..., 0], rgb[..., 1], rgb[..., 2]
maxc = np.max(rgb[..., :3], axis=-1)
minc = np.min(rgb[..., :3], axis=-1)
hsv[..., 2] = maxc
mask = maxc != minc
hsv[mask, 1] = (maxc - minc)[mask] / maxc[mask]
rc = np.zeros_like(r)
gc = np.zeros_like(g)
bc = np.zeros_like(b)
rc[mask] = (maxc - r)[mask] / (maxc - minc)[mask]
gc[mask] = (maxc - g)[mask] / (maxc - minc)[mask]
bc[mask] = (maxc - b)[mask] / (maxc - minc)[mask]
hsv[..., 0] = np.select(
[r == maxc, g == maxc], [bc - gc, 2.0 + rc - bc], default=4.0 + gc - rc)
hsv[..., 0] = (hsv[..., 0] / 6.0) % 1.0
return hsv
def hsv_to_rgb(hsv):
# Translated from source of colorsys.hsv_to_rgb
# h,s should be a numpy arrays with values between 0.0 and 1.0
# v should be a numpy array with values between 0.0 and 255.0
# hsv_to_rgb returns an array of uints between 0 and 255.
rgb = np.empty_like(hsv)
rgb[..., 3:] = hsv[..., 3:]
h, s, v = hsv[..., 0], hsv[..., 1], hsv[..., 2]
i = (h * 6.0).astype('uint8')
f = (h * 6.0) - i
p = v * (1.0 - s)
q = v * (1.0 - s * f)
t = v * (1.0 - s * (1.0 - f))
i = i % 6
conditions = [s == 0.0, i == 1, i == 2, i == 3, i == 4, i == 5]
rgb[..., 0] = np.select(conditions, [v, q, p, p, t, v], default=v)
rgb[..., 1] = np.select(conditions, [v, v, v, q, p, p], default=t)
rgb[..., 2] = np.select(conditions, [v, p, t, v, v, q], default=p)
return rgb.astype('uint8')
def shift_hue(arr,hout):
hsv=rgb_to_hsv(arr)
hsv[...,0]=hout
rgb=hsv_to_rgb(hsv)
return rgb
img = Image.open('tweeter.png').convert('RGBA')
arr = np.array(img)
if __name__=='__main__':
green_hue = (180-78)/360.0
red_hue = (180-180)/360.0
new_img = Image.fromarray(shift_hue(arr,red_hue), 'RGBA')
new_img.save('tweeter_red.png')
new_img = Image.fromarray(shift_hue(arr,green_hue), 'RGBA')
new_img.save('tweeter_green.png')
这样做的结果是
还有