如何用 Python 给照片换色__python怎么换背景颜色

“

阅读本文大概需要 6 分钟。

”

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：

如何用 Python 给照片换色_像素点原图

我把它转成红色、黄色、蓝色、紫色，基本就是这个样子：

如何用 Python 给照片换色_代码实现_02 红色风格如何用 Python 给照片换色_代码实现_03 黄色风格如何用 Python 给照片换色_像素点_04 绿色图片如何用 Python 给照片换色_像素点_05 蓝色图片

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：

如何用 Python 给照片换色_python_06

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：

如何用 Python 给照片换色_代码实现_07

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，向左延伸为 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：

如何用 Python 给照片换色_代码实现_08

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：

如何用 Python 给照片换色_代码实现_09 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：

如何用 Python 给照片换色_python_10 RGB to HSB 如何用 Python 给照片换色_像素点_11 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：

如何用 Python 给照片换色_像素点所以最后的输出效果就是如下的结果：如何用 Python 给照片换色_代码实现_13

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：

如何用 Python 给照片换色_python_14

如何用 Python 给照片换色_python_15

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：

如何用 Python 给照片换色_python_16

经过处理之后我们可以得到这样的效果：

如何用 Python 给照片换色_代码实现_17

如何用 Python 给照片换色_代码实现_18

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？具体的实现可以参考：https://stackoverflow.com/questions/27041559/rgb-to-hsv-python-change-hue-continuously。

大家如果觉得有意思，就快来试试吧~