python 使用opencv 来降低一张图片的色调和色温和饱和度

可以使用opencv中的cv2.cvtColor()函数来降低图片的色调和色温，使用cv2.addWeighted()函数来调整图片的饱和度。

以下是一个示例代码：

import cv2
import numpy as np

img = cv2.imread('example.jpg')

# 降低色调和色温
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hsv[:, :, 1] -= 30
hsv[:, :, 2] -= 30
img = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

# 调整饱和度
alpha = 1.5
beta = -0.5 * 255 * (alpha - 1)
img = cv2.addWeighted(img, alpha, np.zeros_like(img), 0, beta)

cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在代码中，我们首先读取了一张图片，并将其转换为HSV颜色空间。然后，我们通过减少饱和度和亮度来降低图片的色调和色温。最后，我们使用cv2.addWeighted()函数来调整图片的饱和度，其中alpha参数控制饱和度的变化量，beta参数控制亮度的变化量。最终结果可以使用cv2.imshow()函数来显示。

相关问题

python 使用opencv 来降低一张图片的色调和色温

可以使用OpenCV的调整颜色功能来降低一张图片的色调和色温。具体步骤如下：

1. 导入所需的库

import cv2
import numpy as np

2. 读取图片

img = cv2.imread('image.jpg')

3. 调整色调和色温

使用 `cv2.cvtColor()` 函数来将图片从BGR颜色空间转换为HSV颜色空间，然后通过修改HSV值来调整色调和色温。

# 将图片从BGR转换为HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 修改HSV值来调整色调和色温
h, s, v = cv2.split(hsv)
h += 10  # 增加色调值
v -= 10  # 减少亮度值
hsv = cv2.merge((h, s, v))

# 将图片从HSV转换回BGR
result = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

4. 显示结果

cv2.imshow('Original Image', img)
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

完整代码如下：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('image.jpg')

# 将图片从BGR转换为HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 修改HSV值来调整色调和色温
h, s, v = cv2.split(hsv)
h += 10  # 增加色调值
v -= 10  # 减少亮度值
hsv = cv2.merge((h, s, v))

# 将图片从HSV转换回BGR
result = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

# 显示结果
cv2.imshow('Original Image', img)
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

python 使用opencv 来降低饱和度

可以使用 OpenCV 中的 cv2.cvtColor() 函数来降低图像的饱和度。该函数将图像从一种颜色空间转换为另一种颜色空间。在这种情况下，我们将图像从 BGR 颜色空间转换为 HSV 颜色空间，然后降低饱和度。

以下是一段代码示例：

import cv2

# 加载图像
img = cv2.imread('image.jpg')

# 将图像从 BGR 转换为 HSV
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 降低饱和度
hsv[:,:,1] = hsv[:,:,1] * 0.5

# 将图像从 HSV 转换回 BGR
result = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)

# 显示结果图像
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的代码中，我们首先将图像从 BGR 转换为 HSV 颜色空间，并将其存储在名为 hsv 的变量中。然后，我们将 hsv 中的饱和度通道乘以 0.5，从而将饱和度减少了一半。最后，我们将图像从 HSV 转换回 BGR 颜色空间，并在屏幕上显示结果图像。