前陣子請了年假，陪女朋友出了趟遠(yuǎn)門，途中心情愉悅景色宜人，不過累也是真的累，尤其在幾天都沒休息好還要一路顛簸回到家之后。

誰想到前腳剛踏回家門的我，剛準(zhǔn)備休息，就收到了這樣的消息：

把圖片逐一保存，沒想到她四天功夫竟然拍了小兩百張照片。

這就有點讓我為難了：首先我現(xiàn)在的工作不需要切圖，PS也早就卸載了，其次就算有PS，光是給幾百張圖套上預(yù)設(shè)也得好一會兒才能搞定。又累又困還要做事，想想就很折磨。

我有點一籌莫展，一邊琢磨一邊端詳起這些照片來：

由于原圖質(zhì)量還可以，所以如果修的話其實不需要太多操作，因為當(dāng)天云彩很多光線不是很好，照片顏色有點平淡，可以適當(dāng)加一下飽和度，同時降低一下亮度，就能得到一張不錯的照片了。

這時我突然想起前陣子看OpenCV時用過的一個api，借助python，我們說不定能快速把這幾百張圖搞定。

首先介紹一下HSV，HSV是一種顏色空間，與RGB通過紅綠藍(lán)的組合來描述顏色不同，HSV把顏色拆分為色調(diào)（H）、飽和度（S）和明度（V）三個維度，這樣能夠更直接的表達(dá)色彩的明暗以及鮮艷程度，因此廣泛應(yīng)用于圖像識別領(lǐng)域。

借助opencv的split()函數(shù)，我們可以將圖片的HSV變量分離出來，然后修改后再用merge()函數(shù)合成一張新的圖片，達(dá)到批量修改飽和度和明度的效果。同時split()也可以將圖片的RGB三顏色通道分離出來，然后單獨(dú)對某個通道進(jìn)行修改。

話不多說，開始操作：

import cv2
import numpy as np
import os

def modify_image(img_path, target_dir):
    # 讀取全部圖片
    pic = cv2.imread(img_path, cv2.IMREAD_UNCHANGED)
    # 將圖片修改為HSV
    pichsv = cv2.cvtColor(pic, cv2.COLOR_BGR2HSV)
    # 提取飽和度和明度
    H,S,V = cv2.split(pichsv)
    # S為飽和度，V為明度
    new_pic = cv2.merge([np.uint8(H), np.uint8(S*1.4), np.uint8(V*0.9)])
    # 將合并后的圖片重置為RGB
    pictar = cv2.cvtColor(new_pic, cv2.COLOR_HSV2BGR)
    # 獲取原文件名
    file_name = img_path.split("/")[-1]
    # 將圖片寫入目錄
    cv2.imwrite(os.path.join(target_dir, file_name), pictar)

root, dirs, files = next(os.walk("./test/"))

for item in files:
    img_path = os.path.join(root,item)
    process_image(img_path, "./target/")

三下五除二搞定了代碼，看眼手機(jī)的功夫，幾百張圖片就處理完畢了。左邊是修改前，右邊是修改后，可以看到效果還是很明顯的，顏色飽滿了許多。

幾分鐘就搞定了所有的圖片，女朋友滿臉不可思議，但對結(jié)果很滿意，我當(dāng)然不會告訴她我是怎么做到的啦。