前阵子请了年假，陪女朋友出了趟远门，途中心情愉悦景色宜人，不过累也是真的累，尤其在几天都没休息好还要一路颠簸回到家之后。
谁想到前脚刚踏回家门的我，刚准备休息，就收到了这样的消息：
把图片逐一保存，没想到她四天功夫竟然拍了小两百张照片。
这就有点让我为难了：首先我现在的工作不需要切图，PS也早就卸载了，其次就算有PS，光是给几百张图套上预设也得好一会儿才能搞定。又累又困还要做事，想想就很折磨。
我有点一筹莫展，一边琢磨一边端详起这些照片来：
由于原图质量还可以，所以如果修的话其实不需要太多操作，因为当天云彩很多光线不是很好，照片颜色有点平淡，可以适当加一下饱和度，同时降低一下亮度，就能得到一张不错的照片了。
这时我突然想起前阵子看OpenCV时用过的一个api，借助python，我们说不定能快速把这几百张图搞定。
首先介绍一下HSV，HSV是一种颜色空间，与RGB通过红绿蓝的组合来描述颜色不同，HSV把颜色拆分为色调（H）、饱和度（S）和明度（V）三个维度，这样能够更直接的表达色彩的明暗以及鲜艳程度，因此广泛应用于图像识别领域。
借助opencv的split()函数，我们可以将图片的HSV变量分离出来，然后修改后再用merge()函数合成一张新的图片，达到批量修改饱和度和明度的效果。同时split()也可以将图片的RGB三颜色通道分离出来，然后单独对某个通道进行修改。
话不多说，开始操作：
import cv2
import numpy as np
import os
def modify_image(img_path, target_dir):
# 读取全部图片
pic = cv2.imread(img_path, cv2.IMREAD_UNCHANGED)
# 将图片修改为HSV
pichsv = cv2.cvtColor(pic, cv2.COLOR_BGR2HSV)
# 提取饱和度和明度
H,S,V = cv2.split(pichsv)
# S为饱和度，V为明度
new_pic = cv2.merge([np.uint8(H), np.uint8(S*1.4), np.uint8(V*0.9)])
# 将合并后的图片重置为RGB
pictar = cv2.cvtColor(new_pic, cv2.COLOR_HSV2BGR)
# 获取原文件名
file_name = img_path.split("/")[-1]
# 将图片写入目录
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码，看眼手机的功夫，几百张图片就处理完毕了。左边是修改前，右边是修改后，可以看到效果还是很明显的，颜色饱满了许多。
几分钟就搞定了所有的图片，女朋友满脸不可思议，但对结果很满意，我当然不会告诉她我是怎么做到的啦。
