脚本如何批量调整图片饱和度

本文目录导读：

1. 使用 Python + Pillow（最常用）
2. 使用 OpenCV（RGB转换）
3. 更灵活的版本（可调节参数）
4. 命令行版本（使用ImageMagick）
5. 安装依赖
6. 使用说明

使用 Python + Pillow（最常用）

from PIL import Image, ImageEnhance
import os
from pathlib import Path
def batch_adjust_saturation(input_dir, output_dir, saturation_factor=1.5):
    """
    批量调整图片饱和度
    :param input_dir: 输入目录
    :param output_dir: 输出目录
    :param saturation_factor: 饱和度因子（1.0=原始，>1增加，<1减少）
    """
    # 创建输出目录
    Path(output_dir).mkdir(parents=True, exist_ok=True)
    # 支持的图片格式
    supported_formats = ('.jpg', '.jpeg', '.png', '.bmp', '.tiff')
    for filename in os.listdir(input_dir):
        if filename.lower().endswith(supported_formats):
            try:
                # 打开图片
                img_path = os.path.join(input_dir, filename)
                img = Image.open(img_path)
                # 调整饱和度
                enhancer = ImageEnhance.Color(img)
                img_adjusted = enhancer.enhance(saturation_factor)
                # 保存图片
                output_path = os.path.join(output_dir, filename)
                img_adjusted.save(output_path)
                print(f"已处理: {filename}")
            except Exception as e:
                print(f"处理 {filename} 时出错: {e}")
# 使用示例
batch_adjust_saturation(
    input_dir="input_images",
    output_dir="output_images",
    saturation_factor=1.5  # 增加50%饱和度
)

使用 OpenCV（RGB转换）

import cv2
import numpy as np
import os
def batch_adjust_saturation_opencv(input_dir, output_dir, saturation_scale=1.5):
    """
    使用OpenCV批量调整饱和度
    """
    os.makedirs(output_dir, exist_ok=True)
    for filename in os.listdir(input_dir):
        if filename.lower().endswith(('.jpg', '.png', '.jpeg')):
            # 读取图片
            img = cv2.imread(os.path.join(input_dir, filename))
            # 转换到HSV颜色空间
            hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
            # 调整饱和度（S通道）
            hsv[:, :, 1] = np.clip(hsv[:, :, 1] * saturation_scale, 0, 255)
            # 转换回BGR
            img_adjusted = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
            # 保存
            cv2.imwrite(os.path.join(output_dir, filename), img_adjusted)
            print(f"已处理: {filename}")
# 使用示例
batch_adjust_saturation_opencv(
    input_dir="input_images",
    output_dir="output_images",
    saturation_scale=1.5
)

更灵活的版本（可调节参数）

from PIL import Image, ImageEnhance
import os
import argparse
from pathlib import Path
class ImageSaturationAdjuster:
    def __init__(self):
        self.supported_formats = ('.jpg', '.jpeg', '.png', '.bmp', '.tiff')
    def adjust_saturation(self, image_path, saturation_factor):
        """调整单张图片的饱和度"""
        img = Image.open(image_path)
        enhancer = ImageEnhance.Color(img)
        return enhancer.enhance(saturation_factor)
    def batch_process(self, input_dir, output_dir, saturation_factor):
        """批量处理"""
        # 创建输出目录
        Path(output_dir).mkdir(parents=True, exist_ok=True)
        # 获取所有图片文件
        files = [f for f in os.listdir(input_dir) 
                if f.lower().endswith(self.supported_formats)]
        if not files:
            print("没有找到支持的图片文件")
            return
        for i, filename in enumerate(files, 1):
            try:
                input_path = os.path.join(input_dir, filename)
                output_path = os.path.join(output_dir, filename)
                # 调整饱和度
                img_adjusted = self.adjust_saturation(input_path, saturation_factor)
                # 保存
                img_adjusted.save(output_path)
                print(f"[{i}/{len(files)}] 已处理: {filename}")
            except Exception as e:
                print(f"处理 {filename} 时出错: {e}")
    def dry_run(self, input_dir, saturation_factor):
        """预览效果（不保存）"""
        files = [f for f in os.listdir(input_dir) 
                if f.lower().endswith(self.supported_formats)]
        for filename in files[:5]:  # 只预览前5张
            input_path = os.path.join(input_dir, filename)
            img_adjusted = self.adjust_saturation(input_path, saturation_factor)
            print(f"{filename}: 原始尺寸 {img_adjusted.size}, 饱和度因子 {saturation_factor}")
# 使用示例
if __name__ == "__main__":
    adjuster = ImageSaturationAdjuster()
    # 批量处理
    adjuster.batch_process(
        input_dir="input_images",
        output_dir="output_images",
        saturation_factor=1.5  # 增加50%饱和度
    )
    # 或者预览效果
    # adjuster.dry_run("input_images", 1.5)

命令行版本（使用ImageMagick）

#!/bin/bash
# batch_saturation.sh
INPUT_DIR="input_images"
OUTPUT_DIR="output_images"
SATURATION="150%"  # 百分比，100%为原始
# 创建输出目录
mkdir -p "$OUTPUT_DIR"
# 批量处理
for img in "$INPUT_DIR"/*.{jpg,jpeg,png,bmp}; do
    if [ -f "$img" ]; then
        filename=$(basename "$img")
        convert "$img" -modulate 100,$SATURATION,100 "$OUTPUT_DIR/$filename"
        echo "已处理: $filename"
    fi
done

安装依赖

# 安装 Python 依赖
pip install Pillow opencv-python
# 安装 ImageMagick（Linux）
sudo apt-get install imagemagick
# 安装 ImageMagick（Mac）
brew install imagemagick

使用说明

1. 饱和度因子说明：

   • 0 = 原始饱和度
   • > 1.0 = 增加饱和度（如1.5表示增加50%）
   • < 1.0 = 降低饱和度（如0.5表示减少50%）
   • 0 = 完全去色（黑白）

2. 建议先备份原图，批量处理后不满意可以恢复

3. 根据需求选择方法：

   • Pillow：简单易用，适合一般需求
   • OpenCV：处理速度更快，适合大批量处理
   • ImageMagick：命令行操作，适合自动化脚本

4. 批量处理前建议先用1-2张测试效果