如何使用Pillow或其他替代库简便且正确地实现色相偏移？

嘿，这个需求我刚好折腾过！完全可以用Pillow轻松实现色相偏移，还能精准保留原图像的颜色数量，下面给你一步步拆解：

核心思路 #

色相偏移的本质是在HSV色彩空间中调整色相（H）通道的值，再转回RGB空间。如果要严格保留原图像的颜色数量，关键是先提取原图的调色板（不管是索引图自带的还是真彩图量化得到的），只调整调色板中每个颜色的色相，再把图像重新映射到调整后的调色板上——这样就能保证颜色总数和原图完全一致。

步骤1：基础色相偏移（不限制颜色数） #

如果只是单纯做色相偏移，不需要严格保留颜色数，直接通过HSV通道调整即可：

from PIL import Image

def hue_shift(image, shift_degrees):
    # 转换到HSV色彩空间
    hsv = image.convert('HSV')
    h, s, v = hsv.split()
    
    # 将偏移角度转换为Pillow H通道的0-255范围（对应0-360度）
    shift = int((shift_degrees / 360) * 255)
    
    # 对H通道做偏移，用取模保证值在0-255区间内
    h_shifted = h.point(lambda x: (x + shift) % 255)
    
    # 合并通道并转回RGB
    hsv_shifted = Image.merge('HSV', (h_shifted, s, v))
    return hsv_shifted.convert('RGB')

# 示例用法
img = Image.open('your_image.png')
shifted_img = hue_shift(img, 90)  # 色相偏移90度
shifted_img.save('shifted_image.png')

步骤2：保留原图像颜色数量的色相偏移 #

如果要严格保留原图的颜色数量，需要先提取调色板再调整：

from PIL import Image
import colorsys

def hue_shift_preserve_color_count(image, shift_degrees):
    # 获取原图的调色板与颜色数量
    if image.mode == 'P':
        # 索引图直接读取自带调色板
        palette = image.getpalette()
        color_count = image.getcolors()[0][0] if image.getcolors() else 256
    else:
        # 真彩图先量化生成调色板
        quantized = image.quantize()
        palette = quantized.getpalette()
        color_count = quantized.getcolors()[0][0]
        image = quantized  # 转为索引图方便后续处理
    
    # 将偏移角度转换为colorsys库用的0-1范围
    shift = shift_degrees / 360
    
    # 逐个调整调色板中颜色的色相
    new_palette = []
    for i in range(color_count):
        # 从调色板中取出RGB值（每3个元素对应一个颜色）
        r, g, b = palette[i*3], palette[i*3+1], palette[i*3+2]
        
        # RGB转HSV（colorsys要求输入为0-1范围）
        h, s, v = colorsys.rgb_to_hsv(r/255, g/255, b/255)
        
        # 调整色相并取模保证在0-1区间内
        h = (h + shift) % 1
        
        # HSV转回RGB并转为0-255整数
        r_new, g_new, b_new = colorsys.hsv_to_rgb(h, s, v)
        new_palette.extend([int(r_new*255), int(g_new*255), int(b_new*255)])
    
    # 补全调色板到768位（Pillow要求调色板长度固定为768）
    new_palette += [0]*(768 - len(new_palette))
    
    # 创建新索引图并应用调整后的调色板
    shifted_image = Image.new('P', image.size)
    shifted_image.putdata(image.getdata())
    shifted_image.putpalette(new_palette)
    
    # 可按需转回RGB模式，颜色数量仍与原图一致
    return shifted_image.convert('RGB')

# 示例用法
img = Image.open('your_image.png')
shifted_img = hue_shift_preserve_color_count(img, 180)  # 色相偏移180度
shifted_img.save('shifted_preserved_colors.png')

为什么这个方法有效？ #

• 对于索引图像，直接修改调色板的色相，像素索引不变，仅对应颜色变化，颜色数量完全匹配原图。
• 对于真彩色图像，先通过quantize()提取原图的颜色集合，再调整集合内每个颜色的色相，相当于把原图颜色映射到同数量的偏移后颜色上，完美保留颜色总数。

替代库参考？ #

如果觉得Pillow的步骤稍繁琐，也可以用OpenCV实现，但Pillow已经足够轻量简便，上面的代码封装成函数后直接调用即可，无需额外复杂依赖。

内容的提问来源于stack exchange，提问作者Motheus