前面已经做过图片亮度、对比度、色偏、过曝、欠曝这些基础图像分析，这次继续做一个和颜色有关的小工具：
图片色彩丰富度分析。
平时看一张图片，我们经常会觉得：
“这张图颜色很艳。”
“这张图有点灰。”
“这个画面颜色很淡。”
这种感觉其实和：
Saturation，饱和度
有很大关系。
所以这次我用华为云码道辅助开发了一个简单的：
OpenCV Image Colorfulness Analyzer
上传图片以后，程序会自动分析 HSV 中的 Saturation 通道，并给出：
Average Saturation
Maximum Saturation
Colorfulness Score
Saturation Level
同时还会绘制一张饱和度直方图。
一、什么是 Saturation？
在 HSV 色彩空间中：
H：Hue，色相
S：Saturation，饱和度
V：Value，亮度
其中 Saturation 可以简单理解成：
颜色到底有多“浓”。
例如：
一张鲜艳的红色图片，Saturation 通常比较高。
而一张接近灰色的图片，即使亮度很高，Saturation 也可能很低。
所以如果想分析：
一张图片整体颜色丰富不丰富
可以从 Saturation 入手。
二、为什么不用 RGB 直接判断？
前面做色偏分析时，使用的是 RGB 三个通道平均值。
那一篇回答的是：
图片整体偏红、偏绿还是偏蓝？
而这一篇关注的是：
颜色到底浓不浓。
例如一张图片可能不偏任何颜色，但整体很灰。
这种情况下：
RGB 三个通道可能比较接近，
但 Saturation 会很低。
所以两个指标的用途不同。
三、这次工具做了哪些功能？
这次项目依然保持轻量，主要包括：
- 上传 JPG / PNG 图片
- 转换到 HSV 色彩空间
- 提取 Saturation 通道
- 计算 Average Saturation
- 计算 Maximum Saturation
- 生成 Colorfulness Score
- 判断 Low / Normal / High Saturation
- 绘制 Saturation Histogram
- 支持下载分析图
整个流程就是：
上传图片
↓
OpenCV 转 HSV
↓
提取 Saturation
↓
计算平均值
↓
判断饱和度等级
↓
生成直方图
四、核心算法其实很简单
先把 OpenCV 读取到的 BGR 图片转换成 HSV：
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)然后取 Saturation 通道：
s = hsv[:, :, 1]接着计算：
avg_saturation = s.mean()max_saturation = s.max()这次为了保持工具简单，
Colorfulness Score 直接使用：
Average Saturation
也就是：
Colorfulness Score = Average Saturation五、这次怎么判断饱和度等级？
当前设置了三个简单区间：
Average Saturation < 60
→Low Saturation
60 ≤ Average Saturation < 140
→Normal Saturation
Average Saturation ≥ 140
→High Saturation
这套阈值主要是为了做直观分类。
它并不是专业图像质量评价标准。
页面里也专门标注了：
Heuristic metric
也就是：
启发式指标。
六、真实测试结果
这次继续使用之前的狗狗公园图片。
最终得到：
Colorfulness Score：
114.31
Average Saturation：
114.31 / 255
Maximum Saturation：
255
Saturation Level：
Normal Saturation
按照当前阈值：
114.31 位于：
60～140
之间。
所以最终被判断为：
Normal Saturation
七、为什么这张图片是 Normal Saturation？
从原图来看，这个结果其实比较符合直觉。
图片里包含：
蓝天
绿色草地
树木
金黄色狗狗毛发
颜色种类很多。
但这些颜色并没有整体达到非常夸张、非常艳丽的程度。
所以：
Average Saturation = 114.31
属于中等范围。
也就是说：
颜色比较丰富，但整体饱和度没有高到“艳得发亮”的程度。
八、Maximum Saturation = 255 是什么意思？
这次页面中还显示：
Maximum Saturation：255
说明图片中至少存在一些像素达到了当前 HSV Saturation 通道的最大值。
也就是：
某些局部区域颜色非常纯、非常饱和。
但这里需要注意：
Maximum Saturation 只能说明：
最饱和的局部像素有多高。
它不能代表整张图片的整体色彩情况。
真正判断整张图时，Average Saturation 更有参考意义。
九、为什么平均值比最大值更重要？
假设一张图片几乎全是灰色，
只有一个很小的红点。
那个红点的 Saturation 可能达到：
255
但整张图片看起来依然不会很鲜艳。
所以：
Maximum Saturation 很容易被少量局部像素影响。
而：
Average Saturation
考虑了整张图片所有像素。
因此更适合用来判断：
整体饱和度水平。
十、Saturation Histogram 能看出什么？
这次页面还绘制了：
Saturation Histogram
横轴是：
0～255
左边：
低饱和度
右边：
高饱和度
从这次结果可以看到，
图片中的 Saturation 并不是集中在某一个非常窄的区间，
而是在中间范围有比较明显的分布。
这也和最终：
Average Saturation = 114.31
比较一致。
十一、Low Saturation 是什么样？
如果图片整体颜色比较灰、比较淡，
那么 Saturation 通道就会偏低。
例如：
雾天
灰色建筑
低饱和滤镜
接近黑白的图片
这些图片可能得到：
Average Saturation < 60
最后判断为：
Low Saturation
视觉上通常会感觉：
颜色不浓，整体比较平。
十二、High Saturation 又是什么样？
如果图片包含大量非常鲜艳的颜色，
例如：
霓虹灯
高饱和海报
艳丽花朵
强烈滤镜
那么 Saturation 可能明显升高。
当：
Average Saturation ≥ 140
就会被当前工具判断为：
High Saturation
这种图片通常会有比较明显的：
鲜艳、浓烈、强色彩感。
十三、Colorfulness 和 Color Bias 有什么区别？
这两个项目虽然都和颜色有关，但关注点完全不同。
前面的 Color Bias Analyzer：
看的是：
哪一个 RGB 通道更强。
回答：
偏红？
偏绿？
偏蓝？
这次的 Colorfulness Analyzer：
看的是：
整体饱和度高不高。
回答：
颜色淡不淡？
颜色浓不浓？
所以：
Color Bias
更关注颜色方向。
Colorfulness
更关注颜色强度。
十四、这个指标有什么局限？
Average Saturation 只是一个很简单的统计指标。
它不能直接代表：
图片质量
色彩准确度
视觉美感
例如：
一张专业的低饱和摄影作品，
Average Saturation 可能很低，
但图片本身依然很好看。
同样：
一张严重过度调色的图片，
Saturation 很高，
也不代表它质量更好。
所以这个工具更适合：
分析颜色强弱
而不是评价：
图片好不好。
十五、可以用在哪里？
这种简单的 Saturation 分析可以用于很多基础场景。
例如：
数据集分析
快速找出：
低饱和图片
高饱和图片
颜色分布异常的样本
图片风格分类
可以辅助判断：
偏灰风格
正常色彩
高饱和风格
图像增强前后比较
例如调整 Saturation 前后，可以比较：
Average Saturation
有没有明显变化。
摄影和设计辅助
也可以快速观察一张图片整体颜色到底有多浓。
总结
这次用华为云码道辅助开发了一个：
OpenCV 图片色彩丰富度分析工具。
核心流程：
上传图片
↓
转换 HSV
↓
提取 Saturation 通道
↓
计算 Average Saturation
↓
计算 Maximum Saturation
↓
生成 Colorfulness Score
↓
判断 Saturation Level
↓
绘制 Saturation Histogram
真实测试结果：
Colorfulness Score：
114.31
Average Saturation：
114.31 / 255
Maximum Saturation：
255
Saturation Level：
Normal Saturation
从原图来看，蓝天、草地和狗狗毛发都提供了比较丰富的颜色，但整体又没有特别夸张，所以最终判断为 Normal Saturation 也比较合理。
前一篇色偏分析回答的是：
图片偏什么颜色？
这一篇则进一步回答：
图片里的颜色到底浓不浓？
下一篇可以继续做一个同样简单、但视觉效果不错的方向：
图片颜色冷还是暖？用华为云码道开发 OpenCV 色温倾向分析工具
通过蓝色和红色通道的相对关系，给出：
Cool / Neutral / Warm
三种简单色温倾向。
