fix.py

#!/usr/bin/python2
# -*- coding: utf-8 -*-
from PIL import Image
from colorsys import rgb_to_hls, hls_to_rgb

#由于抗锯齿及缩放算法的应用，色块的交界处通常会存在变亮和变暗了的像素
#以红色和黑色的交界线为例，放大后可发现这条线上像素的颜色由红色和黑色混合而成
#对于颜色和黑/白色的混合，一个简单的处理方法可以应用于HLS空间的颜色
def hls(r, g, b):
    return rgb_to_hls(r/255.0, g/255.0, b/255.0)

#色相差距的计算并不是普通的求绝对值，因为值为0和1的色相是相同的
def hueDiffAbs(h1, h2):
    absh = abs(h1 - h2)
    return absh if absh < 0.5 else 1 - absh

src_color = (231, 20, 26)
src_color_hls = hls(*src_color)
target_color = (0, 0, 0xFF)
target_color_hls = hls(*target_color)

im = Image.open('9_019.png')
canvas = im.copy()

w, h = im.size

for x in range(w):
    for y in range(h):
        r, g, b, a = im.getpixel((x, y))
        ch, cl, cs = hls(r, g, b)
        #当前像素和源色的比值反映了源色和黑/白色的混合情况
        lightnessRatio = cl / src_color_hls[1]
        #色相和饱和度的差距反映了颜色的差异
        d = hueDiffAbs(ch, src_color_hls[0]) + 0.5 * abs(cs - src_color_hls[2])
        if d < 0.13:
            #最终像素的颜色，色相和饱和度都照搬目标颜色，但亮度要根据源图作调整
            r, g, b = [int(v*255) for v in hls_to_rgb(target_color_hls[0], target_color_hls[1] * lightnessRatio, target_color_hls[2])]
            canvas.putpixel((x, y), (r, g, b, a))

canvas.save('9_019_gm.png')