有了你提供的新信息，我认为下面的代码应该可以做到这一点。lut_in是输入灰度级的矢量，lut_out是所需的输出灰度级。（就像在photoshop中一样）。你唯一需要的是插值来有一个LUT（查找表），它适合输入的256个灰度级。您可以将相同的方法应用于其他颜色分辨率。

import cv2
import numpy as np

image = cv2.imread('apple.jpg')

lut_in = [0, 127, 255]
lut_out = [0, 80, 255]

lut_8u = np.interp(np.arange(0, 256), lut_in, lut_out).astype(np.uint8)
image_contrasted = cv2.LUT(image, lut_8u)

cv2.imwrite('apple_dark.jpg', image_contrasted)

输入：

输出量：

在评论中，有些人已经给出了如何将颜色LUT应用于图像的答案。但是当我读到你的问题时，我有一种印象，你实际上希望有一个2D色彩Map表，其中的颜色取决于两个参数。如果是这样的话，我建议访问this post或这个。希望这能有所帮助！

这里有一种使用python PIL而不是OpenCV来实现此目的的方法，以防有人像我一样偶然发现了这个答案，并且不想使用OpenCV。

import numpy as np
from PIL import Image

im = Image.open("apple.png").convert("RGBA")                                   
                                                                                                                                                                                                                                                                                                                                          
lut_x = [0, 127, 180, 255]                                                  
lut_y = [5, 80, 90, 255]                                                    
                                                                            
lut_u8 = np.interp(np.arange(0, 256), lut_x, lut_y).astype(np.uint8)        
                                                                            
R, G, B, A = [0, 1, 2, 3]                                                   
source = im.split()                                                         
out = []                                                                    
for band in [R, G, B]:                                                      
    out.append(source[band].point(lut_u8))                                  
out.append(source[A]) # Dont use LUT on the alpha band                      
                                                                            
merged_img = Image.merge('RGBA', out)                                       
merged_img.show()