Я думаю, что @ fmw42, возможно, ответил на мой вопрос в качестве комментария.
Я перешел по предложенной ссылке: Pyimage Search Color Transfer и отредактировал ее для использования в IDE, Juypter Notebook,Я также изменил его так, чтобы он считывал обрезанную часть моего изображения в качестве источника (изображение с идеальной яркостью), а обрезанную часть - как цель (изображение с неправильной яркостью). Затем я нашел необходимые настройки, используя эти два обрезанных изображения, а затем применил их ко всему изображению.
Исходное изображение макета (идеальная яркость) 
Целевое изображение макета (неправильная яркость, чтобыбыть исправлено) 
#import the necessary packages
import numpy as np
import cv2
def color_transfer(source, target):
source = cv2.cvtColor(source, cv2.COLOR_BGR2LAB).astype("float32")
source_crop = cv2.cvtColor(source_c, cv2.COLOR_BGR2LAB).astype("float32")
target = cv2.cvtColor(target, cv2.COLOR_BGR2LAB).astype("float32")
target_crop = cv2.cvtColor(target_c, cv2.COLOR_BGR2LAB).astype("float32")
#compute color statistics for the source and target images
(lMeanSrc, lStdSrc, aMeanSrc, aStdSrc, bMeanSrc, bStdSrc) = image_stats(source)
(lMeanSrc_c, lStdSrc_c, aMeanSrc_c, aStdSrc_c, bMeanSrc_c, bStdSrc_c) = image_stats(source_crop)
(lMeanTar_c, lStdTar_c, aMeanTar_c, aStdTar_c, bMeanTar_c, bStdTar_c) = image_stats(target_crop)
(lMeanTar, lStdTar, aMeanTar, aStdTar, bMeanTar, bStdTar) = image_stats(target)
#subtract the means from the target image
(l, a, b) = cv2.split(target) #Split target image into l,a,b channels.
l -= lMeanTar_c #Subtract Mean value of cropped Target image
#a -= aMeanTar_c
#b -= bMeanTar_c
#scale by the standard deviations
l = (lStdTar / lStdSrc) * l #std deviation of whole target image divided by source image
#a = (aStdTar / aStdSrc) * a
#b = (bStdTar / bStdSrc) * b
#add in the source mean
l += lMeanSrc_c #Add the mean of the cropped image onto the Lightness.
#a += aMeanSrc_c
#b += bMeanSrc_c
#clip the pixel intensities to [0, 255] if they fall outside
#this range
l = np.clip(l, 0, 255) #ensure Lightness is within 0-255 boundaries.
#a = np.clip(a, 0, 255)
#b = np.clip(b, 0, 255)
#merge the channels together and convert back to the RGB color
#space, being sure to utilize the 8-bit unsigned integer data
#type
transfer = cv2.merge([l, a, b])
transfer = cv2.cvtColor(transfer.astype("uint8"), cv2.COLOR_LAB2BGR)
#return the color transferred image
return transfer
def image_stats(image):
"""
Parameters:
-------
image: NumPy array
OpenCV image in L*a*b* color space
Returns:
-------
Tuple of mean and standard deviations for the L*, a*, and b*
channels, respectively
"""
#compute the mean and standard deviation of each channel
(l, a, b) = cv2.split(image)
(lMean, lStd) = (l.mean(), l.std())
(aMean, aStd) = (a.mean(), a.std())
(bMean, bStd) = (b.mean(), b.std())
# return the color statistics
return (lMean, lStd, aMean, aStd, bMean, bStd)
Затем прочитайте в изображениях:
target = cv2.imread("data/IssueImage.jpg")
y=2400
x=2400
h=500
w=300
target_c = target[y:y+h, x:x+w]
source = cv2.imread("data/Good_Image.jpg")
source_c = source[y:y+h, x:x+w]
Run Code
def show_image(title, image, width = 1000):
# resize the image to have a constant width, just to
# make displaying the images take up less screen real
# estate
r = width / float(image.shape[1])
dim = (width, int(image.shape[0] * r))
resized = cv2.resize(image, dim, interpolation = cv2.INTER_AREA)
# show the resized image
cv2.imshow(title, resized)
# transfer the color distribution from the source image
# to the target image
transfer = color_transfer(source, target)
# check to see if the output image should be saved
# show the images and wait for a key press
show_image("Source", source)
show_image("Target", target)
show_image("Transfer", transfer)
cv2.waitKey(0)
Это похоже на работудостаточно хорошо. Хотя я внес изменения в код, например, используя стандартное отклонение всего изображения, но имею в виду обрезанное изображение ... Это может означать, что я "злоупотребляю" тем, как это должно работать, и не даю точных результатов.
Изображения не выглядят точно так же, когда я делаю это на моих реальных изображениях, но довольно близко.
Я пишу здесь на случай, если у кого-то еще есть подобная проблема. Но также в случае, если кто-то может обнаружить любую явно очевидную проблему в моем коде.
Спасибо
Я также попробовал пример цветочных картинок в этой теме. Я использовал более темное изображение в качестве цели и более светлое в качестве источника (идеальная яркость). 
Левое изображение идеально, среднее - это тестовое изображение, справа - тестовое изображение, настроенное так же, как и левое.
Это похоже на работу, но вы заметите, что это многоменее живой.