一. YUV 方法（或者叫YCbCr）

通过YUV改变图像的饱和度，r的范围可以设置为为(1/5, 5) , 如果为r=1 表示不改变图像数据
公式如下：

Y = Y;
U = U*r;  //实际上表示色差B-Y 扩大r倍
V = V*r;  //实际表示色差R-Y 扩大r倍

二、灰度图法混合法（和YUV法其实是等价的，下面有证明）

原图和灰度图进行加权组合即可改变图像的饱和度

saturate = function (pixels, value) {
    var d = pixels.data;
    for (var i = 0; i < d.length; i += 4) {
        var r = d[i]; 
        var g = d[i + 1];
        var b = d[i + 2];
        var gray = 0.2989*r + 0.5870*g + 0.1140*b; //weights from CCIR 601 spec
        d[i] = -gray * value + d[i] * (1+value);
        d[i+1] = -gray * value + d[i+1] * (1+value);
        d[i+2] = -gray * value + d[i+2] * (1+value);
        //normalize over- and under-saturated values
        if(d[i] > 255) d[i] = 255;
        if(d[i+1] > 255) d[i] = 255;
        if(d[i+2] > 255) d[i] = 255;
        if(d[i] < 0) d[i] = 0;
        if(d[i+1] < 0) d[i] = 0;
        if(d[i+2] < 0) d[i] = 0;
    }
    return pixels;
};

其实灰度图法和YUV法是等价的， 都是改变色差的权重
如果将一下代码更改权重， 则该算法和算法一是等价的

B = B + r1(B-Y)  => r1 = r-1
G = G + r2(G-Y) =>r2  = r-1 （推导见附录r2推导过程）
R = R + r3(R-Y)  => r3 = r-1

r2 = r-1 推导过程

由 BT601 YUV公式 可得：
G = Y - 0.3455 * U - 0.7169*V;  
U = (B-Y)/1.772;    
V = (R-Y)/1.402;     
即 G = Y -0.3455 * U - 0.7169 *V
G = Y - r(0.3455 * U + 0.7169 *V)  //法一   ①
G = G + r2(G-Y)                              //法二   ②
①②联立得：
Y - r(0.3455 * U + 0.7169 *V） = (1+r2)(Y - 0.3455 * U - 0.7169*V) - r2*Y     
                               =  Y - (1+r2)*( 0.3455*U +0.7169V )
=> 1+r2 = r 
=> r2 = r -1