在后期处理中实现饱和度逐渐扩散的效果，可以使用图像处理库（如OpenCV）和一些基本的图像处理技术。以下是一个示例代码，可以帮助你实现该效果：

import cv2
import numpy as np

def gradual_saturation(image, scale):
    # 将图像从 BGR 色彩空间转换为 HSV 色彩空间
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    # 分离 H、S、V 三个通道
    h, s, v = cv2.split(hsv)
    
    # 饱和度逐渐扩散
    s = np.clip(s * scale, 0, 255).astype(np.uint8)
    
    # 合并 H、S、V 三个通道
    hsv = cv2.merge([h, s, v])
    # 将图像从 HSV 色彩空间转换回 BGR 色彩空间
    result = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)
    
    return result

# 读取图像
image = cv2.imread('input.jpg')

# 设置饱和度扩散的比例
scale = 1.5

# 应用饱和度逐渐扩散效果
result = gradual_saturation(image, scale)

# 显示结果
cv2.imshow('Result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，gradual_saturation 函数接受一个图像和一个扩散比例作为参数。它首先将图像从 BGR 色彩空间转换为 HSV 色彩空间，然后分离出 H、S、V 三个通道。接下来，它将 S 通道的值乘以扩散比例，并使用 np.clip 函数将值限制在 0 到 255 之间。最后，它将 H、S、V 三个通道合并，并将图像从 HSV 色彩空间转换回 BGR 色彩空间，得到最终的结果。

你可以根据需要调整代码中的参数，例如扩散比例 scale，以获得你想要的效果。