将 MatplotLib 或自定义颜色图应用于 OpenCV 图像答案

【问题标题】：Apply MatplotLib or custom colormap to OpenCV image将 MatplotLib 或自定义颜色图应用于 OpenCV 图像
【发布时间】：2019-03-01 02:42:51
【问题描述】：

OpenCV 的颜色图数量有限。 MatplotLib 有更多的颜色图，但将这些颜色图应用于给定的 OpenCV 图像并不简单。使用 Python API 时，如何将下面页面中的 MatplotLib 颜色图应用于 OpenCV 图像？这类似于将自定义颜色图应用于给定图像。

https://matplotlib.org/examples/color/colormaps_reference.html

【问题讨论】：

标签： python opencv matplotlib visualization

【解决方案1】：

对于 Python >= 2.7，cmapy 以方便的方式封装了此功能。安装它：

Python 2.7：

pip install cmapy

Python 3.x：

pip3 install cmapy

或者，对于 Anaconda（来自 conda-forge）：

conda install -c conda-forge cmapy

并像这样使用它：

import cv2
import matplotlib.pyplot as plt
import cmapy

# Read image.
img = cv2.imread('imgs/woman.png')

# Colorize.
img_colorized = cv2.applyColorMap(img, cmapy.cmap('viridis'))

# Display
plt.imshow(img_colorized)
plt.show()

不同的颜色图给出这样的结果：

查看所有可用的颜色图here。

免责声明：我写了 cmapy（因为我需要这个功能用于另一个项目），在内部，它与其他答案几乎相同。

【讨论】：

到目前为止最简单的方法。我花了很长时间尝试使用 LUT 在 cv2 中定义我自己的颜色图，但一无所获。然后我切换到 MatplotLib 的 cmaps 和 cmapy 几乎立即完成。我真的不能推荐这个。

【解决方案2】：

在 OpenCV 的最新版本（从 3.3 开始）中，applyColorMap 的重载允许您提供自定义颜色图（1 或 3 通道）。我已经修改了verified.human 的代码以简单地生成一个适合与此函数一起使用的颜色图。

我已经采取了更多的机会来简化代码：

当您将bytes 参数设置为True 时，ScalarMappable.to_rgba 可以直接返回字节（范围为 0-255）。
我们可以使用具有负步长的数组索引来移除 Alpha 通道，以及一步从 RGB 切换到 BGR

代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt


def get_mpl_colormap(cmap_name):
    cmap = plt.get_cmap(cmap_name)

    # Initialize the matplotlib color map
    sm = plt.cm.ScalarMappable(cmap=cmap)

    # Obtain linear color range
    color_range = sm.to_rgba(np.linspace(0, 1, 256), bytes=True)[:,2::-1]

    return color_range.reshape(256, 1, 3)


image_gray = cv2.imread('cage.png', cv2.IMREAD_GRAYSCALE)
image_bgr = cv2.applyColorMap(image_gray, get_mpl_colormap('bwr'))

cv2.imshow('image with colormap', image_bgr)
cv2.waitKey()

【讨论】：

指出颜色图的形状应为 (256, 1, 3)，从而节省了我的时间！

【解决方案3】：

回答我自己的问题，因为我没有在 StackOverflow 上找到简单的解决方案：

def apply_custom_colormap(image_gray, cmap=plt.get_cmap('seismic')):

    assert image_gray.dtype == np.uint8, 'must be np.uint8 image'
    if image_gray.ndim == 3: image_gray = image_gray.squeeze(-1)

    # Initialize the matplotlib color map
    sm = plt.cm.ScalarMappable(cmap=cmap)

    # Obtain linear color range
    color_range = sm.to_rgba(np.linspace(0, 1, 256))[:,0:3]    # color range RGBA => RGB
    color_range = (color_range*255.0).astype(np.uint8)         # [0,1] => [0,255]
    color_range = np.squeeze(np.dstack([color_range[:,2], color_range[:,1], color_range[:,0]]), 0)  # RGB => BGR

    # Apply colormap for each channel individually
    channels = [cv2.LUT(image_gray, color_range[:,i]) for i in range(3)]
    return np.dstack(channels)


image_gray = cv2.imread('./lena.jpg', cv2.IMREAD_GRAYSCALE)
image_bgr = apply_custom_colormap(image_gray, cmap=plt.get_cmap('bwr'))

cv2.imshow('image with colormap', image_bgr)
cv2.waitKey(0)

生成图像：

【讨论】：