一、什么是伪彩色图像？
伪彩色图像是指对单色图像进行处理，结果转换得到颜色分量，构造为彩色效果的图像。伪彩色图像在形式和视觉表现为彩色图像，但其所呈现的颜色并非图像的真实色彩重现，仅仅是各颜色分量的像素值合成的结果。
（1）一类伪彩色图像是对灰度图像的增强，形成彩色效果。
伪彩色图像增强是指按照特定的准则对灰度图像进行处理，将不同的灰度级按照某种映射关系变换为不同的颜色分量。例如，天气预报中的气象云图，红外测温图像，一般都是伪彩色图像。
人眼的视觉特性，只能分辨 20 级左右的灰度，但可以分辨几千种色调和亮度。通过伪彩色图像增强，可以让灰度图像看起来更清楚，更容易分辨。
将灰度图像进行伪彩色增强，通常是基于一个设定的颜色查找表，将图像像素的灰度值替换为颜色查找表中对应的颜色值。这显然是典型的 LUT 应用场景。（2）另一类伪彩色图像，是多光谱图像的编码合成图像。
光谱图像可以是可见光谱，也可以是红外、紫外、X光或其它信号。这些非可见光谱图像实际上既不是彩色图像，也不是灰度图像，“像素值”往往反映某种检测信号的强度。合成为彩色图像进行显示，只是为了便于观察和分析。
这在天文学观测中十分常用。NASA 公布的绚烂迷人的太空照片，并不是真实世界的色彩还原，而是将多种光谱信号图像进行编码组合和特效处理后，构造出的彩色图像。
二、函数
- 函数 cv.applyColorMap() 根据色彩映射表，将灰度图像变换为伪彩色图像
cv.applyColorMap(src, colormap[, dst]) → dst
cv.applyColorMap(src, userColor[, dst]) → dst
参数说明：
- src：输入图像，8 位灰度图像或彩色图像，cv_8U
- dst：输出图像，大小和通道数与 src 相同
- colormap：色彩映射表，OpenCV 自带色彩风格类型的颜色查找表
- userColor：用户自定义的色彩映射表， 256个元素
注意事项：
- 输入图像可以是彩色图像。根据作者的测试，先将输入彩色图像转换为灰度图像，再按色彩映射表进行变换。
- 用户自定义的色彩映射表，是 256*3 数组。系统提供的 22种色彩映射表一般已经够用，就别折腾了。
- 例程中没有出现 cv.LUT 查表替换，在 cv.applyColorMap 内核中已经应用了查表替换方法。
色彩映射表：
-
OpenCV 提供了 22 种色彩风格类型，类型描述关键字与色彩效果如下图所示。
- OpenCV 提供的色彩风格类型与 Matlab、Matplotlib 热图的颜色映射是类似的，描述关键字也是一致的。
参见：
http://matplotlib.org/examples/color/colormaps_reference.html
三、例程
- 14.5：灰度图像转换为伪彩色图像
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 14.5 灰度图像转换为伪彩色图像
gray = cv2.imread(r"E:/OpenCV/Fig0508a.tif", flags=0) # 读取灰度图像
h, w = gray.shape[:2] # 图片的高度, 宽度
# 伪彩色处理
pseudo1 = cv2.applyColorMap(gray, colormap=cv2.COLORMAP_HOT)
pseudo2 = cv2.applyColorMap(gray, colormap=cv2.COLORMAP_PINK)
pseudo3 = cv2.applyColorMap(gray, colormap=cv2.COLORMAP_RAINBOW)
pseudo4 = cv2.applyColorMap(gray, colormap=cv2.COLORMAP_HSV)
pseudo5 = cv2.applyColorMap(gray, colormap=cv2.COLORMAP_TURBO)
plt.figure(figsize=(9, 6))
plt.subplot(231), plt.axis('off'), plt.title("GRAY"), plt.imshow(gray, cmap='gray')
plt.subplot(232), plt.axis('off'), plt.title("cv2.COLORMAP_HOT")
plt.imshow(cv2.cvtColor(pseudo1, cv2.COLOR_BGR2RGB))
plt.subplot(233), plt.axis('off'), plt.title("cv2.COLORMAP_PINK")
plt.imshow(cv2.cvtColor(pseudo2, cv2.COLOR_BGR2RGB))
plt.subplot(234), plt.axis('off'), plt.title("cv2.COLORMAP_RAINBOW")
plt.imshow(cv2.cvtColor(pseudo3, cv2.COLOR_BGR2RGB))
plt.subplot(235), plt.axis('off'), plt.title("cv2.COLORMAP_HSV")
plt.imshow(cv2.cvtColor(pseudo4, cv2.COLOR_BGR2RGB))
plt.subplot(236), plt.axis('off'), plt.title("cv2.COLORMAP_TURBO")
plt.imshow(cv2.cvtColor(pseudo5, cv2.COLOR_BGR2RGB))
plt.tight_layout()
plt.show()
四、资料
youcans_的博客：
https://blog.csdn.net/youcans/article/details/125298385
