图像处理中的伪彩色图与模式转换：P模式、L模式及语义分割标签可视化实践

1. 伪彩色图

伪彩色(pseudo-color)图像是一种图像处理技术，用于将灰度图像或单通道图像映射到彩色空间，以便通过颜色差异来增强图像的视觉表现。在伪彩色图像中，不同的灰度级或数据值被赋予不同的颜色，从而创建出一个彩色的图像表示。

伪彩色图每个像素值实际上是一个索引值或代码，该代码值作为色彩查找表CLUT(Color Look-Up Table)中某一项的入口地址，根据该地址可查找出包含实际R、G、B的强度值。这种用查找映射的方法产生的色彩称为伪彩色，生成的图像为伪彩色图像。

伪彩色图查找表是一个预先定义好的映射表，它将原始图像的灰度值（或某个特定范围内的灰度值）映射到特定的颜色值。每个条目通常包含红、绿、蓝（RGB）三个颜色通道的值，以及可能的透明度（Alpha）信息。

需要注意的是，伪彩色图像并不是真正的彩色图像，而是通过对灰度图像或单通道图像进行颜色映射得到的。因此，在解释伪彩色图像时，需要注意颜色所代表的实际含义。

2. 图像模式

图像模式是指图像中像素的存储和表示方式，不同的模式对应不同的颜色深度和存储需求。在PIL中，常见的图像模式包括：

• “1”：二值图像
• “L”：灰度图像
• “P”：调色板图像
• “RGB”：红绿蓝三通道彩色图像
• “RGBA”：红绿蓝及透明度四通道彩色图像
• “CMYK”：印刷色彩模式，包括青、洋红、黄和黑色
• “YCbCr”：用于JPEG压缩的颜色空间
• “I”：32位整型图像
• “F”：32位浮点型图像

fromPILimportImage img=Image.open('test.png')mode=img.modeprint(mode)# 输出可能是'L', 'RGB', 'RGBA'等

如果你输入的是彩色图，那么输出是RGB。在cv2中没有直接的输出图像模式的方法。

3. P模式与L模式

上面介绍了图像模式，这里主要介绍语义分割中用到的标签的图像的模式。

3.1 P模式（Pseudocolor mode）

• 在P模式下，灰度图像的每个像素值会被映射到一个特定的颜色上
• 映射函数可以是线性的，也可以是非线性的，取决于所选的伪彩色变换方法
• 伪彩色图可以用于突出显示图像中的特定特征，如边缘、纹理或特定类型的图像数据（例如医学成像中的不同组织类型）
• P模式下的伪彩色图通常用于科学可视化，其中不同的颜色可以帮助解释和理解数据

3.2 L模式（Luminance mode）

• L模式通常指的是亮度模式，它是一种将灰度图像转换为具有单一颜色通道的图像的方法
• 在L模式下，图像的每个像素值被转换为相同的颜色（通常是白色或其他单一颜色），然后通过调整亮度来区分不同的像素值
• 这种方法通常用于创建高对比度的图像，使得图像中的不同区域或特征通过亮度的变化来区分，而不是颜色的变化
• L模式下的图像可能不如P模式那样丰富和多彩，但它们可以提供一种简单而有效的方式来强调图像中的亮度差异

这里对标签掩码灰度图及伪彩色掩码图进行测试（从左至右分别是原图，labelme得到的标签伪彩色掩码图label.png，单通道灰度图pic.png）：

importcv2importnumpyasnpfromPILimportImage# 测试L模式图像img=Image.open('pic.png')mode=img.modeprint(mode)# Lprint(np.unique(img))# [0 1 2]print("-"*30)# 测试P模式图像img=Image.open('label.png')mode=img.modeprint(img.getpalette())# PIL的P模式默认调色板RGB颜色及顺序[0, 0, 0, 128, 0, 0, 0, 128, 0, 128, 128, 0, 0, 0, 128, 128, 0, 128, 0, 128, 128, 128, 128, ...]print(mode)# Pprint(np.unique(img))# [0 1 2]print("-"*30)# 使用cv2读取图片测试img=cv2.imread('label.png',0)# 以灰度读取伪彩色标签图print(np.unique(img))# [ 0 38 75]img=cv2.imread('label.png',1)# 以彩色读取伪彩色标签图print(np.unique(img))# [ 0 128]img=cv2.imread('pic.png',0)print(np.unique(img))# [0 1 2]img=cv2.imread('pic.png',1)print(np.unique(img))# [0 1 2]

上述代码中，np.unique是用来测试图像的像素值有哪些。很显然cv2对于P模式的伪彩色标签图，会以三通道彩色图去读取，无法读取到实际的标签种类。

4. P模式与L模式相互转换

4.1 P模式转L模式

fromPILimportImage# 读取伪彩色P模式图像img=Image.open('pseudo_color_image.png')# 检查图像模式print(f"原始图像模式:{img.mode}")# 如果图像不是RGB模式，先转换为RGB模式（这里假设图像已经是P模式）ifimg.mode!='RGB':img=img.convert('RGB')# 将RGB图像转换为灰度图像gray_img=img.convert('L')# 保存灰度图像gray_img.save('gray_image.jpg')# 检查转换后的图像模式print(f"转换后图像模式:{gray_img.mode}")

4.2 L模式转P模式

fromPILimportImage# 打开L模式图像image=Image.open("pic.png")# 将L模式转换为P模式，并设置调色板p_image=image.convert("P")# 这里的palette参数实际上是被忽略的# 自定义一个包含5种颜色的调色板colors=[128,128,0,0,255,0,0,0,255,0,0,255,255,255,255]p_image.putpalette(colors)# 保存带有自定义调色板的P模式图像p_image.save("converted_palette_image.png")# 验证图像模式print(f"转换后图像模式:{p_image.mode}")

5. Alpha透明通道与自定义语义分割标签生成

使用如下代码在原图上，利用掩码标注的区域，添加彩色，通过设置两者叠加的权重达到透明可视效果。

5.1 基础叠加方法

importcv2importnumpyasnp image_path=r'images\img.png'# 三通道彩色图mask_path=r'images\pic.png'# 单通道灰度图掩码# 读取原图image=cv2.imread(image_path)print(image.shape)# (500, 800, 3)mask=cv2.imread(mask_path,cv2.IMREAD_UNCHANGED)# 读取图像时保留所有通道，包括透明度通道print(mask.shape)# 创建一个空白的彩色掩码叠加图 (与原图相同大小)overlay=np.zeros_like(image,dtype=np.uint8)colors={0:(0,0,0),# 背景 - 无色（其实不用添加）1:(0,0,255),# 类1 - 红色2:(0,128,255)# 类2 - 绿色}""" 颜色说明： 0: (0, 0, 0), # 背景 - 无色（其实不用添加） 1: (0, 0, 128), # 类1 - 浅红色 2: (0, 128, 0) # 类2 - 浅绿色 """# 遍历掩码中的每个类别，为每个类别设置颜色forvalue,colorincolors.items():overlay[mask==value]=color# 设置透明度（alpha 透明度值）alpha=0.25# 0.0完全透明，1.0完全不透明# 将透明的彩色叠加图与原图结合result=cv2.addWeighted(overlay,alpha,image,1-alpha,0)# 保存结果cv2.imwrite('overlayed_image.png',result)

效果对比：

• 叠加彩色的图
• 原图

5.2 增加Alpha透明通道

importcv2importnumpyasnp image_path=r'images\img.png'# 三通道彩色图mask_path=r'images\pic.png'# 单通道灰度图掩码# 读取原图image=cv2.imread(image_path)print(image.shape)# (500, 800, 3)mask=cv2.imread(mask_path,cv2.IMREAD_UNCHANGED)# 读取图像时保留所有通道，包括透明度通道print(mask.shape)# 创建一个空白的彩色叠加图 (与原图相同大小，但包含透明度通道)overlay=np.zeros((image.shape[0],image.shape[1],4),dtype=np.uint8)colors={0:(0,0,0,0),# 背景 - 透明（完全透明）1:(0,0,255,128),# 类1 - 半透明红色2:(0,255,0,128)# 类2 - 半透明绿色}# 遍历掩码中的每个类别，为每个类别设置颜色forvalue,colorincolors.items():overlay[mask==value]=color# 将原图像转换为包含透明度通道的格式image_bgra=cv2.cvtColor(image,cv2.COLOR_BGR2BGRA)# 将透明的彩色叠加图与原图结合combined=cv2.addWeighted(overlay,0.3,image_bgra,1,0)# 保存结果cv2.imwrite('overlayed_image2.png',combined)

效果对比：

• 叠加彩色的图
• 原图

5.3 添加图例

importcv2importnumpyasnpdefadd_legend(image,colors,labels,alpha=0.8):""" 在图像的右上角添加图例，使用固定的尺寸。 :param image: 输入的BGR图像。 :param colors: 颜色字典，键是类值，值是颜色元组（B, G, R）。 :param labels: 标签字典，键是类值，值是标签文本。 :param alpha: 叠加透明度。 :return: 带图例的图像。 """# 图像尺寸height,width=image.shape[:2]# 固定图例尺寸和参数legend_height=60legend_width=150legend_padding=10color_box_size=15text_offset=20text_font_scale=0.5text_thickness=1line_height=20# 每一行的高度# 创建图例的背景legend=np.zeros((legend_height*len(labels)+legend_padding*2,legend_width,3),dtype=np.uint8)foridx,(key,color)inenumerate(colors.items()):# 设置图例的颜色框top_left=(legend_padding,idx*line_height+legend_padding)bottom_right=(legend_padding+color_box_size,idx*line_height+legend_padding+color_box_size)cv2.rectangle(legend,top_left,bottom_right,color[::1],-1)# 颜色需要从 BGR 转换为 RGB# 添加标签文本text_position=(legend_padding+color_box_size+text_offset,top_left[1]+color_box_size)cv2.putText(legend,labels[key],text_position,cv2.FONT_HERSHEY_SIMPLEX,text_font_scale,(255,255,255),text_thickness)# 计算图例位置legend_x=width-legend_width-legend_padding legend_y=legend_padding# 将图例叠加到原图像右上角overlay=image.copy()overlay[legend_y:legend_y+legend.shape[0],legend_x:legend_x+legend.shape[1]]=legend# 透明混合result=cv2.addWeighted(overlay,alpha,image,1-alpha,0)returnresult image_path=r'images\img.png'# 三通道彩色图mask_path=r'images\pic.png'# 对应的单通道灰度图标签掩码# 读取原图image=cv2.imread(image_path)print(image.shape)# (500, 800, 3)mask=cv2.imread(mask_path,cv2.IMREAD_UNCHANGED)# 读取图像时保留所有通道，包括透明度通道print(mask.shape)# 创建一个空白的彩色叠加图 (与原图相同大小，但包含透明度通道)overlay=np.zeros((image.shape[0],image.shape[1],3),dtype=np.uint8)colors={0:(0,0,0),# 背景1:(0,0,255),# 类1 - 红色2:(0,255,0)# 类2 - 绿色}colors_legend={1:(0,0,255),# 类1 - 红色2:(0,255,0)# 类2 - 绿色}labels={1:'Class 1',2:'Class 2'}# 遍历掩码中的每个类别，为每个类别设置颜色forvalue,colorincolors.items():overlay[mask==value]=color combined=cv2.addWeighted(overlay,0.3,image,1,0)# 添加图例到右上角result_with_legend=add_legend(combined,colors_legend,labels,alpha=0.5)# 保存结果cv2.imwrite('overlayed_image3_legend.png',result_with_legend)

本文详细介绍了图像处理中的伪彩色图概念、P模式与L模式的特性及相互转换方法，并提供了完整的语义分割标签可视化实践代码。通过设置浅色的红色与绿色叠加，可以近似达到添加Alpha透明通道设置低值的效果，为图像分割任务提供了实用的可视化解决方案。