图像分析——伪彩色图像、heatmap图像, Matplotlib默认颜色图区间

一、Opencv 伪彩色图像

最重要的是cv2.applyColorMap(heatmap, cv2.COLORMAP_JET)，将np.unit8格式的矩阵转化为colormap，第二个参数有很多种配色方案，上面这个是最常用的蓝红配色，值越小越接近蓝色，越大越接近红色。

伪彩色图像原理分析：

同灰度图像一样,也是单波段的图像，但是这个单波段图像是有颜色的，不再是灰度图那样的，而是它的每一个灰度值都对应颜色空间中的某一种颜色。它可以是彩色的图像，但是需要时刻谨记的是该图像只是单通道的。个人理解伪彩色图像其实就是索引图像，其颜色值是根据索引而得到的。
更具体地说，每个像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作颜色查找表(color look-up table，CLUT)的表项入口地址，去查找一个显示图像时使用的R，G，B强度值，用查找出的R，G，B强度值合成产生彩色。如下图，伪彩色的像素值作为索引，并找到对应的RGB值，将该值的颜色赋予该像素点。

 

二、Matplotlib默认颜色图区间

Matplotlib代码：cmap默认值就是'viridis'.

import matplotlib.image
matplotlib.rcParams['image.cmap'] = 'viridis'

'viridis'信息：

https://matplotlib.org/examples/color/colormaps_reference.html   下图可用代码(Source Code)生成。

由使用的新默认颜色映射 matplotlib.cm.ScalarMappable 实例是 'viridis' (aka option D ）(Source code)。关于颜色理论的介绍以及“Viridis”是如何产生的，请观看Nathaniel Smith和St_fan van der Walt在Scipy2015的演讲。见 here for many more details 关于其他选项和用于创建颜色映射的工具。有关Matplotlib中可用的所有颜色映射的详细信息，请参见 在Matplotlib中选择颜色映射 。