Python 将低于CV2颜色贴图特定阈值的值设置为透明
我目前正在尝试对照片应用激活热图 目前,我有原始照片,还有一个概率面具。我将概率乘以255,然后四舍五入到最接近的整数。然后,我使用cv2.applyColorMap和COLORMAP.JET将COLORMAP应用于不透明度为25%的图像Python 将低于CV2颜色贴图特定阈值的值设置为透明,python,numpy,opencv,cv2,colormap,Python,Numpy,Opencv,Cv2,Colormap,我目前正在尝试对照片应用激活热图 目前,我有原始照片,还有一个概率面具。我将概率乘以255,然后四舍五入到最接近的整数。然后,我使用cv2.applyColorMap和COLORMAP.JET将COLORMAP应用于不透明度为25%的图像 img_cv2 = cv2.cvtColor(np_img, cv2.COLOR_RGB2BGR) heatmapshow = np.uint8(np.floor(mask * 255)) colormap = cv2.COLORMAP_JET heat
img_cv2 = cv2.cvtColor(np_img, cv2.COLOR_RGB2BGR)
heatmapshow = np.uint8(np.floor(mask * 255))
colormap = cv2.COLORMAP_JET
heatmapshow = cv2.applyColorMap(np.uint8(heatmapshow - 255), colormap)
heatmap_opacity = 0.25
image_opacity = 1.0 - heatmap_opacity
heatmap_arr = cv2.addWeighted(heatmapshow, heatmap_opacity, img_cv2, image_opacity, 0)
此当前代码成功生成热图。然而,我希望能够做出两个改变
有人有实现这些目标的好方法吗?谢谢 关于你的第二个问题: 下面是如何在Python/OpenCV中创建一个简单的自定义双色渐变颜色贴图 输入:
应用于图像的颜色映射结果:
关于你的第一个问题:
使用恒定的“不透明度”值将热图图像与原始图像混合。可以使用图像替换单个不透明度值。您只需手动执行addWeighted作为热图*不透明度\ img+原始*(1-不透明度\ img),其中您的不透明度图像在0到1范围内浮动。然后剪辑并转换回uint8。如果你的不透明度图像是二进制的,那么你可以使用cv2.bitWiseAnd()来代替乘法。这本身不是答案,但是你可以在你的
热图显示中添加一个alpha通道,并对所有值高于25%(或你想要的任何阈值)的像素将其设置为1,对所有其他像素预先设置为0,然后以与现在相同的方式使用cv2.addWeighted
。请告知您是否需要有关如何使用Numpy执行此操作的更多详细信息。您可以将不透明颜色贴图应用于图像。然后创建一个灰度图像,将不透明度表示为灰度值,并将阈值设置为0,其中不需要任何透明度。然后将该图像放入彩色贴图图像的alpha通道。@TheHalf Blood Prince这似乎合理,最好的方法是什么?@fmw42听起来很有希望,但将不透明彩色贴图应用于图像会首先导致信息丢失吗?比如如果它是100%不透明的红色,那么我相信我最终会得到一个没有原始颜色信息的透明红色。除非我弄错了,否则我需要在将颜色贴图应用到原始图像之前修改它?也许我误解了。100%不透明度是完全不透明的。所以红色是完全的红色,没有透明度。使用恒定的“不透明度”值将热图图像与原始图像混合。可以使用图像替换单个不透明度值。您只需手动执行addWeighted作为热图*不透明度\ img+原始*(1-不透明度\ img),其中您的不透明度图像在0到1范围内浮动。然后剪辑并转换回uint8。如果不透明度图像是二进制的,那么可以使用cv2.bitWiseAnd()代替乘法。你能发布你的输入图像和掩码吗?
import cv2
import numpy as np
# load image as grayscale
img = cv2.imread('lena_gray.png', cv2.IMREAD_GRAYSCALE)
# convert to 3 equal channels
img = cv2.merge((img, img, img))
# create 1 pixel red image
red = np.full((1, 1, 3), (0,0,255), np.uint8)
# create 1 pixel blue image
blue = np.full((1, 1, 3), (255,0,0), np.uint8)
# append the two images
lut = np.concatenate((red, blue), axis=0)
# resize lut to 256 values
lut = cv2.resize(lut, (1,256), interpolation=cv2.INTER_LINEAR)
# apply lut
result = cv2.LUT(img, lut)
# save result
cv2.imwrite('lena_red_blue_lut_mapped.png', result)
# display result
cv2.imshow('RESULT', result)
cv2.waitKey(0)
cv2.destroyAllWindows()