Python OpenCV的label2rgb实现

OpenCV是否具有可视化标签的功能？例如，类似于matlabs

label2rgb（）

我能找到的最接近的是：

cv2.applyColorMap（cv2.equalizeHist（segments），cv2.COLORMAP\u JET）

然而，在标签数量从一帧到下一帧发生变化的视频分割中，这不是理想的方法。原因在于；一个框架将有两个标签（0和1-代表天空和地面），因此使用jet它可能会将这两个部分分别显示为深蓝色和红色。下一帧有3个标签（0,1,2-天空、地面和汽车），因此地面部分现在已从红色变为黄色。因此，当你将其可视化时，相同的部分会不断改变颜色，而不是保持一致的颜色（红色）

---

因此，如果matlabs

label2rbg（）

这样的函数存在，它将非常有用。

我喜欢在标签少于256个时使用

cv2.LUT

（因为它只适用于

uint8

）。如果标签超过256个，则始终可以使用

（标签%256）.astype（np.uint8）

将其转换为256个值

然后使用标签，您只需调用：

rgb=cv2.LUT（标签，LUT）

剩下的唯一问题是为标签创建查找表（

lut

）。可以按如下方式使用matplotlib颜色贴图：

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

def label2rgb(labels):
  """
  Convert a labels image to an rgb image using a matplotlib colormap
  """
  label_range = np.linspace(0, 1, 256)
  lut = np.uint8(plt.cm.viridis(label_range)[:,2::-1]*256).reshape(256, 1, 3) # replace viridis with a matplotlib colormap of your choice
  return cv2.LUT(cv2.merge((labels, labels, labels)), lut)

在许多情况下，最好让相邻标签的颜色大不相同。Rick Szelski在他的附录C2：伪彩色生成中给出了一个伪代码来实现这一点。我曾经使用过他的算法和它的变体，编写代码是相当简单的。下面是使用他的算法的示例代码：

import numpy as np
import cv2


def gen_lut():
  """
  Generate a label colormap compatible with opencv lookup table, based on
  Rick Szelski algorithm in `Computer Vision: Algorithms and Applications`,
  appendix C2 `Pseudocolor Generation`.
  :Returns:
    color_lut : opencv compatible color lookup table
  """
  tobits = lambda x, o: np.array(list(np.binary_repr(x, 24)[o::-3]), np.uint8)
  arr = np.arange(256)
  r = np.concatenate([np.packbits(tobits(x, -3)) for x in arr])
  g = np.concatenate([np.packbits(tobits(x, -2)) for x in arr])
  b = np.concatenate([np.packbits(tobits(x, -1)) for x in arr])
  return np.concatenate([[[b]], [[g]], [[r]]]).T

def labels2rgb(labels, lut):
  """
  Convert a label image to an rgb image using a lookup table
  :Parameters:
    labels : an image of type np.uint8 2D array
    lut : a lookup table of shape (256, 3) and type np.uint8
  :Returns:
    colorized_labels : a colorized label image
  """
  return cv2.LUT(cv2.merge((labels, labels, labels)), lut)

if __name__ == '__main__':
  labels = np.arange(256).astype(np.uint8)[np.newaxis, :]
  lut = gen_lut()
  rgb = labels2rgb(labels, lut)

这是彩色地图：

---

如果需要，您可以设置图像阈值，然后使用轮廓或斑点以及连接的组件获取并标记每个孤立区域。检查文档中的这些术语。删除对

cv2.equalizeHist

的调用，标签将不会跳转。然后你应该找到一个更好的颜色图来区分连续的标签（比如我使用的那个）。当然，塞利斯基在附录中有这个！我建议对色调值使用黄金比例（黄金角度）进行映射，以便每个连续标签的色调与之前的标签几乎“最大不同”。我也喜欢我的方法，但他妈的翻页是个好主意！