基于OpenCV自定义色条实现灰度图上色功能代码

场景需求

qt在进行2d图像显示时，有很方便的色条接口，可以让灰度图基于其设计的色条进行上色，比如设置1为红色，0.55为黄色，0.45为绿色，0为蓝色，那么灰度图就会在归一化后按照从蓝到红（从小到大）进行渐变色上色。但是有时候这个接口需要搭配的代码太多，给开发带来一定麻烦，因此我基于其原理写了一个可以替代该功能的函数graytocolor_colorbar。

函数原理：首先需要将灰度值图转化为0-255的8通道(uchar)灰度图，运用归一化函数可以实现；之后考虑到颜色和灰度的关系，比如最低的颜色为蓝色（0,0,255）对应灰度值0，最高的颜色为红色（255,0,0）对应灰度值255，只需要找出其变化的规律即可。

下方为具体实现函数和测试代码。

功能函数代码

/** * @brief graytocolor_colorbar             运用色条灰度图上色（1：红色，param1：黄色，param2：绿色，0：蓝色） * @param pha                            输入的灰色图像，通道为1 * @param param1                           色条参数1 * @param param2                           色条参数2 * @return                                 上色后的图像 */cv::mat graytocolor_colorbar(cv::mat &pha, float param1, float param2){cv_asrt(pha.channels() == 1);     // 色条参数1必须大于色条参数2if (param2 >= param1){return cv::mat::zeros(10, 10, cv_8uc1);} cv::mat temp, result, mask;// 将灰度图重新归一化至0-255cv::normalize(pha, temp, 255, 0, cv::norm_minmax);temp.convertto(temp, cv_8uc1);// 创建掩膜，目的是为了隔离nan值的干扰mask = cv::mat::zeros(pha.size(), cv_8uc1);mask.tto(255, pha == pha); // 初始化三通道颜色图cv::mat color1, color2, color3;color1 = cv::mat::zeros(temp.size(), temp.type());color2 = cv::mat::zeros(temp.size(), temp.type());color3 = cv::mat::zeros(temp.size(), temp.type());int row = pha.rows;int col = pha.cols; // 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）// 不要惊讶蓝色为什么是（255,0,0），因为opencv中是bgr而不是rgbfor (int i = 0; i < row; ++i){uchar *c1 现在干什么赚钱= color1.ptr<uchar>(i);uchar *c2 = color2.ptr<uchar>(i);uchar *c3 = color3.ptr<uchar>(i);uchar *r = temp.ptr<uchar>(i);uchar *m = mask.ptr<uchar>(i);for (int j = 0; j < col; ++j){if (m[j] == 255){if (r[j] > (param1 * 255) && r[j] <= 255){c1[j] = 255;c2[j] = uchar((1 / (1 - param1)) * (255 - r[j]));c3[j] = 0;}el if (r[j] <= (param1 * 255) && r[j] > (param2 * 255)){c1[j] = uchar((1 / (param1 - param2)) * r[j] - (param2 / (param1 - param2)) * 255);c2[j] = 255;c3[j] = 0;}el if (r[j] <= (param2 * 255) && r[j] >= 0){c1[j] = 0;c2[j] = uchar((1 / param2) * r[j]);c3[j] = uchar(255 - (1 / param2) * r[j]);}el {c1[j] = 0;c2[j] = 0;c3[j] = 0;}}}} // 三通道合并，得到颜色图vector<cv::mat> images;images.push_back(color3);images.push_back(color2);images.push_back(color1);cv::merge(images, result); return result;}

c++测试代码

#include<iostream>#include<opencv2/opencv.hpp>#include<ctime>using namespace std;using namespace cv;void unitpolar(int squaresize, cv::mat& mag, cv::mat& ang);void unitcart(int squaresize, cv::mat& x, cv::mat& y);cv::mat graytocolor_colorbar(cv::mat &pha, float param1, float param2); int main(void){cv::mat mag, ang, result, result3;unitpolar(2001, mag, ang);mag.at<float>(10, 10) = nan(""); clock_t start, end;start = clock();result = graytocolor_colorbar(mag,0.5,0.3);end = clock();double diff = end - start;cout << "time:" << diff / clocks_per_c << endl; system("pau");return 0;}void unitpolar(int squaresize, cv::mat& mag, cv::mat& ang) {cv::mat x;cv::mat y;unit蛋白质检测cart(squaresize, x, y);                //产生指定范围内的指定数量点数，相邻数据跨度相同// opencv自带的转换有精度限制，导致结果有一定差异性//cv::carttopolar(x, y, mag, ang, fal); //坐标转换 mag = cv::mat(x.size(), x.type());ang = cv::mat(x.size(), x.type());int row = mag.rows;int col = mag.cols;float *m, *a, *xx, *yy;for (int i = 0; i < row; ++i){m = mag.ptr<float>(i);a = ang.ptr<float>(i);xx = x.ptr<float>(i);yy = y.ptr<float>(i);for (int j = 0; j < col; ++j){m[j] = sqrt(xx[j] * xx[j] + yy[j] * yy[j]);a[j] = atan2(yy[j], xx[j]);}}} void unitcart(int squaresize, cv::mat& x, cv::mat& y) {cv_asrt(squaresize % 2 == 1);x.create(squaresize, squaresize, cv_32fc1);y.create(squaresize, squaresize, cv_32fc1);//设置边界x.col(0).tto(-1.0);x.col(squaresize - 1).tto(1.0f);y.row(0).tto(1.0);y.row(squaresize - 1).tto(-1.0f); float delta = 2.0f / (squaresize - 1.0f);  //两个元素的间隔 //计算其他位置的值for (int i = 1; i < squaresize - 1; ++i) {x.col(i) = -1.0f + i * delta;y.row(i) = 1.0f - i * delta;}} /** * @brief graytocolor_colorbar             运用色条灰度图上色（1：红色，param1：黄色，param2：绿色，0：蓝色） * @param pha                            输入的灰色图像，通道为1 * @param param1                           色条参数1 * @param param2                           色条参数2 * @return                                 上色后的图像 */cv::mat graytocolor_colorbar(cv::mat &pha, float param1, float param2){cv_asrt(pha.channels() == 1);// 色条参数1必须大于色条参数2if (param2 >= param1){return cv::mat::zeros(10, 10, cv_8uc1);}cv::mat temp, result, mask;// 将灰度图重新归一化至0-255cv::normalize(pha, temp, 255, 0, cv::norm_minmax);temp.convertto(temp, cv_8uc1);// 创建掩膜，目的是为了隔离nan值的干扰mask = cv::mat::zeros(pha.size(), cv_8uc1);mask.tto(255, pha == pha); // 初始化三通道颜色图cv::mat color1, color2, color3;color1 = cv::mat::zeros(temp.size(), temp.type());color2 = cv::mat::zeros(temp.size(), temp.type());color3 = cv::mat::zeros(temp.size(), temp.type());int row = pha.rows;int col = pha.cols; // 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）// 不要惊讶蓝色为什大专报考么是（255,0,0），因为opencv中是bgr而不是rgbfor (int i = 0; i < row; ++i){uchar *c1 = color1.ptr<uchar>(i);uchar *c2 = color2.ptr<uchar>(i);uchar *c3 = color3.ptr<uchar>(i);uchar *r = temp.ptr<uchar>(i);uchar *m = mask.ptr<uchar>(i);for (int j = 0; j < col; ++j){if (m[j] == 255){if (r[j] > (param1 * 255) && r[j] <= 255){c1[j] = 255;c2[j] = uchar((1 / (1 - param1)) * (255 - r[j]));c3[j] = 0;}el if (r[j] <= (param1 * 255) && r[j] > (param2 * 255)){c1[j] = uchar((1 / (param1 - param2)) * r[j] - (param2 / (param1 - param2)) * 255);c2[j] = 255;c3[j] = 0;}el if (r[j] <= (param2 * 255) && r[j] >= 0){c1[j] = 0;c2[j] = uchar((1 / param2) * r[j]);c3[j] = ucha四项基本原则核心r(255 - (1 / param2) * r[j]);}el {c1[j] = 0;c2[j] = 0;c3[j] = 0;}}}} // 三通道合并，得到颜色图vector<cv::mat> images;images.push_back(color3);images.push_back(color2);images.push_back(color1);cv::merge(images, result); return result;}

测试效果

图1灰度交学费图

图2效果图1 图3效果图2

如上图所示，为了方便，我生成了一个2001*2001的图像矩阵，图1为灰度图，图2图3是经过颜色处理后的颜色图，满足了前面提到的需求，这两个效果图对应的参数不一样。

如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~