单通道图像显彩色、转三通道后显灰度的问题及RGB显示方法

现象原因 #

1. 单通道灰度图显示彩色：plt.imshow()对单通道图像默认使用伪彩色 colormap（如viridis），而非灰度色图，所以视觉上呈现彩色。
2. 三通道重复后仍显示灰度：你只是把同一灰度值复制到三个通道，三个通道的像素值完全一致，本质还是灰度数据，自然显示为灰色。

解决方法 #

1. 让单通道灰度图正确显示为灰度 #

调用imshow时指定灰度色图，并明确像素值范围（确保显示准确）：

for j in range(len(image)):
    img = np.array(image[j])
    print(img.shape)
    # 指定cmap为gray，vmin/vmax匹配图像数据范围（比如0-255）
    plt.imshow(img, cmap='gray', vmin=0, vmax=255)
    plt.show()

2. 生成真正的彩色RGB图像 #

如果需要显示彩色，你需要将灰度数据映射为不同的RGB色彩值，而非简单复制通道。以下是两种常用方式：

方式一：使用伪彩色映射生成RGB

利用matplotlib的彩色色图，将灰度值转换为对应的RGB色彩：

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

def grayscale_to_pseudocolor_rgb(img):
    # 归一化图像到0-1区间（如果是0-255的uint8类型）
    img_norm = img.astype(np.float32) / 255.0
    # 选择彩色色图，可选：viridis、jet、plasma等
    cmap = cm.get_cmap('viridis')
    # 应用色图，得到RGBA格式，去掉alpha通道
    rgb_img = cmap(img_norm)[:, :, :3]
    # 转换为0-255的uint8格式（可选）
    rgb_img = (rgb_img * 255).astype(np.uint8)
    return rgb_img

# 使用示例
for j in range(len(image)):
    img = np.array(image[j])
    rgb_img = grayscale_to_pseudocolor_rgb(img)
    print(rgb_img.shape)  # 输出(128, 87, 3)
    plt.imshow(rgb_img)
    plt.show()

方式二：自定义色彩映射

根据需求手动指定不同灰度区间对应的RGB颜色，比如：

def grayscale_custom_rgb(img):
    rgb_img = np.zeros((img.shape[0], img.shape[1], 3), dtype=np.uint8)
    # 灰度值<50：红色
    mask_low = img < 50
    rgb_img[mask_low] = [255, 0, 0]
    # 50≤灰度值<150：绿色
    mask_mid = (img >= 50) & (img < 150)
    rgb_img[mask_mid] = [0, 255, 0]
    # 灰度值≥150：蓝色
    mask_high = img >= 150
    rgb_img[mask_high] = [0, 0, 255]
    return rgb_img

# 使用示例
for j in range(len(image)):
    img = np.array(image[j])
    custom_rgb = grayscale_custom_rgb(img)
    plt.imshow(custom_rgb)
    plt.show()

内容的提问来源于stack exchange，提问作者Zara Nz