使用Matplotlib叠加多幅图像并为各图像数据设置不同颜色

核心思路 #

先分离每幅图像的曲线区域（非背景）与背景区域，仅对曲线部分应用不同颜色，再将所有带色曲线叠加到统一背景上，彻底避免更改背景色的问题。

具体实现步骤 #

1. 确定背景阈值
   先从单幅图像中识别背景像素值：如果背景是单一纯色（比如黑色0、白色255），可以直接对比；如果背景有轻微噪点，用自动阈值分割更准确：

   import numpy as np
   import matplotlib.pyplot as plt
   
   # 取第一幅图像作为参考
   base_img = image_list[0]
   # 手动阈值（适合背景明确的情况）
   background_value = 0  # 假设背景是黑色
   # 或用百分位自动找阈值（应对噪点）
   # background_threshold = np.percentile(base_img, 5)
   # curve_mask = base_img > background_threshold
   

2. 初始化RGB输出图像
   创建和原图像尺寸一致的RGB图像，先填充背景色：

   h, w = base_img.shape
   # 背景色转为RGB格式，比如原背景是0（黑），则RGB是(0,0,0)
   bg_rgb = np.array([background_value, background_value, background_value])
   output = np.full((h, w, 3), bg_rgb, dtype=np.uint8)
   

3. 准备曲线配色
   给每个曲线分配不同颜色，可自定义或用预设配色：

   # 自定义RGB颜色组（按需增减）
   curve_colors = [
       (255, 0, 0),    # 红色
       (0, 255, 0),    # 绿色
       (0, 0, 255),    # 蓝色
       (255, 255, 0),  # 黄色
       (255, 0, 255)   # 品红色
   ]
   # 若图像数量超过颜色数，循环复用颜色
   curve_colors = [curve_colors[i % len(curve_colors)] for i in range(len(image_list))]
   

4. 叠加彩色曲线
   遍历每幅图像，提取曲线区域并替换为对应颜色：

   for idx, img in enumerate(image_list):
       # 标记曲线区域：非背景的像素
       is_curve = img != background_value
       # 将对应颜色赋值到输出图像的曲线区域
       output[is_curve] = curve_colors[idx]
   

5. 查看最终效果

   plt.imshow(output)
   plt.axis('off')
   plt.show()
   

适配场景补充 #

• 如果你的图像是浮点数格式（像素值范围0-1）：需把颜色值也转为0-1区间（比如(1,0,0)代替(255,0,0)），输出图像 dtype 设为np.float32。
• 需要半透明叠加：用加权混合实现，比如output[is_curve] = output[is_curve] * 0.6 + np.array(curve_colors[idx]) * 0.4（注意转换为浮点类型计算）。

内容的提问来源于stack exchange，提问作者Harsh Ambardekar