图像多区域差异化着色异常求助：所有区域颜色一致

看起来你遇到的核心问题是：明明给不同区域分配了不同调色板颜色，但最终所有区域呈现出一致的色彩。这主要是因为你的代码逻辑是基于原始灰度像素值乘以颜色分量，而非直接为区域分配独立颜色，再加上归一化和膨胀操作的干扰，导致色彩差异被抹平。

问题根源拆解 #

1. 灰度值依赖的着色逻辑：你先通过tmp[p]设置灰度像素值，归一化后不同区域的像素可能被拉伸到相同强度（比如都变成255），再乘以颜色分量时，色彩差异会变得极不明显甚至消失。
2. 区域覆盖风险：虽然你说区域不相交，但第一个循环中new[xs, ys] = tmp[p]如果后续区域的像素位置意外重叠，会覆盖之前的灰度值，进一步导致色彩统一。
3. 保存逻辑错误：原代码在循环内执行cv2.imwrite，最终只会保存最后一个区域的图像，而非所有区域的合成图。

修正后的代码实现 #

我们换一种思路：直接为每个区域创建独立掩码，膨胀后再分配对应颜色，确保每个区域的色彩完全由调色板决定，不受原始灰度值影响。

import pandas as pd
import numpy as np
import cv2
import matplotlib.pyplot as plt
import seaborn as sns

# 假设你的数据已加载：c是DataFrame，centroids是各区域中心点列表，d10是膨胀结构元素
rows, cols = 1, 1
fig, ax = plt.subplots(rows, cols, figsize=(20, 20))
shape = (4528, 4528)
regions = list(range(1, 9))
colors = sns.color_palette('pastel', len(regions))

# 初始化全黑RGB图像
new3D = np.zeros(shape + (3,), dtype=np.uint8)

# 遍历每个区域，创建掩码→膨胀→着色
for l, cnt, col in zip(regions, centroids, colors):
    # 获取当前区域的像素坐标
    tmp = c[c.labels == l]
    xs = tmp['Position X in px'].values.astype(int)
    ys = tmp['Position Y in px'].values.astype(int)
    
    # 创建区域掩码
    mask = np.zeros(shape, dtype=np.uint8)
    mask[xs, ys] = 255
    
    # 对掩码进行膨胀处理
    mask_dilated = cv2.dilate(mask, d10)
    
    # 将seaborn的0-1颜色转为0-255的uint8格式
    rgb_color = (np.array(col) * 255).astype(np.uint8)
    
    # 为膨胀后的区域着色
    new3D[mask_dilated == 255] = rgb_color

# 绘制结果与中心点
ax.imshow(new3D)
# 注意：matplotlib的imshow坐标是(y,x)，所以中心点要反转x/y顺序
for cnt in centroids:
    ax.scatter(cnt[1], cnt[0], s=100, marker='x', color='r')
ax.axis(False)
plt.tight_layout()

# 保存图像（cv2需要BGR格式，matplotlib直接保存RGB即可）
cv2.imwrite('all_regions.png', cv2.cvtColor(new3D, cv2.COLOR_RGB2BGR))
plt.savefig('region_fig.png', transparent=False)

关键改进点说明 #

1. 独立掩码着色：每个区域单独创建掩码，膨胀后再赋值颜色，完全避免了不同区域的像素值干扰，确保色彩纯粹由调色板决定。
2. 直接RGB操作：跳过灰度图转RGB的中间步骤，直接操作RGB图像，逻辑更清晰，减少转换过程中的数据损失。
3. 颜色格式修正：将seaborn返回的0-1浮点数颜色转为图像标准的0-255 uint8格式，保证色彩显示准确。
4. 保存逻辑修复：将保存操作移到循环外，确保保存的是所有区域合成后的完整图像。

内容的提问来源于stack exchange，提问作者vpap