如何将SAM生成的显著性图转化为目标绿色热力图效果？

我正在开展显著性图像预测工作，采用GitHub仓库marcellacornia/sam进行开发。模型输出显著性图后，我希望将其转化为叠加在原图上的热力图，尝试了以下代码，但得到的红色热力图效果未达预期，希望优化成类似目标绿色热力图的效果，附上相关图片，恳请指出问题并提供改进建议。

相关图片 #

• 我的结果：
• 显著性图：
• 预期结果：
• 原图：

现有实现代码 #

import cv2
import numpy as np
image1 = cv2.imread("Source.jpeg")
image2=cv2.imread("Saliency.png")
heatmap = cv2.applyColorMap(image2, cv2.COLORMAP_HOT)
weight = cv2.addWeighted(image1,0.5, heatmap ,0.8 ,0.3)
cv2.imshow("Result",weight )

问题分析与改进建议 #

核心问题 #

1. 颜色映射选错了：你用的cv2.COLORMAP_HOT是红黄色系，和预期的绿色系完全不匹配。
2. 显著性图没预处理：模型输出的显著性图可能像素值范围不是标准的0-255，直接用颜色映射会导致颜色失真；如果是三通道图，也会干扰映射效果。
3. 叠加权重不合理：当前热力图权重（0.8）远高于原图（0.5），会盖掉原图细节，加上0.3的亮度偏移，整体画面偏亮。

具体改进步骤 #

1. 换绿色系颜色映射：直接用cv2.COLORMAP_GREEN就能得到绿色系热力图，和预期效果匹配；如果觉得默认绿色不够贴合，可以手动自定义渐变颜色表。
2. 预处理显著性图：
   • 先转成单通道灰度图：如果读入的显著性图是三通道，执行image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)
   • 归一化到0-255范围：image2 = cv2.normalize(image2, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)，保证颜色映射均匀
3. 调整叠加权重：降低热力图权重，让原图细节保留更清晰，比如设置原图权重0.7、热力图权重0.3，亮度偏移设为0：weight = cv2.addWeighted(image1, 0.7, heatmap, 0.3, 0)
4. 可选增强：对显著性图做直方图均衡，突出核心显著区域：image2 = cv2.equalizeHist(image2)

改进后的示例代码 #

import cv2
import numpy as np

# 读取图像
image1 = cv2.imread("Source.jpeg")
image2 = cv2.imread("Saliency.png")

# 预处理显著性图：转灰度+归一化
if len(image2.shape) == 3:
    image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)
image2 = cv2.normalize(image2, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)
# 可选：增强显著区域对比度
image2 = cv2.equalizeHist(image2)

# 使用绿色系颜色映射
heatmap = cv2.applyColorMap(image2, cv2.COLORMAP_GREEN)

# 调整叠加权重，保留原图细节
weight = cv2.addWeighted(image1, 0.7, heatmap, 0.3, 0)

cv2.imshow("Result", weight)
cv2.waitKey(0)
cv2.destroyAllWindows()

内容的提问来源于stack exchange，提问作者Wareesha Ali