如何使用OpenCV为灰度数据应用colormap并输出彩色视频？

问题原因 #

你原来的代码生成的还是灰度视频，核心是这两个操作都没有真正应用伪彩映射：

• cv2.COLOR_GRAY2BGR 只是把单通道灰度图的数值复制到B、G、R三个通道，三个通道的数值完全相同，显示出来自然还是灰度效果
• 注释掉的cv2.merge逻辑和上面完全一致，也是三个通道同值，同样是灰度效果
  两者都没有把不同的灰度值映射成不同的彩色组合，所以达不到你要的强化像素差异的效果。

解决方法 #

方法1：直接使用OpenCV内置的colormap（推荐，效率高） #

OpenCV自带了cv2.applyColorMap函数可以直接完成灰度到伪彩的映射，内置就包含viridis方案，不需要额外依赖matplotlib，处理速度更快：

import cv2
import numpy as np

# 假设gray_images是你原来的灰度数组，注意要先归一化到0-255的uint8格式
# 第一步：先把灰度图归一化到0-255 uint8范围（如果你的灰度值不是这个范围必须做这步）
norm_gray = [cv2.normalize(img, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U) for img in gray_images]

color_images = []
for i in range(N):
    # 直接应用viridis colormap，得到的就是BGR三通道彩色图，直接可以写视频
    color_img = cv2.applyColorMap(norm_gray[i], cv2.COLORMAP_VIRIDIS)
    color_images.append(color_img)

# 后面写视频的逻辑可以直接复用你原来的代码，不需要改
out = cv2.VideoWriter("video.mp4", cv2.VideoWriter_fourcc(*'mp4v'),
                      fps, (resolution[0], resolution[1]), 1)
for img in color_images:
    out.write(img)
out.release()

方法2：使用matplotlib的viridis colormap（和plt.imshow效果完全一致） #

如果你需要和plt.imshow的显示效果100%对齐，可以用matplotlib的cm模块做映射，注意映射后要转成BGR格式适配OpenCV的写入逻辑：

import cv2
import numpy as np
import matplotlib.cm as cm

# 同样先把灰度值归一化到0-1范围，适配matplotlib的cmap输入要求
norm_gray = [cv2.normalize(img, None, 0, 1, cv2.NORM_MINMAX, dtype=cv2.CV_32F) for img in gray_images]

color_images = []
for i in range(N):
    # 应用viridis cmap，得到的是RGBA四通道，范围0-1，转成0-255 uint8
    rgba_img = cm.viridis(norm_gray[i]) 
    rgb_img = np.uint8(rgba_img[...,:3] * 255)
    # matplotlib生成的是RGB顺序，OpenCV需要BGR顺序，做个通道转换
    bgr_img = cv2.cvtColor(rgb_img, cv2.COLOR_RGB2BGR)
    color_images.append(bgr_img)

# 后续写视频逻辑和上面一致
out = cv2.VideoWriter("video.mp4", cv2.VideoWriter_fourcc(*'mp4v'),
                      fps, (resolution[0], resolution[1]), 1)
for img in color_images:
    out.write(img)
out.release()

注意事项 #

• 映射前必须保证灰度值范围适配：如果你的原始灰度图是0-1的浮点数、或者灰度值集中在很窄的区间，一定要先做归一化，否则colormap的色彩区分度会很差
• OpenCV的颜色通道顺序是BGR，matplotlib生成的是RGB，转换的时候不要搞反，否则颜色会出错

内容的提问来源于stack exchange，提问作者Raquel