如何将[0,255]范围的灰度值高效映射为RGB值？附实现代码

嘿，这个问题我太熟了！你现在用字典映射的方式确实能完成需求，但如果要处理大规模图像（比如动辄百万级像素的场景），咱们可以用**查找表（Lookup Table，LUT）**来大幅提升效率——毕竟数组的直接索引访问比字典的哈希查找要快得多，而且代码也更简洁。

先看看你现有的实现（我帮你整理成规范的代码块了）：

# function for colorizing a label image:
def label_img_to_color(img):
    label_to_color = {
        0: [128, 64,128],
        1: [244, 35,232],
        2: [ 70, 70, 70],
        3: [102,102,156],
        4: [190,153,153],
        5: [153,153,153],
        6: [250,170, 30],
        7: [220,220, 0],
        8: [107,142, 35],
        9: [152,251,152],
        10: [ 70,130,180],
        11: [220, 20, 60],
        12: [255, ...]  # 你未完成的映射部分
    }
    # 这里应该是遍历图像像素，用字典查找RGB？

这种字典映射的优点是直观、易维护，但缺点也很明显：面对大量像素时，字典的哈希查找会带来额外的性能开销，尤其是在循环处理每个像素的时候。

推荐的高效实现方案：用Numpy构建查找表 #

如果你的图像是用Numpy数组存储的（这是Python处理图像的标准方式，比如OpenCV、PIL/Pillow读入的图像都能转成Numpy数组），用矢量化的查找表操作能把效率拉满：

import numpy as np

# 先补全完整的灰度值->RGB映射（示例中补全了默认值，你可以根据需求修改）
label_to_color = {
    0: [128, 64, 128],
    1: [244, 35, 232],
    2: [70, 70, 70],
    3: [102, 102, 156],
    4: [190, 153, 153],
    5: [153, 153, 153],
    6: [250, 170, 30],
    7: [220, 220, 0],
    8: [107, 142, 35],
    9: [152, 251, 152],
    10: [70, 130, 180],
    11: [220, 20, 60],
    # 剩下未定义的灰度值，统一设为默认色（比如黑色），你可以改成自己需要的颜色
}

# 创建256x3的查找表，默认填充黑色（可修改默认值）
lut = np.zeros((256, 3), dtype=np.uint8)
# 遍历映射字典，填充对应灰度值的RGB
for gray_val, rgb in label_to_color.items():
    lut[gray_val] = rgb

def label_img_to_color(img):
    """
    将[0,255]的灰度图像映射为RGB图像
    参数img: 形状为(H, W)的uint8类型Numpy数组
    返回: 形状为(H, W, 3)的uint8类型RGB数组
    """
    # 直接通过索引获取RGB，Numpy会自动完成矢量化操作，无需循环
    return lut[img]

为什么这个方案更高效？ #

• 矢量化操作：Numpy的数组索引是底层优化过的，避免了Python层面的循环，处理大图像时速度能提升几十甚至上百倍；
• O(1)访问：数组的直接索引是内存级别的访问，比字典的哈希查找少了哈希计算、冲突处理等额外开销；
• 内存友好：查找表是固定大小的256x3数组，占用内存极小（仅256*3=768字节），完全不用担心内存问题。

无Numpy的轻量实现 #

如果你的场景没法用Numpy，也可以用普通列表构建查找表，虽然效率不如Numpy，但比字典还是快不少：

# 创建长度为256的列表，默认填充黑色
lut = [[0, 0, 0] for _ in range(256)]
# 填充已定义的映射
label_to_color = {
    # 你的映射字典内容
}
for gray_val, rgb in label_to_color.items():
    lut[gray_val] = rgb

def label_img_to_color(img):
    # 假设img是二维列表格式的灰度图
    return [[lut[val] for val in row] for row in img]

最后提醒一句：如果有些灰度值没有在你的映射字典里定义，一定要设置好默认颜色，避免出现索引错误或者奇怪的颜色输出哦！

内容的提问来源于stack exchange，提问作者Majid Azimi