语义分割——为什么单通道8bit灰度图像能显示多种色块？？？

一、问题

大家在做语义分割时不知道有没有这样的疑惑，使用打标签工具后，标签图是单通道8位图，8位图？？？不应该是灰度图么，为啥能显示那么多色块？

二、解答

标签图的显示颜色与它的实际存储格式是两个不同的概念。

2.1 标签图的实际存储格式

通常情况下，语义分割的标签图是8位单通道的灰度图，每个像素的值代表一个类别ID。例如，像素值0可能代表背景，1代表类1，2代表类2，依此类推。因为它是单通道的灰度图，所以本质上每个像素只能有256种不同的值（从0到255）。

2.2 标签图的显示颜色

即使标签图是8位单通道灰度图，显示工具可能会用不同的颜色来表示不同的类别，以便于人眼识别和分析。这是通过颜色映射（color mapping）实现的。颜色映射是一种将灰度值转换为颜色的方法。

2.3 颜色映射示例

假设有3个类别：

类别0（背景）：黑色
类别1：红色
类别2：黄色
当标签图被显示时，显示工具可以应用一个预定义的颜色映射，将灰度值0、1、2分别映射到黑色、红色和黄色。

三、应用颜色映射

直观显示标签图是因为有些标记工具打完标签后，看上去依然是黑的，如下图，其实已经有各个类别的像素值区别了，为了直观观看，就需要应用颜色映射来观看。
在这里插入图片描述
使用Python和OpenCV或Matplotlib，可以应用颜色映射来显示标签图。

直观显示的标签图见下：

在这里插入图片描述

3.1 OpenCV显示标签图

代码见下：

import cv2
import numpy as np# 创建示例标签图
label_image = np.array([[0, 1, 2],[2, 1, 0],[1, 2, 0]
], dtype=np.uint8)# 创建颜色映射
color_map = np.array([[0, 0, 0],       # 类别0: 黑色[255, 0, 0],     # 类别1: 红色[255, 255, 0]    # 类别2: 黄色
], dtype=np.uint8)# 应用颜色映射
colored_label_image = color_map[label_image]# 显示标签图
cv2.imshow('Label Image', colored_label_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

3.2 Matplotlib显示标签图

代码见下：

import numpy as np
import matplotlib.pyplot as plt# 创建示例标签图
label_image = np.array([[0, 1, 2],[2, 1, 0],[1, 2, 0]
], dtype=np.uint8)# 创建颜色映射
color_map = {0: (0, 0, 0),       # 类别0: 黑色1: (1, 0, 0),       # 类别1: 红色2: (1, 1, 0)        # 类别2: 黄色
}# 应用颜色映射
colored_label_image = np.zeros((label_image.shape[0], label_image.shape[1], 3), dtype=np.float32)
for label_value, color in color_map.items():colored_label_image[label_image == label_value] = color# 显示标签图
plt.imshow(colored_label_image)
plt.show()