作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

场景需求

       Qt在进行2D图像显示时，有很方便的色条接口，可以让灰度图基于其设计的色条进行上色，比如设置1为红色，0.55为黄色，0.45为绿色，0为蓝色，那么灰度图就会在归一化后按照从蓝到红（从小到大）进行渐变色上色。但是有时候这个接口需要搭配的代码太多，给开发带来一定麻烦，因此我基于其原理写了一个可以替代该功能的函数GrayToColor_ColorBar。

       函数原理：首先需要将灰度值图转化为0-255的8通道(uchar)灰度图，运用归一化函数可以实现；之后考虑到颜色和灰度的关系，比如最低的颜色为蓝色（0,0,255）对应灰度值0，最高的颜色为红色（255,0,0）对应灰度值255，只需要找出其变化的规律即可。

       下方为具体实现函数和测试代码。

功能函数代码

/** * @brief GrayToColor_ColorBar             运用色条灰度图上色（1：红色，param1：黄色，param2：绿色，0：蓝色） * @param phase                            输入的灰色图像，通道为1 * @param param1                           色条参数1 * @param param2                           色条参数2 * @return                                 上色后的图像 */cv::Mat GrayToColor_ColorBar(cv::Mat &phase, float param1, float param2){	CV_Assert(phase.channels() == 1);    // 色条参数1必须大于色条参数2	if (param2 >= param1)	{		return cv::Mat::zeros(10, 10, CV_8UC1);	}	cv::Mat temp, result, mask;	// 将灰度图重新归一化至0-255	cv::normalize(phase, temp, 255, 0, cv::NORM_MINMAX);	temp.convertTo(temp, CV_8UC1);	// 创建掩膜，目的是为了隔离nan值的干扰	mask = cv::Mat::zeros(phase.size(), CV_8UC1);	mask.setTo(255, phase == phase);	// 初始化三通道颜色图	cv::Mat color1, color2, color3;	color1 = cv::Mat::zeros(temp.size(), temp.type());	color2 = cv::Mat::zeros(temp.size(), temp.type());	color3 = cv::Mat::zeros(temp.size(), temp.type());	int row = phase.rows;	int col = phase.cols;	// 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）	// 不要惊讶蓝色为什么是（255,0,0），因为OpenCV中是BGR而不是RGB	for (int i = 0; i < row; ++i)	{		uchar *c1 = color1.ptr(i);		uchar *c2 = color2.ptr(i);		uchar *c3 = color3.ptr(i);		uchar *r = temp.ptr(i);		uchar *m = mask.ptr(i);		for (int j = 0; j < col; ++j)		{			if (m[j] == 255)			{				if (r[j] > (param1 * 255) && r[j] <= 255)				{					c1[j] = 255;					c2[j] = uchar((1 / (1 - param1)) * (255 - r[j]));					c3[j] = 0;				}				else if (r[j] <= (param1 * 255) && r[j] > (param2 * 255))				{					c1[j] = uchar((1 / (param1 - param2)) * r[j] - (param2 / (param1 - param2)) * 255);					c2[j] = 255;					c3[j] = 0;				}				else if (r[j] <= (param2 * 255) && r[j] >= 0)				{					c1[j] = 0;					c2[j] = uchar((1 / param2) * r[j]);					c3[j] = uchar(255 - (1 / param2) * r[j]);				}				else {					c1[j] = 0;					c2[j] = 0;					c3[j] = 0;				}			}		}	}	// 三通道合并，得到颜色图	vector images;	images.push_back(color3);	images.push_back(color2);	images.push_back(color1);	cv::merge(images, result);	return result;}

C++测试代码

#include#include#includeusing namespace std;using namespace cv;void UnitPolar(int squaresize, cv::Mat& mag, cv::Mat& ang);void UnitCart(int squaresize, cv::Mat& x, cv::Mat& y);cv::Mat GrayToColor_ColorBar(cv::Mat &phase, float param1, float param2);int main(void){	cv::Mat mag, ang, result, result3;	UnitPolar(2001, mag, ang);	mag.at(10, 10) = nan("");	clock_t start, end;	start = clock();	result = GrayToColor_ColorBar(mag,0.5,0.3);	end = clock();	double diff = end - start;	cout << "time:" << diff / CLOCKS_PER_SEC << endl;	system("pause");	return 0;}void UnitPolar(int squaresize, cv::Mat& mag, cv::Mat& ang) {	cv::Mat x;	cv::Mat y;	UnitCart(squaresize, x, y);                //产生指定范围内的指定数量点数，相邻数据跨度相同	// OpenCV自带的转换有精度限制，导致结果有一定差异性	//cv::cartToPolar(x, y, mag, ang, false); //坐标转换	mag = cv::Mat(x.size(), x.type());	ang = cv::Mat(x.size(), x.type());	int row = mag.rows;	int col = mag.cols;	float *m, *a, *xx, *yy;	for (int i = 0; i < row; ++i)	{		m = mag.ptr(i);		a = ang.ptr(i);		xx = x.ptr(i);		yy = y.ptr(i);		for (int j = 0; j < col; ++j)		{			m[j] = sqrt(xx[j] * xx[j] + yy[j] * yy[j]);			a[j] = atan2(yy[j], xx[j]);		}	}}void UnitCart(int squaresize, cv::Mat& x, cv::Mat& y) {	CV_Assert(squaresize % 2 == 1);	x.create(squaresize, squaresize, CV_32FC1);	y.create(squaresize, squaresize, CV_32FC1);	//设置边界	x.col(0).setTo(-1.0);	x.col(squaresize - 1).setTo(1.0f);	y.row(0).setTo(1.0);	y.row(squaresize - 1).setTo(-1.0f);	float delta = 2.0f / (squaresize - 1.0f);  //两个元素的间隔	//计算其他位置的值	for (int i = 1; i < squaresize - 1; ++i) {		x.col(i) = -1.0f + i * delta;		y.row(i) = 1.0f - i * delta;	}}/** * @brief GrayToColor_ColorBar             运用色条灰度图上色（1：红色，param1：黄色，param2：绿色，0：蓝色） * @param phase                            输入的灰色图像，通道为1 * @param param1                           色条参数1 * @param param2                           色条参数2 * @return                                 上色后的图像 */cv::Mat GrayToColor_ColorBar(cv::Mat &phase, float param1, float param2){	CV_Assert(phase.channels() == 1);	// 色条参数1必须大于色条参数2	if (param2 >= param1)	{		return cv::Mat::zeros(10, 10, CV_8UC1);	}	cv::Mat temp, result, mask;	// 将灰度图重新归一化至0-255	cv::normalize(phase, temp, 255, 0, cv::NORM_MINMAX);	temp.convertTo(temp, CV_8UC1);	// 创建掩膜，目的是为了隔离nan值的干扰	mask = cv::Mat::zeros(phase.size(), CV_8UC1);	mask.setTo(255, phase == phase);	// 初始化三通道颜色图	cv::Mat color1, color2, color3;	color1 = cv::Mat::zeros(temp.size(), temp.type());	color2 = cv::Mat::zeros(temp.size(), temp.type());	color3 = cv::Mat::zeros(temp.size(), temp.type());	int row = phase.rows;	int col = phase.cols;	// 基于灰度图的灰度层级，给其上色，最底的灰度值0为蓝色（255，0,0），最高的灰度值255为红色（0,0,255），中间的灰度值127为绿色（0,255,0）	// 不要惊讶蓝色为什么是（255,0,0），因为OpenCV中是BGR而不是RGB	for (int i = 0; i < row; ++i)	{		uchar *c1 = color1.ptr(i);		uchar *c2 = color2.ptr(i);		uchar *c3 = color3.ptr(i);		uchar *r = temp.ptr(i);		uchar *m = mask.ptr(i);		for (int j = 0; j < col; ++j)		{			if (m[j] == 255)			{				if (r[j] > (param1 * 255) && r[j] <= 255)				{					c1[j] = 255;					c2[j] = uchar((1 / (1 - param1)) * (255 - r[j]));					c3[j] = 0;				}				else if (r[j] <= (param1 * 255) && r[j] > (param2 * 255))				{					c1[j] = uchar((1 / (param1 - param2)) * r[j] - (param2 / (param1 - param2)) * 255);					c2[j] = 255;					c3[j] = 0;				}				else if (r[j] <= (param2 * 255) && r[j] >= 0)				{					c1[j] = 0;					c2[j] = uchar((1 / param2) * r[j]);					c3[j] = uchar(255 - (1 / param2) * r[j]);				}				else {					c1[j] = 0;					c2[j] = 0;					c3[j] = 0;				}			}		}	}	// 三通道合并，得到颜色图	vector images;	images.push_back(color3);	images.push_back(color2);	images.push_back(color1);	cv::merge(images, result);	return result;}

测试效果

       如上图所示，为了方便，我生成了一个2001*2001的图像矩阵，图1为灰度图，图2图3是经过颜色处理后的颜色图，满足了前面提到的需求，这两个效果图对应的参数不一样。

       如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~

       如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！