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。

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：

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()

四、总结

8位单通道标签图在存储时是灰度图，但通过颜色映射可以将不同的灰度值显示为不同的颜色，这样有助于更直观地观察和分析标签图。显示工具（如图像查看器、数据可视化工具等）通常会自动应用预定义的颜色映射来显示这些类别，以增强可读性。

感谢您阅读到最后！😊总结不易，多多支持呀🌹 点赞👍收藏⭐评论✍️，您的三连是我持续更新的动力💖

关注公众号「视觉研坊」，获取干货教程、实战案例、技术解答、行业资讯！