NumPy单通道图像转换为RGB格式与Matplotlib显示一致性指南

import numpy as np
import matplotlib.pyplot as plt

# 创建一个示例的 (128, 128) 单通道强度图像
# 强度值范围为0-255，模拟8位图像
width, height = 128, 128
img_intensity = np.linspace(0, 255, width * height, dtype=np.uint8).reshape((height, width))

# 原始单通道图像的灰度显示
plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.imshow(img_intensity, cmap='gray')
plt.title('原始 (W,H) 灰度图')
plt.axis('off')

# 将 (W, H) 转换为 (W, H, 3) 灰度格式
# 将单通道数据在R、G、B三个通道上复制
img_rgb_grayscale = np.stack([img_intensity, img_intensity, img_intensity], axis=-1)

# 打印转换后的图像形状
print(f"灰度转换后图像形状: {img_rgb_grayscale.shape}")

# 显示转换后的 (W, H, 3) 图像
plt.subplot(1, 2, 2)
plt.imshow(img_rgb_grayscale) # imshow 对 (W,H,3) 图像直接显示RGB值，此时R=G=B，故仍为灰度
plt.title('转换后 (W,H,3) 灰度图')
plt.axis('off')

plt.tight_layout()
plt.show()

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm # 导入颜色映射模块

# 创建一个示例的 (128, 128) 单通道强度图像
width, height = 128, 128
img_intensity = np.linspace(0, 255, width * height, dtype=np.uint8).reshape((height, width))

# 原始单通道图像使用 'viridis' 颜色映射显示
plt.figure(figsize=(12, 6))
plt.subplot(1, 2, 1)
plt.imshow(img_intensity, cmap='viridis')
plt.title('原始 (W,H) Viridis 颜色映射')
plt.axis('off')

# 将 (W, H) 转换为 (W, H, 3) 以复现 'viridis' 颜色映射
# 1. 归一化强度值到 [0, 1] 范围，因为颜色映射函数通常接受此范围的输入
normalized_intensity = img_intensity / 255.0

# 2. 获取 'viridis' 颜色映射对象
viridis_cmap = cm.get_cmap('viridis')

# 3. 应用颜色映射：viridis_cmap(normalized_intensity) 会返回 (H, W, 4) 的RGBA数组
#    我们只需要RGB通道，所以取前三个通道
img_rgb_colormap = viridis_cmap(normalized_intensity)[:, :, :3]

# 打印转换后的图像形状
print(f"颜色映射转换后图像形状: {img_rgb_colormap.shape}")

# 显示转换后的 (W, H, 3) 图像
# 注意：此时 img_rgb_colormap 的值范围是 [0, 1] (float)，imshow 可以直接处理
plt.subplot(1, 2, 2)
plt.imshow(img_rgb_colormap)
plt.title('转换后 (W,H,3) Viridis 颜色映射')
plt.axis('off')

plt.tight_layout()
plt.show()