opencv小工具-绘制resnet50热力图和灰度图-伪彩色映射

最新推荐文章于 2026-04-18 12:15:05 发布

原创

最新推荐文章于 2026-04-18 12:15:05 发布 · 3.8k 阅读

该博客介绍了如何通过OpenCV的applyColorMap函数将医学图像的灰度图转换为彩色图，以进行特征可视化。具体展示了在ResNet50模型中，从卷积层到全连接层的每一层特征图的热力图，并提供了一个名为ft_net的类，用于绘制特征图。此外，还提供了将图像输入模型并进行预测的流程。

在图像处理，尤其是医学图像处理的过程中，我们经常会遇到将灰度图映射成彩色图的情形，如将灰度图根据灰度的高低映射成彩虹色图。这个过程我们通常将之称为伪彩映射，伪彩映射的关键在于找到合适的彩色映射表，即colormap，也称color bar。

这里采用opencv的applyColorMap（）函数生成热力图。可参考：https://blog.csdn.net/weixin_36670529/article/details/104001820

cv2.applyColorMap(src, userColor[, dst])

热力图源码：

import cv2
import time
import os
import matplotlib.pyplot as plt
import torch
from torch import nn
import torchvision.models as models
import torchvision.transforms as transforms
import numpy as np

savepath='./vis/vis_resnet50_hot'
if not os.path.exists(savepath):
    os.makedirs(savepath)


def draw_features(width, height, x, savename):
    tic = time.time()
    fig = plt.figure(figsize=(16, 16))
    fig.subplots_adjust(left=0.05, right=0.95, bottom=0.05, top=0.95, wspace=0.05, hspace=0.05)
    for i in range(width * height):
        plt.subplot(height, width, i + 1)
        plt.axis('off')
        img = x[0, i, :, :]
        pmin = np.min(img)
        pmax = np.max(img)
        img = ((img - pmin) / (pmax - pmin + 0.000001)) * 255  # float在[0，1]之间，转换成0-255
        img = img.astype(np.uint8)  # 转成unit8
        img = cv2.applyColorMap(img, cv2.COLORMAP_JET)  # 生成heat map
        img = img[:, :, ::-1]  # 注意cv2（BGR）和matplotlib(RGB)通道是相反的
        plt.imshow(img)
        print("{}/{}".format(i, width * height))
    fig.savefig(savename, dpi=100)
    fig.clf()
    plt.close()
    print("time:{}".format(time.time() - tic))


class ft_net(nn.Module):

    def __init__(self):
        super(ft_net, self).__init__()
        model_ft = models.resnet50(pretrained=True)
        self.model = model_ft

    def forward(self, x):
        if True:  # draw features or not
            x = self.model.conv1(x)
            draw_features(8, 8, x.cpu().numpy(), "{}/f1_conv1.png".format(savepath))

            x = self.model.bn1(x)
            draw_features(8, 8, x.cpu().numpy(), "{}/f2_bn1.png".format(savepath))

            x = se

标签