语义分割热力图可视化代码

以下是使用Python和OpenCV库实现语义分割热力图可视化的示例代码：

import cv2
import numpy as np

# 定义颜色映射
COLORS = [
    (0, 0, 0),         # 0=background
    (128, 0, 0),       # 1=aeroplane
    (0, 128, 0),       # 2=bicycle
    (128, 128, 0),     # 3=bird
    (0, 0, 128),       # 4=boat
    (128, 0, 128),     # 5=bottle
    (0, 128, 128),     # 6=bus
    (128, 128, 128),   # 7=car
    (64, 0, 0),        # 8=cat
    (192, 0, 0),       # 9=chair
    (64, 128, 0),      # 10=cow
    (192, 128, 0),     # 11=diningtable
    (64, 0, 128),      # 12=dog
    (192, 0, 128),     # 13=horse
    (64, 128, 128),    # 14=motorbike
    (192, 128, 128),   # 15=person
    (0, 64, 0),        # 16=potted plant
    (128, 64, 0),      # 17=sheep
    (0, 192, 0),       # 18=sofa
    (128, 192, 0),     # 19=train
    (0, 64, 128)       # 20=tv/monitor
]

# 读取语义分割图像
seg_map = cv2.imread('seg_map.png', 0)

# 创建热力图
heatmap = np.zeros((seg_map.shape[0], seg_map.shape[1], 3), dtype=np.uint8)

# 根据语义分割图像填充热力图
for i in range(len(COLORS)):
    heatmap[np.where(seg_map == i)] = COLORS[i]

# 可视化热力图
cv2.imshow('Heatmap', heatmap)
cv2.waitKey()
cv2.destroyAllWindows()

在上述示例代码中，我们首先定义了一个颜色映射`COLORS`，其中包含了21种颜色，分别对应21种语义类别及背景。然后读取语义分割图像`seg_map`，并创建一个与其大小相同的热力图`heatmap`。接着，我们遍历颜色映射`COLORS`，并根据语义分割图像填充热力图`heatmap`。最后，我们可视化热力图`heatmap`。