使用C++和opencv。 有一张灰度图res，轮廓识别结果contours。对图做如下处理。 1、对每个轮廓，分别做从步骤2开始的处理。 2、找到轮廓中心。 3、从轮廓中心，间隔2°作射线（射线不用在res中画出），找到和轮廓的180个交点。 4、对每个交点做从步骤5开始的处理。 5、从交点出发，以中心点-交点方向为正方向，沿着正向和负向各寻找5各像素。 6、从步骤5中找出的10个像素点中，计算灰度值最大值和最小值的差值。 7、根据差值大小，使用applyColorMap函数对图像实现伪彩。要求差值越大颜色越红，差值越小颜色越蓝。

好的，让我来解答您的问题。

首先，我们需要使用OpenCV库和C++语言来实现您的要求。以下是大致的代码实现过程：

// 读取灰度图像
cv::Mat res = cv::imread("res.png", cv::IMREAD_GRAYSCALE);

// 轮廓检测
std::vector<std::vector<cv::Point>> contours;
cv::findContours(res, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);

// 遍历每个轮廓
for (const auto& contour : contours) {
    // 找到轮廓中心
    cv::Moments moments = cv::moments(contour);
    cv::Point center(moments.m10 / moments.m00, moments.m01 / moments.m00);

    // 计算每个交点的位置
    std::vector<cv::Point> intersections;
    for (int i = 0; i < 180; i += 2) {
        double angle = i * CV_PI / 180.0;
        double cosAngle = std::cos(angle);
        double sinAngle = std::sin(angle);
        double maxDist = std::sqrt(std::pow(res.cols, 2) + std::pow(res.rows, 2));
        cv::Point endpoint(center.x + maxDist * cosAngle, center.y + maxDist * sinAngle);
        cv::Point intersection;
        if (cv::intersectLinePolyline(center, endpoint, contour, intersection)) {
            intersections.push_back(intersection);
        }
    }

    // 遍历每个交点
    for (const auto& intersection : intersections) {
        // 计算正负方向的像素值
        std::vector<uchar> positivePixels, negativePixels;
        for (int i = 1; i <= 5; i++) {
            cv::Point positivePoint(intersection.x + i * (center.x - intersection.x) / 5, intersection.y + i * (center.y - intersection.y) / 5);
            cv::Point negativePoint(intersection.x - i * (center.x - intersection.x) / 5, intersection.y - i * (center.y - intersection.y) / 5);
            if (positivePoint.x >= 0 && positivePoint.x < res.cols && positivePoint.y >= 0 && positivePoint.y < res.rows) {
                positivePixels.push_back(res.at<uchar>(positivePoint));
            }
            if (negativePoint.x >= 0 && negativePoint.x < res.cols && negativePoint.y >= 0 && negativePoint.y < res.rows) {
                negativePixels.push_back(res.at<uchar>(negativePoint));
            }
        }

        // 计算灰度值最大值和最小值的差值
        if (!positivePixels.empty() && !negativePixels.empty()) {
            int diff = *std::max_element(positivePixels.begin(), positivePixels.end()) - *std::min_element(negativePixels.begin(), negativePixels.end());

            // 根据差值大小应用伪彩色
            cv::Mat colorMap;
            cv::applyColorMap(cv::Mat(1, 1, CV_8UC1, cv::Scalar(diff)), colorMap, cv::COLORMAP_JET);
            cv::Vec3b color = colorMap.at<cv::Vec3b>(0, 0);

            // 在原图像上绘制伪彩色
            cv::circle(res, intersection, 1, cv::Scalar(color[0], color[1], color[2]), 1);
        }
    }
}

// 显示处理后的图像
cv::imshow("result", res);
cv::waitKey(0);

以上代码实现了您的要求，具体实现过程如下：

1. 使用OpenCV库读取灰度图像。
2. 对图像进行轮廓检测，得到所有轮廓的坐标集合。
3. 遍历每个轮廓，计算轮廓中心。
4. 对每个轮廓中心，计算和轮廓的180个交点的位置。
5. 遍历每个交点，计算正负方向的5个像素的灰度值。
6. 计算正负方向像素灰度值最大值和最小值的差值。
7. 根据差值大小应用伪彩色。
8. 在原图像上绘制伪彩色。
9. 显示处理后的图像。

以上就是实现您的要求的大致过程，希望能对您有所帮助。