在图像增强领域，如图像去噪，图像去雨和去雾中，常常会将输入的severely-degraded image和通过卷积神经网络学习的负残差谱相加输出去噪、去雨雾后的增强结果，这里负残差谱通常是单通道的attention map，所以通过一些常用模块，cv2、plt等进行可视化时，往往是灰度图像，人眼无法有效地进行观察，所以为了将灰度图像的灰度值0~255进行一个显式输出，采用cv2.applyColorMap()函数进行伪彩色化。

colormap（色度图）是什么？

假设我们想在地图上显示一个国家不同地区的温度。我们可以把地图上的温度数据叠加为灰度图像——较暗的区域代表较低的温度，更明亮的区域代表温度更高。这样的表现不仅令人难以置信，而且代表了两个重要的原因。首先，人类视觉系统没有被优化来测量灰度强度的微小变化。我们能更好地感知颜色的变化。第二，我们用不同的颜色代表不同的灰度值，也就代表了相对应的含义。此处，蓝色表示较低的温度，且颜色越深，灰度值越低，温度越低。温度数据只是一个例子，将其转换为彩色数据以实现可视化是有意义的。

cv2.applyColorMap()

cv2的定义12种colormap（色度图），可以应用于灰度图像，使用函数applycolormap产生伪彩色图像。本篇博客最上方展示了这12中colormap的一个例子，具体采用哪一种根据具体的应用场景。下图则显示了一个关于colormap（色度图）的视觉表示和详细的COLORMAP_*参数，左边的颜色模式表示较低的灰度值，右边的则表示较高的灰度值。
参考自 https://blog.csdn.net/loveliuzz/article/details/73648505