PASCAL VOC图像分割数据集中，图像中各个类别以不同的颜色进行区分，即Ground Truth中，每种颜色都对应着相应的类别：

可以看出这个颜色表既好看又容易区分开。下面来看，这个color map是如何产生的。

先附上Matlab版本的代码：

% VOCLABELCOLORMAP Creates a label color map such that adjacent indices have different

% colors.  Useful for reading and writing index images which contain large indices,

% by encoding them as RGB images.

%

% CMAP = VOCLABELCOLORMAP(N) creates a label color map with N entries.

function cmap = labelcolormap(N)

if nargin==0

    N=256

end

cmap = zeros(N,3);

for i=1:N

    id = i-1; r=0;g=0;b=0;

    for j=0:7

        r = bitor(r, bitshift(bitget(id,1),7 - j));

        g = bitor(g, bitshift(bitget(id,2),7 - j));

        b = bitor(b, bitshift(bitget(id,3),7 - j));

        id = bitshift(id,-3);

    end

    cmap(i,1)=r; cmap(i,2)=g; cmap(i,3)=b;

end

cmap = cmap / 255;

其中，N就是类别数，而bitor()，bitshift()，bitget()这些位运算的函数，可以在Matlab中查询其功能，很容易理解（源码就不做分析了）。

对于VOC 20类的分割问题，我们调用：labelcolormap(21)，可以得到如下输出（这里把结果乘以255，使用整数表示）：

     0     0     0

   128     0     0

     0   128     0

   128   128     0

     0     0   128

   128     0   128

     0   128   128

   128   128   128

    64     0     0

   192     0     0

    64   128     0

   192   128     0

    64     0   128

   192     0   128

    64   128   128

   192   128   128

     0    64     0

   128    64     0

     0   192     0

   128   192     0

     0    64   128

我将Matlab代码转为python版本：

def uint82bin(n, count=8):

    """returns the binary of integer n, count refers to amount of bits"""

    return ''.join([str((n >> y) & 1) for y in range(count-1, -1, -1)])

def labelcolormap(N):

    cmap = np.zeros((N, 3), dtype = np.uint8)

    for i in range(N):

        r = 0

        g = 0

        b = 0

        id = i

        for j in range(7):

            str_id = uint82bin(id)

            r = r ^ ( np.uint8(str_id[-1]) << (7-j))

            g = g ^ ( np.uint8(str_id[-2]) << (7-j))

            b = b ^ ( np.uint8(str_id[-3]) << (7-j))

            id = id >> 3

        cmap[i, 0] = r

        cmap[i, 1] = g

        cmap[i, 2] = b

    return cmap

这里，我并没有将cmap保存成float型，而是无符号整型，不过这是小事。执行labelcolormap(21)后，得到输出如下：

[[  0   0   0]

 [128   0   0]

 [  0 128   0]

 [128 128   0]

 [  0   0 128]

 [128   0 128]

 [  0 128 128]

 [128 128 128]

 [ 64   0   0]

 [192   0   0]

 [ 64 128   0]

 [192 128   0]

 [ 64   0 128]

 [192   0 128]

 [ 64 128 128]

 [192 128 128]

 [  0  64   0]

 [128  64   0]

 [  0 192   0]

 [128 192   0]

 [  0  64 128]]

与Matlab版本的结果一致。