مقدمه : سرطان سینه یکی از شایع‌ترین بیماری‌ها در بین زنان در سراسر جهان است. یکی از راه‌های موثر برای کاهش خطر مرگ ناشی از سرطان سینه، تشخیص زودهنگام با روش های غربالگری پستان مانند ترموگرافی است. برای درک بهتر بصری، افزایش کیفیت تصویر پزشکی ضروری است. شبه رنگ آمیزی تصاویر حرارتی، تشخیص دقیق‌تری را برای پزشکان فراهم می‌کند.
مواد و روش‌ها: ما عملکرد هشت الگورتیم شبه رنگی را در تبدیل تصاویر خاکستری به تصاویر رنگی ارزیابی می کنیم. این الگوریتم‌ها عبارتند از نقشه رنگی گرم (HCM)، نقشه رنگی سینوسی (SCM)، نقشه رنگی پیشنهادی زاهدی (ZCM)،نقشه رنگی جِت (JCM)، چهارالگوریتم پیشنهادی توسط صمدزاده اقدم که دو مورد آن در فضای رنگی (HSI) و دو مورد آن در فضای رنگی Lab می‌باشد. ما نتایج را با یکدیگر مقایسه می کنیم. برای ارزیابی از معیارهای میانگین مربعات خطا (MSE)، اختلاف رنگ نرمال شده (NCD)، نسبت پیک سیگنال به نویز (PSNR) و تشابه ساختاری (SSIM) استفاده می‌کنیم.در نهایت، با آنالیز واریانس معنادار بودن اختلافات را می سنجیم.
یافته‌ها: نتایج نشان می دهد که دو الگوریتم طراحی شده در فضای رنگی HSI طبق معیارهای MSE،PSNR و SSIM نسبت به روش های دیگر برتری دارد. 
بحث و نتیجه گیری: حساسیت چشم انسان به رنگ ها بسیار بیشتر از سطوح خاکستری است. بنابراین، تبدیل ترموگرام های خاکستری به شبه رنگی باعث تجسم بهتر، تفسیر آسان و در نهایت تشخیص درست تر می شود. اگرچه روش های شبه رنگآمیزی متنوعی وجود دارد، معیارهای کمّی و عینی می توانند به انتخاب الگوریتم کارآمد کمک کنند.