0～255を取る値からヒートマップ（RGB）を算出するプログラムを作っていましたが、
最初に書いたソース（GPU+Cupy）が遅すぎたため、試行錯誤した結果を残します。

※cv2.applyColorMap(grayscale_image,cv2.COLORMAP_JET)で全て解決でしたが、自作してしまいました（恥）。

下記は、画像サイズ320x180に対する処理です。
コードは主要部分のみ載せています。
また、ヒートマップは近似値を求める簡易版（三角関数未使用）です
（値の大きさをサーモグラフィのような色に変換するの線形の図）。

GPU+Cupy(for)

元々書いていたコードです。
愚直にforで回して処理する負け組コードです。

    def conv_v_to_heat(v):
        image = cuda.cupy.zeros((v.shape[0], array.v[1], 4))
        for i, w in enumerate(image):
            for j, h in enumerate(w):
                image[i,j,0] = get_heat_r(array[i][j])
                image[i,j,1] = get_heat_g(array[i][j])
                image[i,j,2] = get_heat_b(array[i][j])
                image[i,j,3] = array[i][j] # アルファは適当

    def get_heat_r(v):
        if v <= 127:
            return 0
        elif v <= 190:
            return (v-127)*4
        else:
            return 255

sec: 20.43495798110962

CPU+Numpy(for)

for使うくらいならGPUやめてしまったほうがまだましなのでは？
と思ってCPUに変えました（ソース省略）。

sec: 0.6369609832763672

CPUのほうが全然速かったです。

CPU+Numba+Numpy(for)

Numba入れてみました。

    @jit
    def conv_v_to_heat(v):

    @jit
    def get_heat_r(v):

sec: 0.20061397552490234

更に速くなりました。

CPU+Numba+Numpy(filter)

そもそも、Numpyにforを使う時点で負け組なので、
フィルタリングで対処するようにしました。

    def conv_v_to_heat(v):
       image = np.zeros((v.shape[0], v.shape[1], 4))
        image[:, :, 0] = get_r(array)
        image[:, :, 1] = get_g(array)
        image[:, :, 2] = get_b(array)
        image[:, :, 3] = v

    def get_heat_r(v):
        out = np.zeros((v.shape))
        out[...] = 255
        out[(v<=190)] = (v[(v<=190)]-127)*4
        out[(v<=127)] = 0
        return out

sec: 0.0013210773468017578

圧倒的に速くなりました。

CPU+Numpy(filter)

試しに、Numba外してみます。

sec: 0.001230478286743164

あれ、速くなりました。というか誤差レベルです。

GPU+Cupy(filter)

じゃあGPUは？

sec: 0.008527278900146484

遅くなりました。

まとめ

実装	time(sec)
GPU+Cupy(for)	20.43495798110962
CPU+Numpy(for)	0.63696098327637
CPU+Numba+Numpy(for)	0.20061397552490
CPU+Numba+Numpy(filter)	0.00132107734680
CPU+Numpy(filter)	0.00123047828674
GPU+Cupy(filter)	0.00852727890015

CPU+Numpy(filter)が一番でした。
もっと速い実装はあると思いますが、個人的には満足行く速度になりました。
やっぱ、for使ったら負けすね。