Data-Visualization
在熱/等高線圖中最有效地使用顏色
在呈現時頻腦電圖結果時，使用熱/等高線圖是很常見的。經常選擇的配色方案（也是我喜歡和使用的一種）是“jet”配色方案（例如，參見 google image search time-frequency EEG）。我想知道是否有更好的配色方案來展示這些圖，和/或展示這些地圖的指南。
例如，來自 R 基礎庫
#Volcano x <- 10*(1:nrow(volcano)) y <- 10*(1:ncol(volcano)) image(x, y, volcano, col = terrain.colors(100), axes = FALSE) # With Jet colours jet.colors <- colorRampPalette(c("midnightblue","blue", "cyan","green1", "yellow","orange","red", "darkred"), space="Lab") image(x, y, volcano, col = jet.colors(100), axes = FALSE)
儘管記錄在案的感知效率低下，但通常被稱為彩虹色圖仍然很受歡迎。彩虹（和其他光譜）顏色圖的主要問題是：
- 顏色不是按感知順序排列的
- 亮度反彈：我們的眼睛主要是用於亮度的桿，而不是用於顏色的錐
- 我們明確地看到色調
- 色調通常存在不均等（例如，寬綠色和窄黃色）
從積極的一面：
- 光譜主題具有高分辨率（比例中更可區分的顏色值）
- 數字安全；這樣的主題仍然很常見
有關討論和替代方案（包括黑體輻射和灰度），請參閱被認為有害的彩虹色圖（仍然） 。
如果發散方案是合適的，我喜歡 Kenneth Moreland 在他的論文“科學可視化的發散顏色圖”中得出的感知一致的冷到暖方案。它和其他方案與ParaView wiki中的圖像進行了比較，儘管是從著色 3-D 表面的角度來看，這意味著顏色方案必須能夠承受陰影效果。
最近的博客文章包含更多鏈接和 Matlab 替代品：彩虹色圖——它們有什麼用？絕對沒有！
建議：首先嘗試灰度或其他單色漸變。如果您需要更高的分辨率，請嘗試黑體輻射。如果極端值比中間值更重要，請嘗試中間灰色的發散方案，例如冷到暖方案。
來自 ParaView wiki 頁面的圖片：
彩虹：
灰度：
黑體：
冷暖：
