การใช้สีที่มีประสิทธิภาพที่สุดในแผนที่ความร้อน / เส้นชั้นความสูง

เป็นเรื่องปกติที่จะใช้แผนที่ความร้อน / เส้นชั้นความสูงเมื่อนำเสนอการค้นพบคลื่นไฟฟ้าสมองเวลา โทนสีที่เลือกมักจะ (และอันที่ฉันชอบและใช้) คือชุดรูปแบบสี "jet" (ดูเช่นEEG ความถี่เวลาค้นหารูปภาพของ Google ) ฉันสงสัยว่ามีโครงร่างสีที่ดีกว่านี้สำหรับการนำเสนอแปลงเหล่านี้และ / หรือแนวทางในการนำเสนอแผนที่ดังกล่าวหรือไม่

เช่นจากไลบรารีฐาน R

#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)

data-visualization

— แมตต์อัลเบรทช์
แหล่งที่มา

เพียงแค่ 2 ¢ของฉัน: RColorBrewerหรือcolorspaceเสนอตัวเลือกที่ดีกว่าเพื่อจัดการกับสีที่ต่างกัน

— chl

ฉันเห็นด้วยกับ @chl Brewer เป็น maven สีเท่าที่ฉันกังวล

— Peter Flom - Reinstate Monica

น่าเสียดายที่หน้านี้ไม่ทำงาน (อาจเกี่ยวข้องกับ Sandy) แต่มีบล็อก / บทความออนไลน์ที่ดีเกี่ยวกับเรื่องนี้โดยBernice Rogowitz และ Lloyd Treinish จาก IBM โดยเฉพาะเกี่ยวกับโครงร่างสีรุ้ง (ดูการอภิปรายที่เกี่ยวข้องและรูปภาพบางภาพที่Flowingdata )

— Andy W

ใช้อะไร jetแต่ เหตุผลเดียวที่ใครก็ตามใช้เพราะเป็นค่าเริ่มต้นใน Matlab

— endolith

คำตอบ:

แผนที่สีรุ้งซึ่งมักถูกเรียกขานว่ายังคงได้รับความนิยมแม้จะไม่มีการรับรู้ที่เป็นเอกสาร ปัญหาหลักของแผนที่สีรุ้ง (และสเปกตรัมอื่น ๆ ) คือ:

สีไม่ได้อยู่ในลำดับการรับรู้
ความส่องสว่างสะท้อนไปรอบ ๆ : ดวงตาของเราส่วนใหญ่เป็นแท่งสำหรับความส่องสว่างไม่ใช่โคนสำหรับสี
เราเห็นเฉดสีอย่างเป็นหมวดหมู่
เฉดสีมักมีสถานะไม่เท่ากัน (เช่นสีเขียวกว้างและสีเหลืองแคบ)

ในด้านบวก:

ชุดรูปแบบสเปกตรัมมีความละเอียดสูง (ค่าสีที่แตกต่างได้มากขึ้นในสเกล)
มีความปลอดภัยในตัวเลข ธีมดังกล่าวยังคงค่อนข้างบ่อย

ดูแผนที่สีรุ้ง (ภาพนิ่ง) ถือว่าเป็นอันตรายสำหรับการสนทนาและทางเลือกอื่นรวมถึงการแผ่รังสีดำและระดับสีเทา

หากโครงการแยกเหมาะผมชอบเครื่องแบบ perceptually เย็นเพื่ออบอุ่นโครงการมาโดยเคนเน ธ มอร์แลนด์ในกระดาษของเขาแยกสี Maps สำหรับ scienti Fi คการแสดง มันและโครงร่างอื่น ๆ ถูกนำมาเปรียบเทียบกับรูปภาพในParaView wikiแม้ว่าจะมีมุมมองของการระบายสีพื้นผิว 3-D ซึ่งหมายความว่าโครงร่างสีต้องมีเอฟเฟกต์การแรเงา

โพสต์บล็อกล่าสุดพร้อมลิงก์เพิ่มเติมและตัวเลือก Matlab: Rainbow Colormaps - มีประโยชน์อะไรบ้าง? ไม่มีอะไรจริงๆ!

คำแนะนำ : ก่อนอื่นให้ลองโทนสีเทาหรือไล่ระดับสีเดียว หากคุณต้องการความละเอียดมากขึ้นลองใช้การแผ่รังสีดำ หากจุดสุดยอดมีความสำคัญมากกว่าค่ากลางให้ลองใช้ชุดรูปแบบที่มีสีเทาอยู่ตรงกลางเช่นรูปแบบที่ดูอบอุ่นและอบอุ่น

รูปภาพจากหน้า ParaView wiki:

รุ้ง: ป้อนคำอธิบายรูปภาพที่นี่

โทนสีเทา: ป้อนคำอธิบายรูปภาพที่นี่

Black-ร่างกาย: ป้อนคำอธิบายรูปภาพที่นี่

ปเพื่ออบอุ่น: ป้อนคำอธิบายรูปภาพที่นี่

— Xan
แหล่งที่มา

ขอบคุณคำตอบที่ดี แอปพลิเคชั่น EEG ต้องการสิ่งที่สามารถระบุความสุดขั้วได้อย่างง่ายดาย แรงดันไฟฟ้าทั้งบวกและลบมีความสำคัญ ดังนั้นบนพื้นฐานนี้ Cool-Warm จึงดูดีที่สุด พอยน์เตอร์ใดที่ทำให้สเกล Cool-Warm เป็นที่ชื่นชอบทางสุนทรียศาสตร์มากขึ้น (เป็นเรื่องของรสนิยมส่วนตัวและความเป็นไปได้ของสาขา)

— Matt Albrecht

มองอย่างใกล้ชิดกับตัวเลขของ EEG บางส่วนไม่มีสีเขียวโดดเด่น ฉันคิดว่านั่นอาจเป็นวิธีการแก้ความสวยงามของฉันลบสีเขียวและซอเกี่ยวกับสีกลางบางส่วน

— Matt Albrecht

ฉันได้อัปเดตรูปภาพ Cool-Warm ตั้งแต่ต้นฉบับค่อนข้างจะล้างออกด้วยเหตุผลบางอย่าง หากรูปแบบการเบี่ยงเบนเหมาะสมกับข้อมูลของคุณมีผู้อื่นให้เลือกมากมาย (ดู ColorBrewer เป็นต้น)

— xan

อย่าลืมรุ่นจานสีที่มีสีข้างต้น การออกจากกรีนมักเป็นความคิดที่ดี แต่ก็มีข้อผิดพลาดอื่น ๆ ที่ต้องระวัง ' research.stowers-institute.org/efg/Report/UsingColorInR.pdf ' สำหรับข้อมูลเพิ่มเติม

— jbowman

ลิงก์ wiki นั้นเสร็จสมบูรณ์ด้วยค่า RGB สำหรับการไล่ระดับสีมีประโยชน์มากที่สุด

— เบรนต์เขียนรหัส

ฉันเห็นด้วยกับ @xan เกี่ยวกับความไร้ประสิทธิภาพของแผนที่สีรุ้ง นี่เป็นอีกกระดาษหนึ่งที่แสดงให้เห็นว่าแผนที่สีรุ้ง / หมวดหมู่นั้นแย่กว่าการเบี่ยงเบนสำหรับงานเชิงปริมาณจาก InfoVis '11:

Michelle Borkin, Krzysztof Gajos, Amanda Peters, Dimitrios Mitsouras, Simone Melchionna, Frank Rybicki, Charles Feldman และ Hanspeter Pfister 2554. การประเมินการมองเห็นหลอดเลือดแดงเพื่อวินิจฉัยโรคหัวใจ ธุรกรรม IEEE เกี่ยวกับการสร้างภาพและกราฟิกคอมพิวเตอร์ 17, 12 (ธันวาคม 2554), 2479-2488 DOI = 10.1109 / TVCG.2011.192 ลิงก์ไปยัง PDF สไลด์และรูปภาพ

แผนที่สายรุ้ง / สีอย่างมีนัยสำคัญเท่านั้นที่ดีสำหรับการแสดงค่าที่แยกจากกันของตัวแปรเด็ดขาด อย่างไรก็ตามสีที่คุณเลือกมีความหมาย หากคุณต้องการสเกลตามหมวดหมู่ลองดูบทความที่ยอดเยี่ยมนี้จาก CHI '12 ที่ใช้ชุดข้อมูลการสำรวจ XKCD ที่พูดถึงวิธีที่เรารับรู้ถึงความแตกต่างของสี มันช่วยให้คุณให้คะแนนสเกลสีโดยที่มนุษย์รับรู้ถึงความแตกต่าง Color Palette Analyzerของพวกเขาบนเว็บจะช่วยให้คุณประเมินสเกลสีของคุณเองได้เช่นกัน!

Jeffrey Heer และ Maureen Stone 2012 โมเดลการตั้งชื่อสีสำหรับการเลือกสีการแก้ไขรูปภาพและการออกแบบจานสี ในการประชุม SIGCHI เรื่องปัจจัยมนุษย์ในระบบคอมพิวเตอร์ (CHI '12) ACM, New York, NY, USA, 1007-1016 DOI = 10.1145 / 2207676.2208547 ลิงก์ไปยัง PDF ตัวอย่างออนไลน์ ฯลฯ

ตัวอย่างการวิเคราะห์จานสี

— edallme
แหล่งที่มา