在热量/轮廓图中最有效地使用颜色

在介绍时频EEG发现时，通常使用热量/轮廓图。经常选择的配色方案（以及我喜欢和使用的配色方案）是“喷射”配色方案（例如，参见google图像搜索时频EEG）。我想知道是否有更好的配色方案来显示这些图，和/或显示这些图的指南。

例如，来自R基础库

#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)

尽管记录了知觉上的低效率，彩虹色图（通常称为彩虹色图）仍然很受欢迎。彩虹（和其他光谱）颜色图的主要问题是：

• 颜色不是按感官顺序排列的
• 亮度回弹：我们的眼睛主要是视杆为亮度，而非视锥细胞为颜色
• 我们断然看到色调
• 色相通常不相等（例如，宽绿色和窄黄色）

从积极的一面：

• 光谱主题具有高分辨率（刻度中的颜色值更可区分）
• 数字安全。这样的主题仍然很普遍

有关讨论和替代方法，包括黑体辐射和灰度，请参见彩虹色图（仍然）被认为有害。

如果有一个合适的发散方案，我喜欢肯尼思·莫兰德（Kenneth Moreland）在其论文《发散色图以实现科学可视化》中提出的统一感性的从冷到热方案。它和其他方案与ParaView Wiki中的图像进行了比较，尽管具有为3-D表面着色的角度，这意味着该颜色方案必须能够承受阴影效果。

最近的博客文章，其中包含更多链接和Matlab替代方法：Rainbow Colormaps –它们有什么用？绝对没有！

建议：首先尝试灰度或其他单色渐变。如果需要更高的分辨率，请尝试黑体辐射。如果极端值比中间值重要，请尝试使用中间偏灰色的发散方案，例如从冷到热方案。

来自ParaView Wiki页面的图像：

彩虹：

灰阶：

黑体：

从冷到热：

我同意@xan关于彩虹色图效率低下的问题。这是另一篇论文，从InfoVis '11可以看出，彩虹/分类色图在本质上要比发散色图要差得多。

• Michelle Borkin，Krzysztof Gajos，Amanda Peters，Dimitrios Mitsouras，Simone Melchionna，Frank Rybicki，Charles Feldman和Hanspeter Pfister。2011年。《心脏病诊断的动脉可视化评估》。IEEE Transactions on Visualization and Computer Graphics 17，12（2011年12月），2479-2488。DOI = 10.1109 / TVCG.2011.192 链接到PDF，幻灯片和图像。

彩虹/分类颜色图唯一的好处是显示分类变量的单独值。但是，选择的颜色很重要。如果需要分类量表，请查阅CHI '12的出色论文，该论文使用XKCD调查数据集来讨论我们如何感知颜色差异。它使您可以根据人类对差异的感知程度来对色阶进行评分。他们基于Web的调色板分析器也可以让您评估自己的色标！

• Jeffrey Heer和Maureen Stone。2012。用于颜色选择，图像编辑和调色板设计的颜色命名模型。在SIGCHI关于计算系统中人为因素会议（CHI '12）的会议记录中。ACM，美国纽约，纽约，1007-1016。DOI = 10.1145 / 2207676.2208547 链接至PDF，在线演示等