Sử dụng hiệu quả nhất màu sắc trong bản đồ nhiệt / đường viền

Việc sử dụng bản đồ nhiệt / đường viền là khá phổ biến khi trình bày kết quả EEG tần số thời gian. Phối màu thường được chọn (và một màu mà tôi thích và sử dụng) là bảng màu "máy bay phản lực" (xem ví dụ: EEG tần số tìm kiếm hình ảnh google ). Tôi tự hỏi liệu có cách phối màu nào tốt hơn để trình bày các ô này không, và / hoặc hướng dẫn cho việc trình bày các bản đồ đó.

ví dụ: từ thư viện cơ sở 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)

Bản đồ màu cầu vồng , như chúng thường được gọi, vẫn phổ biến mặc dù không hiệu quả về nhận thức. Các vấn đề chính với bản đồ màu cầu vồng (và quang phổ khác) là:

• Các màu sắc không theo thứ tự nhận thức
• Độ chói nảy xung quanh: mắt của chúng ta chủ yếu là hình que cho độ chói, không phải hình nón
• Chúng tôi thấy màu sắc phân loại
• Màu sắc thường có sự hiện diện không đồng đều (ví dụ, màu xanh lá cây rộng và màu vàng hẹp)

Về mặt tích cực:

• Các chủ đề phổ có độ phân giải cao (giá trị màu dễ phân biệt hơn trong thang đo)
• Có sự an toàn về số lượng; những chủ đề như vậy vẫn còn khá phổ biến

Xem Bản đồ màu cầu vồng (Vẫn) được coi là có hại để thảo luận và thay thế, bao gồm cả bức xạ vật đen và thang độ xám.

Nếu một sơ đồ phân kỳ là phù hợp, tôi thích sơ đồ mát-ấm đồng nhất theo cảm nhận được xuất phát từ Kenneth Moreland trong bài viết của mình, Bản đồ màu phân kỳ cho Trực quan khoa học . Nó và các lược đồ khác được so sánh với các hình ảnh trong wiki ParaView , mặc dù với phối cảnh tô màu bề mặt 3 chiều, điều đó có nghĩa là bảng màu phải tồn tại trong các hiệu ứng đổ bóng.

Bài đăng trên blog gần đây với nhiều liên kết và lựa chọn thay thế Matlab: Rainbow Colormaps - Chúng tốt cho cái gì? Hoàn toàn không có gì!

Khuyến nghị : Đầu tiên hãy thử thang độ xám hoặc một gradient đơn sắc khác. Nếu bạn cần độ phân giải cao hơn, hãy thử bức xạ cơ thể màu đen. Nếu các cực trị quan trọng hơn các giá trị trung bình, hãy thử một sơ đồ phân kỳ với màu xám ở giữa, chẳng hạn như lược đồ mát-ấm.

Hình ảnh từ trang wiki ParaView:

Cầu vồng:

Thang độ xám:

Thân đen:

Mát-ấm:

Tôi đồng ý với @xan về sự thiếu hiệu quả của bản đồ màu cầu vồng. Đây là một bài báo khác cho thấy rằng các bản đồ màu cầu vồng / phân loại về cơ bản tệ hơn so với các bản đồ phân kỳ cho các nhiệm vụ định lượng, từ InfoVis '11:

• Michelle Borkin, Krzysztof Gajos, Amanda Peters, Dimitrios Mitsouras, Simone Melchionna, Frank Rybicki, Charles Feldman và Hanspeter Pfister. 2011. Đánh giá hình ảnh động mạch để chẩn đoán bệnh tim. Giao dịch của IEEE về trực quan hóa và đồ họa máy tính 17, 12 (tháng 12 năm 2011), 2479-2488. DOI = 10.1109 / TVCG.2011.192 Liên kết tới PDF, slide và hình ảnh.

Điều duy nhất bản đồ màu cầu vồng / phân loại là tốt để hiển thị các giá trị riêng biệt của các biến phân loại. Tuy nhiên, màu sắc bạn chọn quan trọng. Nếu bạn cần thang đo phân loại, hãy xem bài báo xuất sắc này từ CHI '12 sử dụng bộ dữ liệu khảo sát XKCD nói về cách chúng tôi nhận thấy sự khác biệt về màu sắc. Nó cho phép bạn đánh giá thang màu bằng cách con người nhận thức rõ sự khác biệt. Bộ phân tích bảng màu dựa trên web của họ cũng sẽ cho phép bạn đánh giá thang màu của riêng bạn!

• Jeffrey Heer và Maureen Stone. 2012. Các mô hình đặt tên màu để lựa chọn màu sắc, chỉnh sửa hình ảnh và thiết kế bảng màu. Trong Kỷ yếu của Hội nghị SIGCHI về các yếu tố con người trong các hệ thống máy tính (CHI '12). ACM, New York, NY, Hoa Kỳ, 1007-1016. DOI = 10.1145 / 2207676.2208547 Liên kết tới PDF, bản demo trực tuyến, v.v.