Penggunaan warna yang paling efektif dalam peta panas / kontur

Sangat umum untuk menggunakan peta panas / kontur ketika menyajikan temuan EEG frekuensi waktu. Skema warna yang sering dipilih (dan yang saya sukai dan gunakan) adalah skema warna "jet" (lihat misalnya, waktu-frekuensi pencarian gambar google EEG ). Saya ingin tahu apakah ada skema warna yang lebih baik untuk menyajikan plot ini, dan / atau pedoman untuk presentasi peta tersebut.

misalnya, dari pustaka dasar 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

— Matt Albrecht
sumber

Hanya 2 ¢ saya: RColorBrewer atau colorspace menawarkan opsi yang jauh lebih baik untuk menangani palet warna yang berbeda.

— chl

Saya setuju dengan @chl Brewer adalah pakar warna, sejauh yang saya ketahui.

— Peter Flom - Reinstate Monica

Sayangnya halaman ini tidak berfungsi saat ini (kemungkinan terkait Sandy), tetapi ada blog / artikel online yang bagus tentang hal ini oleh Bernice Rogowitz dan Lloyd Treinish dari IBM secara khusus tentang skema warna pelangi (lihat diskusi terkait dan beberapa gambar di Flowingdata ).

— Andy W

Gunakan apa pun kecuali jet. Satu-satunya alasan siapa pun menggunakannya adalah karena itu adalah default di Matlab.

— endolith

Jawaban:

Peta warna pelangi , seperti yang sering mereka sebut, tetap populer meskipun inefisiensi persepsi yang terdokumentasi. Masalah utama dengan peta warna pelangi (dan spektral lainnya) adalah:

Warnanya tidak dalam urutan perseptual
Luminansi memantul di sekitar: mata kita sebagian besar adalah batang untuk pencahayaan, bukan kerucut untuk warna
Kami melihat rona dengan jelas
Warna sering memiliki kehadiran yang tidak sama (mis. Hijau lebar dan kuning sempit)

Di sisi positifnya:

Tema spektral memiliki resolusi tinggi (nilai warna lebih dapat dibedakan dalam skala)
Ada keamanan dalam jumlah; tema semacam itu masih cukup umum

Lihat Peta Warna Pelangi (Masih) Dianggap Berbahaya untuk diskusi dan alternatif, termasuk radiasi benda hitam dan skala abu-abu.

Jika skema divergen cocok, saya suka skema cool-to-warm yang dipersepsikan seragam yang diturunkan oleh Kenneth Moreland dalam makalahnya, Diverging Color Maps for Visualization Scientific . Skema ini dan lainnya dibandingkan dengan gambar dalam wiki ParaView , meskipun dengan perspektif mewarnai permukaan 3-D, yang berarti skema warna harus bertahan dari efek naungan.

Posting blog terbaru dengan lebih banyak tautan dan alternatif Matlab: Rainbow Colormaps - Apa manfaatnya? Sama sekali tidak ada!

Rekomendasi : Pertama coba grayscale atau gradien monokromatik lainnya. Jika Anda membutuhkan lebih banyak resolusi, coba radiasi benda hitam. Jika nilai ekstrem lebih penting daripada nilai tengah, coba skema yang berbeda dengan abu-abu di tengah, seperti skema dingin ke hangat.

Gambar dari halaman wiki ParaView:

Pelangi: masukkan deskripsi gambar di sini

Skala abu-abu: masukkan deskripsi gambar di sini

Tubuh hitam: masukkan deskripsi gambar di sini

Dingin ke hangat: masukkan deskripsi gambar di sini

— xan
sumber

Terima kasih, jawaban yang bagus. Aplikasi EEG jelas membutuhkan sesuatu yang dapat dengan mudah mengidentifikasi ekstrem; baik tegangan positif maupun negatif adalah penting. Jadi atas dasar ini, Cool-Warm sepertinya yang terbaik. Adakah petunjuk untuk membuat skala Dingin-Hangat lebih menyenangkan secara estetis (sebagai masalah selera pribadi, dan mungkin bidang itu)?

— Matt Albrecht

Melihat lebih dekat pada beberapa tokoh EEG, banyak yang tidak memiliki warna hijau yang menonjol. Saya pikir itu bisa menjadi solusi untuk estetika saya, menghapus hijau dan biola tentang beberapa warna tengah.

— Matt Albrecht

Saya telah memperbarui pic Cool-Warm karena aslinya sedikit terhapus untuk beberapa alasan. Jika skema yang berbeda sesuai dengan data Anda, ada banyak yang lain untuk dipilih (lihat ColorBrewer, misalnya).

— xan

Jangan lupa versi palet buta warna di atas; meninggalkan hijau umumnya adalah ide yang baik, tetapi ada beberapa perangkap warna buta yang harus diwaspadai. ' research.stowers-institute.org/efg/Report/UsingColorInR.pdf ' untuk informasi lebih lanjut.

— Jbowman

Tautan wiki yang lengkap dengan nilai RGB untuk gradien sangat membantu.

— Brent Menulis Kode

Saya setuju dengan @xan tentang ketidakefisienan peta warna pelangi. Berikut adalah makalah lain yang menunjukkan bahwa pelangi / peta warna kategorikal secara substansial lebih buruk daripada yang menyimpang untuk tugas kuantitatif, dari InfoVis '11:

Michelle Borkin, Krzysztof Gajos, Amanda Peters, Dimitrios Mitsouras, Simone Melchionna, Frank Rybicki, Charles Feldman, dan Hanspeter Pfister. 2011. Evaluasi Visualisasi Arteri untuk Diagnosis Penyakit Jantung. Transaksi IEEE pada Visualisasi dan Grafik Komputer 17, 12 (Desember 2011), 2479-2488. DOI = 10.1109 / TVCG.2011.192 Tautan ke PDF, Slide, dan Gambar.

Satu-satunya hal pelangi / peta warna kategorikal yang baik adalah menunjukkan nilai variabel variabel yang terpisah. Namun, warna yang Anda pilih penting. Jika Anda membutuhkan skala kategorikal, lihat makalah luar biasa ini dari CHI '12 yang menggunakan dataset survei XKCD yang membahas tentang bagaimana kami melihat perbedaan warna. Ini memungkinkan Anda untuk menilai skala warna berdasarkan seberapa baik manusia memahami perbedaan. Alat Analisis Palet Warna berbasis web mereka juga akan memungkinkan Anda mengevaluasi skala warna Anda sendiri!

Jeffrey Heer dan Maureen Stone. 2012. Model penamaan warna untuk pemilihan warna, pengeditan gambar dan desain palet. Dalam Prosiding Konferensi SIGCHI tentang Faktor Manusia dalam Sistem Komputasi (CHI '12). ACM, New York, NY, AS, 1007-1016. DOI = 10.1145 / 2207676.2208547 Tautan ke PDF, demo online, dll.

Contoh analisis Palet Warna

— edallme
sumber