Podczas prezentacji wyników EEG czasowo-częstotliwościowych dość często używa się map ciepła / konturów. Często wybieranym schematem kolorów (i tym, który mi się podoba i którego używam) jest schemat kolorów „jet” (patrz np. Czas EEG wyszukiwania obrazów w Google ). Zastanawiam się, czy istnieją lepsze schematy kolorów do prezentacji tych wykresów i / lub wytyczne dotyczące prezentacji takich map.
np. z biblioteki podstawowej 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
źródło
źródło
jet
. Jedynym powodem, dla którego ktoś go używa, jest to, że jest on domyślny w Matlabie.Odpowiedzi:
Mapy kolorów tęczy , jak się je często nazywa, pozostają popularne pomimo udokumentowanej nieefektywności percepcyjnej. Główne problemy z mapami kolorów tęczy (i innych spektralnych) to:
Na plus:
Zobacz tęczową mapę kolorów (nadal) uważaną za szkodliwą dla dyskusji i alternatyw, w tym promieniowania ciała czarnego i skali szarości.
Jeśli odpowiedni jest schemat rozbieżny, podoba mi się percepcyjnie jednolity schemat chłodzenia na ciepło, wyprowadzony przez Kennetha Morelanda w jego artykule „ Rozbieżne mapy kolorów dla wizualizacji naukowej” . To i inne schematy są porównywane z obrazami na wiki ParaView , choć z perspektywą kolorowania powierzchni 3D, co oznacza, że schemat kolorów musi przetrwać efekty cieniowania.
Ostatni post na blogu z większą liczbą linków i alternatyw Matlaba: Rainbow Colormaps - Do czego służą? Absolutnie niczego!
Zalecenie : Najpierw spróbuj w skali szarości lub innym gradiencie monochromatycznym. Jeśli potrzebujesz większej rozdzielczości, wypróbuj promieniowanie ciała czarnego. Jeśli wartości skrajne są ważniejsze niż wartości środkowe, wypróbuj schemat rozbieżny z szarością pośrodku, na przykład schemat chłodnego do ciepłego.
Obrazy ze strony wiki ParaView:
Tęcza:
Skala szarości:
Ciało czarne:
Chłodny do ciepłego:
źródło
Zgadzam się z @xan w sprawie nieefektywności map kolorów tęczy. Oto kolejny artykuł, który pokazuje, że tęczowe / jakościowe mapy kolorów są znacznie gorsze niż rozbieżne dla zadań ilościowych, z InfoVis '11:
Jedyne, co jest dobre dla map kolorów tęczy / jakości, to pokazywanie osobnych wartości zmiennych jakościowych. Jednak wybrane kolory mają znaczenie. Jeśli potrzebujesz skali kategorycznej, sprawdź ten znakomity artykuł z CHI '12, który wykorzystuje zestaw danych z ankiety XKCD, który mówi o tym, jak postrzegamy różnice w kolorze. Pozwala ocenić skalę kolorów według tego, jak dobrze ludzie dostrzegają różnice. Ich internetowy analizator palet kolorów pozwala również ocenić własną skalę kolorów!
źródło