Uso più efficace del colore nelle mappe di calore / contorno

È abbastanza comune usare mappe di calore / contorno quando si presentano risultati EEG tempo-frequenza. La combinazione di colori spesso scelta (e una che mi piace e che uso) è la combinazione di colori "jet" (vedi ad esempio, EEG tempo-frequenza di ricerca immagini google ). Mi chiedo se ci siano combinazioni di colori migliori per presentare questi grafici e / o linee guida per la presentazione di tali mappe.

ad es. dalla libreria di base 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)

Le mappe dei colori dell'arcobaleno , come vengono spesso chiamate, rimangono popolari nonostante le inefficienze percettive documentate. I principali problemi con le mappe dei colori arcobaleno (e altre spettrali) sono:

• I colori non sono in un ordine percettivo
• La luminanza rimbalza: i nostri occhi sono per lo più aste di luminanza, non coni di colore
• Vediamo le tonalità categoricamente
• Le tonalità hanno spesso presenze disuguali (ad esempio, verde largo e giallo stretto)

Il lato positivo:

• I temi spettrali hanno un'alta risoluzione (valori di colore più distintivi nella scala)
• C'è sicurezza nei numeri; tali temi sono ancora abbastanza comuni

Vedi la mappa dei colori dell'arcobaleno (ancora) considerata dannosa per discussioni e alternative, tra cui radiazioni del corpo nero e scala di grigi.

Se uno schema divergente è adatto, mi piace lo schema percettivo uniformemente caldo-caldo derivato da Kenneth Moreland nel suo articolo, Diverging Colour Maps for Science Visualization . Esso e altri schemi vengono confrontati con le immagini nella wiki di ParaView , sebbene con una prospettiva di colorazione di una superficie 3D, il che significa che la combinazione di colori deve sopravvivere agli effetti di ombreggiatura.

Post di blog recenti con più collegamenti e alternative a Matlab: Rainbow Colormaps - A cosa servono? Assolutamente niente!

Raccomandazione : prima prova la scala di grigi o un altro gradiente monocromatico. Se hai bisogno di più risoluzione, prova le radiazioni del corpo nero. Se gli estremi sono più importanti dei valori medi, prova uno schema divergente con il grigio al centro, come lo schema da caldo a caldo.

Immagini dalla pagina wiki di ParaView:

Arcobaleno:

scala di grigi:

Black-corpo:

Cool-a-caldo:

Concordo con @xan sulle inefficienze delle mappe dei colori dell'arcobaleno. Ecco un altro documento che mostra che le mappe a colori arcobaleno / categoriche sono sostanzialmente peggiori di quelle divergenti per compiti quantitativi, da InfoVis '11:

• Michelle Borkin, Krzysztof Gajos, Amanda Peters, Dimitrios Mitsouras, Simone Melchionna, Frank Rybicki, Charles Feldman e Hanspeter Pfister. 2011. Valutazione delle visualizzazioni delle arterie per la diagnosi delle malattie cardiache. Transazioni IEEE su visualizzazione e computer grafica 17, 12 (dicembre 2011), 2479-2488. DOI = 10.1109 / TVCG.2011.192 Collegamento a PDF, diapositive e immagini.

L'unica cosa per cui le mappe a colori arcobaleno / categoriali sono utili è mostrare valori separati di variabili categoriali. Tuttavia, i colori che scegli sono importanti. Se hai bisogno di una scala categorica, dai un'occhiata a questo eccellente documento di CHI '12 che utilizza il set di dati del sondaggio XKCD che parla di come percepiamo le differenze di colore. Ti consente di valutare una scala di colori in base al modo in cui gli umani percepiscono le differenze. Il loro Color Palette Analyzer basato sul web ti permetterà anche di valutare la tua scala di colori!

• Jeffrey Heer e Maureen Stone. 2012. Modelli di denominazione dei colori per la selezione dei colori, la modifica delle immagini e il design della palette. In Atti della Conferenza SIGCHI sui fattori umani nei sistemi informatici (CHI '12). ACM, New York, NY, USA, 1007-1016. DOI = 10.1145 / 2207676.2208547 Link a PDF, demo online, ecc.