Effektivste Verwendung von Farbe in Hitze- / Konturkarten

Bei der Darstellung von Zeit-Frequenz-EEG-Befunden werden häufig Wärme- / Konturkarten verwendet. Das häufig gewählte (und von mir bevorzugte und verwendete) Farbschema ist das "Jet" -Farbschema (siehe z. B. Google-Bildsuche, Zeit-Frequenz-EEG ). Ich frage mich, ob es bessere Farbschemata für die Darstellung dieser Diagramme und / oder Richtlinien für die Darstellung solcher Karten gibt.

zB aus der R-Base-Bibliothek

#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)

Regenbogenfarbkarten , wie sie oft genannt werden, bleiben trotz dokumentierter Ineffizienzen bei der Wahrnehmung beliebt. Die Hauptprobleme bei Regenbogen- (und anderen Spektral-) Farbkarten sind:

• Die Farben sind nicht in einer Wahrnehmungsreihenfolge
• Die Luminanz springt umher: Unsere Augen sind meistens Leuchtstäbe, keine Farbkegel
• Wir sehen Farben kategorisch
• Farben haben oft ungleiche Präsenzen (z. B. breites Grün und schmales Gelb)

Auf der positiven Seite:

• Spektralthemen haben eine hohe Auflösung (besser unterscheidbare Farbwerte in der Skala)
• Es gibt Sicherheit in Zahlen; Solche Themen sind immer noch weit verbreitet

Weitere Informationen und Alternativen, einschließlich Schwarzkörperstrahlung und Graustufen, finden Sie unter Regenbogenfarbkarte (noch) als schädlich .

Wenn ein divergierendes Schema geeignet ist, mag ich das von Kenneth Moreland in seinem Aufsatz Diverging Color Maps for Scienti fi c Visualization abgeleitete perzeptuell einheitliche Cool-to-Warm-Schema . Es und andere Schemata werden mit Bildern im ParaView-Wiki verglichen , allerdings mit der Perspektive, eine 3D-Oberfläche einzufärben, was bedeutet, dass das Farbschema Schattierungseffekte überstehen muss.

Neuer Blog-Beitrag mit mehr Links und Matlab-Alternativen: Rainbow Colormaps - Wofür sind sie gut? Absolut gar nichts!

Empfehlung : Probieren Sie zuerst Graustufen oder einen anderen monochromen Farbverlauf aus. Wenn Sie mehr Auflösung benötigen, versuchen Sie es mit Schwarzkörperstrahlung. Wenn die Extreme wichtiger sind als die Mittelwerte, versuchen Sie ein divergierendes Schema mit grauem Mittelwert, z. B. das Schema von Kühlen zu Warmen.

Bilder von der ParaView-Wiki-Seite:

Regenbogen:

Graustufen:

Schwarzkörper:

Cool-to-Warm:

Ich stimme mit @xan über die Ineffizienzen von Regenbogenfarbkarten überein. Hier ist ein weiteres Papier, das zeigt, dass Regenbogen- / kategoriale Farbkarten für quantitative Aufgaben wesentlich schlechter sind als abweichende Karten, aus InfoVis '11:

• Michelle Borkin, Krzysztof Gajos, Amanda Peters, Dimitrios Mitsouras, Simone Melchionna, Frank Rybicki, Charles Feldman und Hanspeter Pfister. 2011. Auswertung von Arterienvisualisierungen zur Diagnose von Herzerkrankungen. IEEE Transactions on Visualization and Computer Graphics 17, 12 (Dezember 2011), 2479-2488. DOI = 10.1109 / TVCG.2011.192 Link zu PDF, Folien und Bildern.

Das einzige, wofür Regenbogen- / kategoriale Farbkarten gut sind, ist die Anzeige separater Werte von kategorialen Variablen. Die von Ihnen gewählten Farben sind jedoch von Bedeutung. Wenn Sie eine kategoriale Skala benötigen, lesen Sie dieses hervorragende Papier aus CHI '12, das den XKCD-Umfragedatensatz verwendet, in dem erläutert wird, wie wir Farbunterschiede wahrnehmen. Sie können eine Farbskala danach bewerten, wie gut der Mensch die Unterschiede wahrnimmt. Mit dem webbasierten Color Palette Analyzer können Sie auch Ihre eigene Farbskala bewerten!

• Jeffrey Heer und Maureen Stone. 2012. Farbnamensmodelle für Farbauswahl, Bildbearbeitung und Palettengestaltung. In Proceedings der SIGCHI-Konferenz zu Human Factors in Computing Systems (CHI '12). ACM, New York, NY, USA, 1007-1016. DOI = 10.1145 / 2207676.2208547 Link zu PDF, Online-Demos usw.