Il est assez courant d'utiliser des cartes de chaleur / contour lors de la présentation des résultats EEG temps-fréquence. Le schéma de couleurs souvent choisi (et que j'aime et utilise) est le schéma de couleurs "jet" (voir par exemple, EEG google -time recherche fréquence-fréquence ). Je me demande s'il existe de meilleurs schémas de couleurs pour présenter ces tracés et / ou des directives pour la présentation de ces cartes.
par exemple, à partir de la bibliothèque de 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)
data-visualization
Matt Albrecht
la source
la source
jet. La seule raison pour laquelle quelqu'un l'utilise est parce que c'est la valeur par défaut dans Matlab.Réponses:
Les cartes de couleurs arc-en-ciel , comme on les appelle souvent, restent populaires malgré les inefficacités perceptuelles documentées. Les principaux problèmes avec les cartes de couleurs arc-en-ciel (et autres spectres) sont:
Du coté positif:
Voir la carte de couleurs arc -en- ciel (toujours) considérée comme nocive pour la discussion et les alternatives, y compris le rayonnement du corps noir et les niveaux de gris.
Si un schéma divergent convient, j'aime le schéma de refroidissement à chaud perceptuellement uniforme dérivé par Kenneth Moreland dans son article, Diverging Color Maps for Scienti fi c Visualization . Il et d'autres schémas sont comparés aux images du wiki ParaView , bien que dans une perspective de coloration d'une surface 3D, ce qui signifie que le schéma de couleurs doit survivre aux effets d'ombrage.
Article de blog récent avec plus de liens et d'alternatives Matlab: Rainbow Colormaps - À quoi servent-ils? Absolument rien!
Recommandation : Essayez d'abord l'échelle de gris ou un autre gradient monochromatique. Si vous avez besoin de plus de résolution, essayez le rayonnement du corps noir. Si les extrêmes sont plus importants que les valeurs moyennes, essayez un schéma divergent avec du gris au milieu, tel que le schéma cool-to-warm.
Images de la page wiki ParaView:
Arc en ciel:
Niveaux de gris:
Corps noir:
Du froid au chaud:
la source
Je suis d'accord avec @xan sur l'inefficacité des cartes de couleurs arc-en-ciel. Voici un autre article qui montre que les cartes de couleurs arc-en-ciel / catégoriques sont nettement pires que celles divergentes pour les tâches quantitatives, d'InfoVis '11:
La seule chose pour laquelle les cartes de couleurs arc-en-ciel / catégorielles sont bonnes est d'afficher des valeurs distinctes des variables catégorielles. Cependant, les couleurs que vous choisissez importent. Si vous avez besoin d'une échelle catégorielle, consultez cet excellent article de CHI '12 qui utilise l'ensemble de données d'enquête XKCD qui explique comment nous percevons les différences de couleur. Il vous permet d'évaluer une échelle de couleurs en fonction de la façon dont les humains perçoivent les différences. Leur analyseur de palette de couleurs basé sur le Web vous permettra également d'évaluer votre propre échelle de couleurs!
la source