使用 Matplotlib - Cmap - Python 绘图时得到意外输出

Question

我在我的项目中有一个方法，我在该方法中验证一个像素是否具有所需的可靠性（就其是否为边缘的分类而言），并按以下方案绘制像素：

White -> pixel doesn't have the required reliability
Blue -> pixel has the required reliability and it was classified as not edge
Red -> pixel has the required reliability and it was classified as an edge

这是我的代码：

def generate_data_reliability(classification_mean, data_uncertainty, x_axis_label, y_axis_label, plot_title,
                                  file_path, reliability):
        """
        :classification_mean : given a set of images, how was the mean classification for each pixel
        :param data_uncertainty : the uncertainty about the classification
        :param x_axis_label : the x axis label of the data
        :param y_axis_label : the y axis label of the data
        :param plot_title : the title of the data
        :param file_path : the name of the file
        """
        plt.figure()
        # 0 -> certainty
        # 1 -> uncertainty
        r = 0
        b = 0
        w = 0
        has_reliability = numpy.zeros((data_uncertainty.rows, data_uncertainty.cols), float)
        for x, y in product(range(data_uncertainty.rows), range(data_uncertainty.cols)):
            # I the uncertainty is > then the required reliability, doesn't show it
            if data_uncertainty.data[x][y] > (1.0 - reliability):
                has_reliability[x][y] = 0.5
                w += 1
            else:
                has_reliability[x][y] = classification_mean.data[x][y]
                if has_reliability[x][y] == 1.0:
                    r += 1
                if has_reliability[x][y] == 0.0:
                    b += 1

        print reliability, w+r+b, w, r, b

        plt.title(plot_title)
        plt.imshow(has_reliability, extent=[0, classification_mean.cols, classification_mean.rows, 0], cmap='bwr')
        plt.xlabel(x_axis_label)
        plt.ylabel(y_axis_label)
        plt.savefig(file_path + '.png')
        plt.close()

这是我得到的印刷品：

>>>> Prewitt
0.8 95100 10329 0 84771
0.9 95100 12380 0 82720
0.99 95100 18577 0 76523

可以看出，随着所需的可靠性越来越高，具有这种可靠性的像素越少（更多的像素将被绘制为白色，并且没有一个是红色的）。

但这是我得到的情节：

我不知道为什么，如果具有所需可靠性的像素较少，我不会得到更多的白色像素，而是这些红色像素。我不会改变我的对象，来弄乱它们。哦

我被困在这个问题上大约 3 个小时，不知道出了什么问题。

编辑：

在这个cmap中，0 是蓝色，0.5 是白色，1 是红色，不是吗？我很确定问题是因为我使用的是发散的颜色图，有时并没有中心值。例如，在我在这里发布的情况下，我没有红色值，所以我的值在 0.5 和 1 之间变化。然后，matplotlib 自动将我的最小值设置为红色，将我的最大值设置为蓝色。但我怎么能这样做呢？我选择这个是因为想在方案中表示颜色：0=蓝色、0.5=白色和 1=红色（我的值将始终为 0、0.5 或 1）。

任何帮助都将非常非常感谢。

提前谢谢你。

Answer 1

正如您在编辑中提到的，问题是由颜色条范围的自动缩放引起的。您可以通过在调用imshow() 时使用vmin 和vmax 关键字参数来强制设置颜色图的范围。

在你的情况下，这将是：

plt.imshow(has_reliability, vmin=0.0, vmax=1.0, extent=[0, classification_mean.cols, classification_mean.rows, 0], cmap='bwr')

这样，您的数据范围不会影响颜色图的缩放！但是，从长远来看，创建自己的颜色图（如您自己的答案中所述）可以让您获得更多控制权，而且我认为您提供的示例不会在值范围内提供渐变（例如，默认颜色图混合红色0.5 到 1.0 之间的不同数量的白色）这可能是你真正想要的！

Answer 2

嗯，我可以使用自定义颜色图来实现我想要的。这是代码：

@staticmethod
    def generate_data_reliability(classification_mean, data_uncertainty, x_axis_label, y_axis_label, plot_title,
                                  file_path, reliability):
    """
    :param data_uncertainty : the uncertainty about the data
    :param x_axis_label : the x axis label of the data
    :param y_axis_label : the y axis label of the data
    :param plot_title : the title of the data
    :param file_path : the name of the file
    """
    color_map = mpl.colors.ListedColormap(['blue', 'white', 'red'])
    # From 0 to 0.24 -> blue
    # From 0.25 to 0.4 -> white
    # From 0.5 to 1.0 -> red
    bounds = [0.0, 0.25, 0.5, 1.0]
    norm = mpl.colors.BoundaryNorm(bounds, color_map.N)

    plt.figure()
    # 0 -> certainty
    # 1 -> uncertainty
    r = 0
    b = 0
    w = 0
    has_reliability = numpy.zeros((data_uncertainty.rows, data_uncertainty.cols), float)
    for x, y in product(range(data_uncertainty.rows), range(data_uncertainty.cols)):
        # I the uncertainty is > then the required reliability, doesn't show it
        if data_uncertainty.data[x][y] > (1.0 - reliability):
            has_reliability[x][y] = 0.4
        else:
            has_reliability[x][y] = classification_mean.data[x][y]

    plt.title(plot_title)
    plt.imshow(has_reliability, extent=[0, classification_mean.cols, classification_mean.rows, 0],
               interpolation='nearest', cmap=color_map, norm=norm)
    plt.xlabel(x_axis_label)
    plt.ylabel(y_axis_label)
    plt.savefig(file_path + '.png')
    plt.close()