色彩图的非线性缩放以增强对比度

以下 python 代码创建包含正态分布值的矩阵热图

import numpy as np
from matplotlib import pylab as plt


np.random.seed(123) #make sure we all have same data
m = np.random.randn(200).reshape(10, 20)
plt.imshow(m, cmap='RdYlGn', interpolation='nearest')
plt.colorbar()

这是这段代码的输出

我想通过“淡出”接近于零的值来增强该图像的对比度。 我可以通过使用原始数据的双曲线缩放轻松地做到这一点，如下所示：

def disigmoidScaling(values, steepnessFactor=1, ref=None):
    ''' Sigmoid scaling in which values around a reference point are flattened
    arround a reference point

    Scaled value y is calculated as 
        y = sign(v - d)(1 - exp(-((x - d)/s)**2)))
    where v is the original value,  d is the referenc point and s is the 
    steepness factor
    '''
    if ref is None:
        mn = np.min(values)
        mx = np.max(values)
        ref = mn + (mx - mn) / 2.0

    sgn = np.sign(values - ref)
    term1 = ((values - ref)/steepnessFactor) ** 2
    term2 = np.exp(- term1) 
    term3 = 1.0 - term2 
    return sgn * term3


plt.imshow(disigmoidScaling(m, 4), cmap='RdYlGn', interpolation='nearest')
plt.colorbar()

这是输出。

我对结果很满意，除了这个版本中的原始版本 值已交换为缩放值。

有没有办法执行值到颜色图的非线性映射？

颜色图包含映射在区间 [0,1] 上的红色、绿色和蓝色值的字典。这线性分段色彩图 http://matplotlib.sourceforge.net/api/colors_api.html#matplotlib.colors.LinearSegmentedColormap类文档给出了示例

cdict = {'red':   [(0.0,  0.0, 0.0),
               (0.5,  1.0, 1.0),
               (1.0,  1.0, 1.0)],

     'green': [(0.0,  0.0, 0.0),
               (0.25, 0.0, 0.0),
               (0.75, 1.0, 1.0),
               (1.0,  1.0, 1.0)],

     'blue':  [(0.0,  0.0, 0.0),
               (0.5,  0.0, 0.0),
               (1.0,  1.0, 1.0)]}

“表中给定颜色的每一行都是 x、y0、y1 元组的序列。在每个序列中，x 必须从 0 单调增加到 1。对于落在 x[i] 和 x[i+ 之间的任何输入值 z 1]，给定颜色的输出值将在 y1[i] 和 y0[i+1] 之间线性插值：”

The RdYlGn颜色图对于每种颜色有 11 个 x 值，从 0 到 1.0，步长为 0.1。您可以获得cdict通过调用值

plt.cm.RdYlGn._segmentdata

然后，您可以将 x 值更改为您想要的任何步骤（只要它们单调递增且范围从 0 到 1），并通过调用获取新的颜色图matplotlib.colors.LinearSegmentedColormap在你的新cdict。在这方面有几个很好的例子Matplotlib 食谱 http://www.scipy.org/Cookbook/Matplotlib/ColormapTransformations.