创建渐变颜色图 - matplotlib

Question

我正在尝试创建一个从到 verycolormap的渐变。我将附上输出示例作为下面的屏幕截图。dark redlight green/white

我玩过以下内容code：

from matplotlib import pyplot as plt
import matplotlib 
import numpy as np

plt.figure()
a=np.outer(np.arange(0,1,0.01),np.ones(100))
cdict2 = {'red':   [(0.0,  0.1, 0.2),
                   (0.3,  0.4, 0.5),
                   (0.5,  0.5, 0.5),
                   (1.0,  1.0, 1.0)],
         'green': [(0.0,  0.0, 0.0),
                  (0.5, 0.5, 0.5),
                  (0.75, 1.0, 1.0),
                  (1.0,  1.0, 1.0)],
         'blue':  [(0.0,  0.0, 0.0),
                  (0.0,  0.0, 0.0),
                  (1.0,  1.0, 1.0)]} 
my_cmap2 = matplotlib.colors.LinearSegmentedColormap('my_colormap2',cdict2,256)
plt.imshow(a,aspect='auto', cmap =my_cmap2)                   
plt.show()

但我无法让它复制附件colormap。我也不确定是否有更有效的方法来实现这一目标？

当前输出：我已经操纵了这些值来尝试复制gradient附加的colormap. 但我无法得到red-orange-yellow-green gradient正确的

Answer 1

从另一个答案来看：

from matplotlib import pyplot as plt
import matplotlib 
import numpy as np
import matplotlib.colors as colors

def truncate_colormap(cmap, minval=0.0, maxval=1.0, n=100):
    new_cmap = colors.LinearSegmentedColormap.from_list(
        'trunc({n},{a:.2f},{b:.2f})'.format(n=cmap.name, a=minval, b=maxval),
        cmap(np.linspace(minval, maxval, n)))
    return new_cmap

arr = np.linspace(0, 50, 100).reshape((10, 10))
fig, ax = plt.subplots(ncols = 2)

new_cmap1 = truncate_colormap(plt.get_cmap('jet'), 0.45, 1.0)
new_cmap2 = truncate_colormap(plt.get_cmap('brg'), 1.0, 0.45)

ax[0].imshow(a,aspect='auto', cmap = new_cmap1)
ax[1].imshow(a,aspect='auto', cmap = new_cmap2)
plt.show()

Answer 2

由于您尝试模拟现有渐变而不是从任意颜色创建渐变，因此只需找到与测量的渐变值相匹配的公式即可。

首先获取梯度上每个点的平均像素 r、g、b 值。你首先需要得到一张纯净的图像，你发布的图像有白色边框，边缘有一些振铃；我使用图像编辑器来清理它。

获得测量值后，您可以用来numpy.polyfit进行曲线拟合。我大胆猜测 5 度足以进行良好拟合，产生 6 个系数的数组。在这里您可以看到测量值图以及叠加的拟合曲线。我想说，这是一场非常好的比赛。

这是使用这些曲线重新创建渐变的代码。

rp = [-1029.86559098,  2344.5778132 , -1033.38786418,  -487.3693808 ,
         298.50245209,   167.25393272]
gp = [  551.32444915, -1098.30287507,   320.71732031,   258.50778539,
         193.11772901,    30.32958789]
bp = [  222.95535971, -1693.48546233,  2455.80348727,  -726.44075478,
         -69.61151887,    67.591787  ]

def clamp(n):
    return min(255, max(0, n))

def gradient(x, rfactors, gfactors, bfactors):
    '''
    Return the r,g,b values along the predefined gradient for
    x in the range [0.0, 1.0].
    '''
    n = len(rfactors)
    r = clamp(int(sum(rfactors[i] * (x**(n-1-i)) for i in range(n))))
    g = clamp(int(sum(gfactors[i] * (x**(n-1-i)) for i in range(n))))
    b = clamp(int(sum(bfactors[i] * (x**(n-1-i)) for i in range(n))))
    return r, g, b

from PIL import Image
im = Image.new('RGB', (742, 30))
ld = im.load()
for x in range(742):
    fx = x / (742 - 1)
    for y in range(30):
        ld[x,y] = gradient(fx, rp, gp, bp)