在使用Matplotlib - Cmap - Python绘图时获得意外输出

Question

我在我的项目中有一种方法，在该方法中，我验证一个像素是否具有所需的可靠性(按其作为边缘的分类)，并在以下方案中绘制像素：

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

这是我的密码：

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()

这是我得到的指纹：

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

可以看到，随着所需的可靠性越来越高，更少的像素具有这种可靠性(更多的像素将是白色的，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，如果我有较少的像素与期望的可靠性，我不会得到更多的白色像素，但这些红色的像素。我不会改变我的目标，去捣乱他们。面向对象

我被困在这个问题大约3个小时，不知道是什么问题是错的。

编辑：

在这个地图中，0是蓝色的，0.5是白色的，1是红色的，不是吗？我很确定问题是因为我使用的是一个不同的颜色地图，有时并且没有一个中心值。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到1之间。然后，matplotlib自动将我的最小值设置为红色，而我的最大值设置为蓝色。但是我怎么能这样做呢?我选择这个原因是想在方案中表示颜色: 0=blue、0.5=white和1=red (我的值总是为0、0.5或1)。

任何帮助都是非常非常感谢的。

提前谢谢你。

Answer 1

嗯，我可以用一个定制的彩色地图来实现我想要的。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()

Answer 2

正如您在编辑中提到的，这个问题是由自动缩放颜色条范围造成的。通过使用vmin和vmax关键字参数来调用imshow()，您可以强制显示颜色映射的范围。

就你的情况而言，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，你的数据范围不会影响你的彩色地图的缩放！但是，创建您自己的颜色图(如您自己的答案中所显示的)将为您提供更多的长期控制，而且我认为您提供的示例没有在值范围内给出一个梯度(例如，默认的颜色映射在0.5到1.0之间的值中混合了不同数量的红色和白色)，这可能是您真正想要的！