Question

我试图通过操纵this example从matplotlib色彩图中提取离散色。但是，我找不到从色彩图中提取的N离散色。

在下面的代码中，我使用了cmap._segmentdata，但我发现它是整个色彩映射的定义。给定一个色图和一个整数N，如何从色图中提取N个离散色并以十六进制格式导出它们？

from pylab import *

delta = 0.01
x = arange(-3.0, 3.0, delta)
y = arange(-3.0, 3.0, delta)
X,Y = meshgrid(x, y)
Z1 = bivariate_normal(X, Y, 1.0, 1.0, 0.0, 0.0)
Z2 = bivariate_normal(X, Y, 1.5, 0.5, 1, 1)
Z = Z2 - Z1 # difference of Gaussians

cmap = cm.get_cmap('seismic', 5)    # PiYG
cmap_colors = cmap._segmentdata

def print_hex(r,b,g):
               if not(0 <= r <= 255 or 0 <= b <= 255 or 0 <= g <= 255):
                              raise ValueError('rgb not in range(256)')
               print '#%02x%02x%02x' % (r, b, g)


for i in range(len(cmap_colors['blue'])):
               r = int(cmap_colors['red'][i][2]*255)
               b = int(cmap_colors['blue'][i][2]*255)
               g = int(cmap_colors['green'][i][2]*255)
               print_hex(r, g, b)



im = imshow(Z, cmap=cmap, interpolation='bilinear',
            vmax=abs(Z).max(), vmin=-abs(Z).max())
axis('off')
colorbar()

show()

Answer 1

您可以通过调用i获取索引为cmap(i)的细分受众群的rgba值元组。还有一个函数可以将rgb值转换为十六进制。正如Joe Kington在评论中写道，您可以使用matplotlib.colors.rgb2hex。因此，可能的解决方案是：

from pylab import *

cmap = cm.get_cmap('seismic', 5)    # PiYG

for i in range(cmap.N):
    rgb = cmap(i)[:3] # will return rgba, we take only first 3 so we get rgb
    print(matplotlib.colors.rgb2hex(rgb))

输出结果为：

#00004c
#0000ff
#ffffff
#ff0000
#7f0000

Answer 2

供将来参考：我的 CMasher 包提供了一个名为 take_cmap_colors() (https://cmasher.readthedocs.io/user/usage.html#taking-colormap-colors) 的函数，它允许从给定的颜色图中获取任意数量的离散颜色并以任何格式返回它们（8-位，标准化或十六进制）他们想要。

因此，例如，如果您想从 viridis 颜色图中采用 HEX 中的 5 种颜色，您可以这样做：

import cmasher as cmr

colors = cmr.take_cmap_colors('viridis', 5, return_fmt='hex')

或者如果您想要特定值范围内的颜色图中的所有十六进制颜色，您可以这样做：

colors = cmr.take_cmap_colors('viridis', None, cmap_range=(0.2, 0.8), return_fmt='hex')

以十六进制格式提取matplotlib色彩映射

2 个答案: