梯度颜色标度与伽马参数？ [英] gradient colour scale with gamma parameter?

问题描述

我有一些成像数据具有非常微弱的对比度和相当多的噪音，当我用线性颜色标度显示它不能很好地显示。在像imageJ或photoshop的成像软件中，有一个色调曲线，可以调整以非线性方式撞击对比度，并有效地拉伸某些感兴趣区域的比例以查看更多细节。

$ b作为这种非线性调整参数的最简单的情况，@BrianDiggs指出 bias 参数 colorRamp ，其仍需要数据的先前转换为[0,1]。
我想将非线性标度推广到 x ^ gamma 以外的其他函数，因此下面的函数实际上不使用 c> c> c>

$

像我重塑的轮子;是否已经有这样的工具，用于连续的色标在R​​？

解决方案

这是一个可能的解决方案，

 code> set.seed（123）
x  
库b 
 $ b curve_pal<  -  function（x，colors = rev（blues9），
 fun = function（x）x ^ gamma，
n = 10，gamma = 1）
 {
＃function that maps [0,1]  - >颜色
 palfun<  -  colorRamp（colors = colors）
 
＃现在将n个等间隔区域中的数据分割，线性映射到[0,1] 
 xcuts& -  cut（x，breaks = seq（min（x），max（x），length = n））
 xnum < -  as.numeric（xcuts）
 
＃需要工作围绕NA值，使得colorRamp / rgb choke 
 testNA < -  is.na（xnum）
 xsanitised < -  ifelse（testNA，0，fun（rescale（xnum）））
 
在[0,1]中的非NA值被赋予它们的颜色
 ifelse（testNA，NA，rgb（palan（xsanitised），maxColorValue = 255））
} 
 b $ b库（gridExtra）
 grid.newpage（）
 grid.arrange（rasterGrob（curve_pal（x，gamma = 0.5），wid = 1，heig = 1，int = F），
 rasterGrob（curve_pal（x，gamma = 1），wid = 1，heig = 1，int = F），
 rasterGrob（curve_pal（x，gamma = 2），wid = 1，heig = 1，int = F），
 nrow = 1）
  

I have some imaging data with very faint contrast and quite a bit of noise, and when I display it with a linear colour scale it doesn't show well. In imaging software such as imageJ or photoshop, there's a tonal curve that one can tune to bump the contrast in a nonlinear fashion and effectively stretch the scale on some region of interest to see more details.

As a simplest case of such nonlinear tuning parameter, @BrianDiggs pointed out the bias argument to colorRamp, which still requires previous tranformation of the data to be in [0, 1]. I'd like to generalise the non-linear scale to other functionals than x^gamma, therefore the function below doesn't actually use bias in colorRamp but does the transformation on the data side.

I feel like I'm reinventing the wheel; is there already such a tool for continuous colour scales in R?

解决方案

Here is a possible solution,

set.seed(123)
x <- sort(runif(1e4, min=-20 , max=120))

library(scales) # rescale function

curve_pal <- function (x, colours = rev(blues9), 
                       fun = function(x) x^gamma,
                       n=10, gamma=1) 
{
    # function that maps [0,1] -> colours
    palfun <- colorRamp(colors=colours)

    # now divide the data in n equi-spaced regions, mapped linearly to [0,1]
    xcuts <- cut(x, breaks=seq(min(x), max(x), length=n))
    xnum <- as.numeric(xcuts)

    # need to work around NA values that make colorRamp/rgb choke
    testNA <- is.na(xnum)
    xsanitised <- ifelse(testNA, 0, fun(rescale(xnum))) 

    # non-NA values in [0,1] get assigned their colour
    ifelse(testNA, NA, rgb(palfun(xsanitised), maxColorValue=255))
}

library(gridExtra)
grid.newpage()
grid.arrange(rasterGrob(curve_pal(x, gamma=0.5), wid=1, heig=1, int=F),
             rasterGrob(curve_pal(x, gamma=1), wid=1, heig=1, int=F), 
             rasterGrob(curve_pal(x, gamma=2), wid=1, heig=1, int=F), 
             nrow=1)

这篇关于梯度颜色标度与伽马参数？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！