科研论文配图的绘制与配色基础

最新推荐文章于 2024-03-12 17:58:19 发布

Sternenhimme1

最新推荐文章于 2024-03-12 17:58:19 发布

阅读量2.1k

点赞数 3

分类专栏：科研论文配图绘制指南文章标签： python

本文链接：https://blog.csdn.net/weixin_67187661/article/details/132383546

版权

科研论文配图绘制指南专栏收录该内容

3 篇文章 0 订阅

订阅专栏

科研论文配图主要成分

主要包括 X 轴（ X axis ，又称横轴）、 Y 轴（ Y axis ，又称纵轴）、 X 轴标签（ X axis label）、 Y 轴标签（ Y axis label ）、主刻度（ Major tick ）、次刻度（ Minor tick ）和图例（ Legend）等，如下图标示。

科研配图的尺寸和格式

像素图：

像素图（位图）是以单个像素为单位，通过对像素进行组合和排列，来显示图片格式。像素图在放大到一定程度后，会失真，变得模糊。常见的像素图格式包括 JPEG 、 PSD 、 PNG 、 TIFF ，其中， JEPG 是一种常用的有损压缩图片格式，处理起来较容易，但像素分辨率低、清晰度差、色彩损失大。

矢量图：

矢量图是使用点、直线或多边形等基于数学方程的几何图元表示的图像。矢量图的图像文件包含独
立的分离图像，可以自由、无限制地进行重新组合，其特点是放大后图像不会失真，也就是说，与分辨率无关。常见的矢量图格式包括 EPS 、 PDF 、 AI 、 SVG ，其中， EPS 格式的图片文件小、显示质量高、色彩保真度高，印刷时的字样较为清晰，是常用的论文配图格式；AI 格式是一种可以二次修改的图片格式，也是常用的插图格式，其体积较大，包含图片各图层的所有信息。

科研论文配图的字体字号设置

注意科技期刊的规定；一些中文科技期刊将科研论文配图中的文本对象（横、纵坐标的标签，以及图例文本）的字体设置为宋体或黑体，英文科技期刊大多使用 Arial、Helvetica 或 Times New Roman 字体；在单篇论文中所有插图的字体字号要尽量保持一致。

科研论文配图的版式设计、结构布局和颜色搭配

文字的字体要保持一致

字号不大于正文字体的字号，行距、文字间距，应与正文协调一致

“先文后图”

不同尺寸的配图不要安排在同一列或同一行

避免使用过亮或过暗的颜色

相邻的图层元素不宜采用相近的颜色

对于彩色图，我们要使用原图，慎用灰度图表示。

绘制原则

1、必要性原则

要考虑在科研论文的应用场景中（如结构表达等）是否需要配图？也要避免出现文字较少、图表较多的情况。

2、易读性原则

方便读者理解，使用完整准确的标题标签和图例。

3、一致性原则

配图所表达出的内容与上下文或者指定内容描述一致
配图数据与上下文保持一致
插图比例尺和缩放比例大小保持一致
类似配图各图层要素保持一致

色彩模式

RGB色彩模式

CMYK色彩模式

HEX色彩模式

Tips：

可通过 ColorPix、FastStone 等屏幕取色工具直接获取颜色码，或者通过 Encycolorpedia 等网站直接搜索不同颜色对应的 HEX 颜色码。

色轮配色原理

color wheel，一般由12种基本颜色按照圆环方式排列组成，三原色、三间色和六个次级色

#利用turtle绘制色轮
import turtle

colors = ['#FF0000','#FF4433','#FFA500','#FFAA33',
          '#FFFF00','#8dcc01','#008000','#088F8F',
          '#0000FF','#3b43c0','#800080','#953553']

def draw_color_wheel(colors, radius, center=(0, 0)):
    slice_angle = 360 / len(colors)
    heading, position = 90, (center[0] + radius, center[1])
    for color in colors:
        turtle.color(color, color)
        turtle.penup()
        turtle.goto(position)
        turtle.setheading(heading)
        turtle.pendown()
        turtle.begin_fill()
        turtle.circle(radius, extent=slice_angle)
        heading, position = turtle.heading(), turtle.position()
        turtle.penup()
        turtle.goto(center)
        turtle.end_fill()

draw_color_wheel(colors, 150, center=(25, 50))
turtle.hideturtle()
print('done - press any key to exit')
turtle.onkeypress(exit)
turtle.listen()
turtle.done()

基于色轮，配色方案有以下几种：

1、单色配色方案

使用色相相近的一组颜色进行组合；这种配色方案的饱和度和明暗度层次明显，使用时只需考虑同一色相下饱和度和明暗度的变化。

常被用于表示有直接关系、关系较为密切或者同系列的数据。

2、互补色配色方案

色轮上间隔180°的两种颜色为互补色。具有强烈的对比效果。可用于观察组数据和对照组数据的可视化表达。

3、等距三角配色方案

色轮上间隔120°的三种颜色进行组合。会使配图颜色更鲜艳，但是论文中应用较少。使用时可以将一种颜色选为主色，另外两种选为辅色。

4、四色配色方案

有两种方案，如下图实线表示的两对互补色组成的方案，还有虚线表示的方形配色方案。优点是使配图色彩更鲜艳，缺点是容易造成色彩杂乱。所以，在科研论文中应尽量避免使用四角配色方案。

颜色主题

Matplotlib 库的颜色主题主要包括 3 种类型：单色系（ sequential ）、双色渐变色（ diverging ）和多色系（ qualitative ）。

单色系

色相基本相同，饱和度单调递增，主要维度是亮度，在白色或浅色背景上绘制的配图，较低的数值对应较亮的颜色，较高的数值对应较暗的颜色，而在深色背景中，则会出现相反的情况，即更亮的颜色用更高的数值表示。

次要维度是色调，即较暖的颜色出现在较亮的一端，较冷的颜色则会出现在较暗的一端。

#渐变红色色条
import matplotlib.pyplot as plt
import numpy as np

num_colors = 10  # 色条的颜色数量
lightness_values = np.linspace(0.2, 0.8, num_colors)  # 不同明亮度的取值范围

# 创建红色单色系的颜色
colors = [(l, 0, 0) for l in lightness_values]  # 使用RGB颜色表示，只变化R通道

# 创建色条图像
fig, ax = plt.subplots(figsize=(8, 1))
colormap = plt.matplotlib.colors.ListedColormap(colors)
cbar = plt.colorbar(plt.cm.ScalarMappable(cmap=colormap), cax=ax, orientation='horizontal')

# 设置色条标签
cbar.set_ticks([])  # 去除刻度
cbar.set_label('red', size=14)

# 显示图像
plt.show()

双色系

主要用在有一个关键中心值（ midpoint ）的数值变量中，其本质是两个连续单色系的组合，把关键的中心值作为中间点，一般使用白色表示，大于中心值的分配给中间点一侧的颜色，而小于中心值的分配给中间点另一侧的颜色。此外，我们可以通过颜色的深浅进行判断，即中心值通常被指定为浅色，距中心点越远，颜色越深。

#红蓝双色渐变系色条
import matplotlib.pyplot as plt
import numpy as np

num_colors = 10  # 色条的颜色数量

# 创建红色到蓝色之间的双色渐变
colors = plt.cm.RdBu(np.linspace(0, 1, num_colors))

# 创建色条图像
fig, ax = plt.subplots(figsize=(8, 1))
colormap = plt.matplotlib.colors.ListedColormap(colors)
cbar = plt.colorbar(plt.cm.ScalarMappable(cmap=colormap), cax=ax, orientation='horizontal')

# 设置色条标签
cbar.set_ticks([])  # 去除刻度
cbar.set_label('red_to_blue_bar', size=14)

# 显示图像
plt.show()

多色系

当所表示的数据为类别型数值（类别变量）时，我们可以使用多色系颜色主题。在多色系

颜色主题的使用过程中，需要给每个组分配不同的颜色。一般情况下，可尝试将颜色主题中的

颜色类别设置为 10 种或更少，而使用过多的颜色类别，可能造成分组混乱，导致杂乱的视觉

效果。

#多色系色条
import matplotlib.pyplot as plt
import numpy as np

num_colors = 12  # 色条的颜色数量

# 创建多个颜色
colors = plt.cm.tab20(np.linspace(0, 1, num_colors))

# 创建色条图像
fig, ax = plt.subplots(figsize=(8, 1))
colormap = plt.matplotlib.colors.ListedColormap(colors)
cbar = plt.colorbar(plt.cm.ScalarMappable(cmap=colormap), cax=ax, orientation='horizontal')

# 设置色条标签
cbar.set_ticks([])  # 去除刻度
cbar.set_label('Qualitative_color_bar', size=14)

# 显示图像
plt.show()

配色工具

关注

3
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
科研论文配图的绘制与配色基础

主要用在有一个关键中心值（ midpoint ）的数值变量中，其本质是两个连续单色系的组合，把关键的中心值作为中间点，一般使用白色表示，大于中心值的分配给中间点一侧的颜色，而小于中心值的分配给中间点另一侧的颜色。色相基本相同，饱和度单调递增，主要维度是亮度，在白色或浅色背景上绘制的配图，较低的数值对应较亮的颜色，较高的数值对应较暗的颜色，而在深色背景中，则会出现相反的情况，即更亮的颜色用更高的数值表示。具有强烈的对比效果。次要维度是色调，即较暖的颜色出现在较亮的一端，较冷的颜色则会出现在较暗的一端。
复制链接

扫一扫