1. 为什么你的Matlab colorbar总是不对劲?
你有没有过这样的经历?在Matlab里辛辛苦苦画完一张数据图,特别是那种数据范围特别大、或者数值分布极不均匀的图,比如气象上的降水量(可能大部分地区是0-10mm,但局部暴雨能达到200mm以上),或者地球物理里的重力异常数据。当你满怀期待地加上colorbar想展示一下颜色与数值的对应关系时,却发现这个默认的色标条怎么看怎么别扭。
最常见的问题有两个。第一,你的数据范围是[0, 250],但colorbar老老实实地从0标到250,导致0到10毫米的降水变化,在色条上只占了指甲盖那么一点长度,颜色根本区分不开,而200到250那段不重要的高值却占了一大截。这就是不等间距数据可视化最头疼的地方:数据重要区域的细节被压缩,不重要的区域却被拉伸。第二,你想强调数据超过了某个阈值(比如降水超过50毫米就算暴雨),希望用同一个醒目的红色表示所有超阈值区域,并在色条两端用尖角(箭头) 来示意“此处及以上均为同一颜色”。结果Matlab自带的colorbar函数对此无能为力,你只能得到一个方方正正的色块,表达力瞬间弱了不少。
我刚开始做科研画图时,就被这两个问题折磨得够呛。试过手动调整caxis,也试过把数据分段映射,出来的图要么不准确,要么丑得没法放进论文。后来才发现,Matlab社区里早就有一批“民间高手”开发了各种解决方案,但资料散落在各个论坛、博客,代码风格各异,优缺点也说得不明不白。今天,我就把自己踩过的坑、试过的方法,以及最终找到的“终极方案”梳理出来,手把手带你实现既支持不等间距刻度、又能自定义尖端样式的完美colorbar。
简单来说,我们要达成的目标是:制作一个色条,其颜色块的宽度可以对应不等的数值间隔(比如[0, 1, 10, 100]),并且可以在色条的一端或两端添加三角形尖角,来表示数据的截断或聚类。这在地学、气象、工程等领域的专业图表中几乎是刚需。
2. 不等间距colorbar的核心原理:欺骗你的眼睛
在深入代码之前,我们得先搞明白Matlab默认的colorbar是怎么工作的,以及我们为什么要“另起炉灶”。
Matlab的绘图系统,包括contourf, pcolor, imagesc这些函数,其颜色映射本质上是一个“查表”过程。你有一组数据值,还有一个颜色映射表(colormap),比如经典的jet(64)表示64种颜色。系统会找到你数据中的最小值(cmin)和最大值(cmax),将[cmin, cmax]这个区间线性等分成64份,然后根据每个数据值落在哪个小区间,来决定它用colormap里的第几种颜色。colorbar就是这个映射关系的可视化图示,它默认也是一个从cmin到cmax的线性等距刻度尺。
所以,当你的数据分布不均匀时,问题就来了。假设你的数据值和希望显示的刻度是 levels = [0, 0.1, 10, 25, 50, 100, 200, 250]。在0到0.1这个极其重要的微小区间里,按照线性映射,它可能只对应colormap中的一两个颜色索引,视觉上根本无法分辨。而200到250这段区间,却可能占据十几个颜色索引,造成视觉浪费。
那么,如何实现不等间距呢? 核心思路是一种“数据重映射”或“图形拼接”的“欺骗”手法。我们不再让数据值直接、线性地去对应colormap,而是分两步走:
- 数据离散化:使用
histc或discretize函数,根据你设定的不等间距levels,将原始连续数据X转换成离散的索引值X_idx。例如,X中所有在[0, 0.1)区间的值都赋为索引1,在[0.1, 10)区间的赋为索引2,以此类推。这样,X_idx就是一个取值在1到length(levels)-1之间的整数矩阵。 - 绘制与映射:用
contourf或image绘制这个离散索引X_idx。此时,我们告诉Matlab,颜色轴的范围(caxis)是[1, length(levels)-1]。然后,我们手动创建一个与levels区间数量匹配的colormap。比如有7个区间,我们就准备一个7行的颜色矩阵。最后,最关键的一步是:修改colorbar的刻度标签。我们把colorbar默认的等间距刻度位置(比如1,2,3,...,7),替换成我们想要的levels(2:end-1)或者全部levels的文本标签。
这样,从图形上看,色条的颜色块是等宽的,但旁边的刻度标注是不等距的,从而在视觉上实现了“不等间距”的效果。而颜色块本身等宽,保证了色条美观,不会出现有的颜色条细如发丝,有的粗如手指的情况。这是一种在视觉效果和数学表达之间取得的巧妙平衡。
3. 五种民间方法实战评测:谁才是王者?
网上流传的方法很多,我搜集并实测了其中最具代表性的五种。为了公平对比,我使用同一组模拟数据:一个二维高斯曲面加上一些随机噪声,并设定一组明显不等距的刻度ticks = [-15, -5, -1, 0, 1, 5, 15],以及一个7行的viridis配色。
3.1 方法一:M_Map工具的m_contfbar
这是最早遇到的方法,依赖于一个强大的地图绘制工具箱M_Map。
% 假设已经用m_contourf画好了图,CS和CH是等高线句柄
ax = m_contfbar([0.3 0.7], 0.05, CS, CH); % 在图形底部水平添加色条
优点:代码极其简洁,一行命令搞定,而且天然支持尖角(箭头)显示,用于表示数据范围外的值。
缺点:这也是它最大的问题——当数据不等间距时,它色条上的颜色块宽度也是不等间距的。也就是说,它真实地反映了数据间隔的比例。对于[-15, -5]和[5,15]这两个同样宽度为10的区间,它们在色条上占据的长度相同;而[-1,0]这个宽度为1的区间,在色条上就会很短。这会导致色条看起来“一段疏一段密”,非常不美观,不符合通常的出版要求。此外,对于无限小的区间,它用白色表示,这在很多场景下会造成误解。
我的评价:适合快速出图、且对色条美观度要求不高的场景。如果你需要严格的“等色块宽度”效果,这个方法要慎用。
3.2 方法二:经典的气象家园方案
这是在国内气象圈非常流行的一套代码,通常也需要M_Map做底图支持。它的核心就是上一节原理中提到的“数据离散化”方法。
level = [0, 0.1, 10, 25, 50, 100, 200, 250];
% 将数据离散化为索引
[~, ZI_idx] = histc(ZI, level);
ZI_idx = ZI_idx - 1; % 调整索引从0开始
% 绘制
[cs, h2] = m_contourf(XI, YI, ZI_idx, 'LineStyle', 'none');
colormap(custom_cmap); % custom_cmap的行数 = length(level)-1
caxis([0 length(level)-1]);
% 关键:修改colorbar标签
cbar = colorbar;
set(cbar, 'Ticks', 0:length(level)-1, 'TickLabels', level);
优点:完美实现了颜色块等宽的不等间距色条,视觉效果规整、专业。代码逻辑清晰,易于理解和修改。 缺点:最大的遗憾是不支持尖角。色条两端是平的,无法直观表示数据的截断或“以上全为此色”的含义。此外,它依赖于将数据离散化,原始数据信息有损失,不过对于可视化来说通常可接受。
我的评价:这是解决不等间距问题最扎实、最可靠的方法,至今仍是我处理无尖角需求时的首选。它的思路是后续很多高级方法的基础。
3.3 方法三与四:论坛里的“半成品”
方法三出自一些Matlab论坛,目标是做出带箭头的色条。我实测发现,它通常是通过在普通colorbar的上下方用patch函数画两个三角形来模拟箭头。但问题在于,它内部的颜色映射依然是线性的,不支持不等间距。而且为了给箭头留出空白,它经常把有效色条区域压缩,导致颜色过渡不自然,“看着不漂亮”,这是原话。
方法四则是另一个变种,通过更复杂的patch图形拼接来实现不等间距,但同样不带箭头。其代码比方法二更复杂,但达到的效果类似,属于“重复造轮子”,且通用性不如方法二。
我的评价:这两个方法处于尴尬的中间状态。要么有尖角但不等距,要么等距但无尖角,且代码复杂度提升,不推荐新手深入。
3.4 方法五:终极缝合怪——colorbarn函数
这是我最终要隆重推荐的方法,它完美地结合了前面所有方案的优点。它来自气象家园论坛上一位大神(傅辉煌)的分享。这个方法本质上是一个“从零开始画一个色条”的解决方案。
它不依赖于Matlab内置的colorbar对象,而是用axes和patch函数,像拼积木一样,把色条的每一块颜色(包括中间的矩形块和两端的三角形尖角)画出来。正因为是“从零画起”,所以它拥有了完全的控制权:
- 任意不等间距:你可以传入任意的
tick向量(刻度值)和对应的color矩阵(每行一个颜色)。函数内部会计算每个颜色块对应的数据中值,并以此着色。 - 自定义尖角:通过控制
patch的顶点(Vertices)和连接面(Faces),可以轻松绘制出两端尖角、仅上端尖角、仅下端尖角或无尖角的样式。 - 完美等色块宽度:无论你的
tick间隔如何,画出来的颜色块宽度都是均匀的,视觉效果极佳。
它的调用非常直观:
% 定义刻度和颜色
tick = [-20, -5, 0, 5, 10, 20];
color = [ ... ]; % 一个5行3列的RGB矩阵,因为length(tick)-1=5
mode = 'h'; % 水平色条,'v'为垂直
% 调用函数,获取色条坐标轴句柄c和主图坐标轴句柄ax1
[ax1, c] = colorbarn(tick, color, mode);
% 接下来在ax1上画你的主图(如contourf),并设置相同的caxis范围
axes(ax1);
[~,h] = contourf(lon, lat, data);
set(h, 'levellist', tick, 'linecolor', 'none');
colormap(color);
caxis([tick(1) tick(end)]);
为什么它是终极方案? 因为它把控制权完全交给了用户。你需要不等间距?直接改tick。你需要尖角?它天生就有。你需要水平或垂直?一个参数切换。而且它的输出图形非常干净、专业,可以直接用于学术出版。
4. 手把手打造你的专属colorbar:以colorbarn为例
光说不够,我们一步步来拆解和使用这个强大的colorbarn函数,并解决你可能遇到的实际问题。
4.1 函数获取与基础理解
首先,你需要将前面“方法五”部分提供的两个函数colorbarn和contf_line的代码保存为.m文件,放在你的Matlab路径下。contf_line是一个更高级的封装,它内部调用了colorbarn,并自动帮你绘制填色图,适合一步到位。但我们从更底层的colorbarn学起,理解更深。
这个函数的核心是图形学操作。它创建了一个新的图形窗口和两个坐标轴:一个很窄的坐标轴(c)用来放置色条,一个大的坐标轴(ax1)用来让你后续绘制主图。在色条坐标轴里,它用patch函数画了两组图形对象:
- 中间矩形块:对于水平色条,它画了
m-2个矩形(m是颜色数量),每个矩形对应一个内部刻度区间。这些矩形的宽度是相等的。 - 两端三角形尖角:它画了两个三角形,分别对应第一个和最后一个颜色区间。这就是尖角的视觉来源。
patch的FaceVertexCData属性被设置为每个区间的数据中值,再配合colormap,就实现了颜色填充。最后,它把坐标轴的x tick位置设置在每个矩形中心,并把标签替换成你传入的tick值,完成了“狸猫换太子”。
4.2 实战演练:从数据到成图
假设我们有一组全球海表温度异常数据SST_anomaly,范围在-3°C到5°C之间。我们关心0°C附近的微小变化,也关注极端暖事件。
步骤1:设计刻度和配色
% 定义不等间距刻度,在0附近加密
ticks = [-3, -1, -0.5, -0.2, 0, 0.2, 0.5, 1, 2, 5];
% 定义颜色,使用渐变的蓝-白-红色,长度比ticks少1
n_colors = length(ticks) - 1;
blue_white_red = [linspace(0,1,n_colors/2)', zeros(n_colors/2,1), linspace(1,0,n_colors/2)'; % 蓝到白
ones(n_colors/2,1), linspace(0,1,n_colors/2)', linspace(1,0,n_colors/2)']; % 白到红
% 或者使用现成的colormap采样
% custom_cmap = turbo(n_colors);
步骤2:创建带尖角的色条
figure('Position', [100 100 900 500]);
% 创建水平色条在底部
[main_ax, cbar_ax] = colorbarn(ticks, blue_white_red, 'h');
此时你会看到一个空图形窗口,底部有一个漂亮的、带两端尖角、刻度为ticks的色条。
步骤3:在主坐标轴绘制数据
axes(main_ax); % 切换到主坐标轴
% 假设lon, lat, SST_anomaly是你的数据
[contour_h, ~] = contourf(lon, lat, SST_anomaly, 'LineStyle', 'none');
% 关键:设置等高线层级和颜色映射与色条一致
set(contour_h, 'levellist', ticks);
colormap(main_ax, blue_white_red);
caxis(main_ax, [ticks(1), ticks(end)]);
% 添加海岸线等装饰
hold on;
plot(worldmap_coastline, 'k');
title('全球海表温度异常 (不等间距colorbar展示)');
现在,你的主图颜色和底部的色条就完全对应上了。-0.2°C到0.2°C这个关键区间在色条上拥有了和其他宽区间(如1°C到2°C)同样宽度的颜色展示,细节一目了然。
4.3 高级定制与排坑指南
定制1:只要一个尖角怎么办?
colorbarn函数默认画两个尖角。如果你只想在上限(最大值)处加尖角,表示“大于此值均为深红”,需要修改函数内部的patch部分。找到画三角形尖角的代码块(注释%—–包围的部分),将对应不需要的三角形的Faces数据设为空[],或者调整其顶点使其退化为一条线。更简单的方法是,在调用后,用图形句柄隐藏它:
% 假设想隐藏左端(最小值)尖角
patch_handles = findobj(cbar_ax, 'Type', 'patch');
% 通常第一个patch是左三角,第二个是右三角,需要根据实际情况判断
set(patch_handles(1), 'Visible', 'off');
定制2:调整色条位置和大小
colorbarn函数内部用axes('position', [x, y, width, height])来定位色条和主图。你可以直接修改函数文件里的这些位置参数。比如,想把垂直色条放左边,就把c=axes('position',[0.87 0.11 ...])中的0.87(右边)改成0.05(左边),并相应调整主图ax1的位置。
常见坑1:色条标签重叠
当刻度值很多或很长时,标签可能会挤在一起。解决方法是在调用colorbarn后,旋转标签或间隔显示:
set(cbar_ax, 'XTickLabelRotation', 45); % 水平色条旋转标签
% 或者间隔一个显示一个标签
labels = get(cbar_ax, 'XTickLabel');
labels(2:2:end) = {' '}; % 将偶数位标签设为空
set(cbar_ax, 'XTickLabel', labels);
常见坑2:保存图片时色条失真
使用print或saveas保存为矢量图(如PDF、EPS)时,有时patch对象会出问题。建议:
- 保存为高分辨率位图:
print('-dpng', '-r300', 'figure.png')。 - 如果必须用矢量图,尝试使用
exportgraphics函数(R2020a以上),它对复杂图形的支持更好:exportgraphics(gcf, 'figure.pdf', 'ContentType', 'vector')。
5. 等距优化:不仅仅是看起来均匀
我们一直在追求“颜色块等宽”,这其实是一种视觉上的等距优化。但还有更深层次的“等距”考量——色彩感知的均匀性。
我们常用的jet色彩虽然好看,但从色彩科学上讲,它在不同亮度区间给人的视觉权重是不同的,可能导致对数据梯度的误判。例如,jet中从蓝色到青色的变化,和从黄色到红色的变化,在色条上跨度相同,但给人的“变化强烈程度”感觉不同。
因此,在制作不等间距colorbar时,选择一款感知均匀的配色方案尤为重要。Matlab新版本提供了parula, turbo, viridis等这类配色。你可以从这些colormap中采样出你需要的颜色数量:
num_colors = length(ticks) - 1;
uniform_cmap = viridis(num_colors); % 需要R2014b以上,或从File Exchange获取viridis
对于colorbarn函数,直接将这个uniform_cmap矩阵作为color参数传入即可。这样,你的不等间距colorbar不仅在刻度分布上优化了数据表达,在颜色过渡上也符合视觉科学,让读者能更准确、更直观地理解你的数据。
我自己的经验是,在撰写论文或制作报告图表时,多花这十几分钟定制一个不等距且感知均匀的colorbar,能让图表的专业度和沟通效率提升一个档次。它向审稿人或同行传递了一个明确信息:你清楚自己数据的特征,并且注重可视化细节。这往往比图形本身更令人印象深刻。
189



被折叠的 条评论
为什么被折叠?



