颜色搭配

点击配色:https://culrs.com/#/red

  • 颜色协调的原则是避免颜色选择过度,能够表达清晰明了的设计主题。以下是一些通用的基本颜色搭配方案,其中每种方案都包括9种颜色:
  1. 红色、黄色、浅绿色、鲑鱼色、紫罗兰色、淡蓝色、白色、浅灰色和黑色;
  2. 橙色、浅黄色、青色、棕色、粉色、浅绿色、紫色、银灰色和蓝色;
  3. 黄色、绿色、红色、白色、黑色、灰色、蓝色、天蓝色和深蓝色;
  4. 灰色、浅灰色、黄色、紫色、绿色、白色、黑色、天蓝色和深蓝色;
  5. 蓝色、紫色、深绿色、金黄色、黄色、橙色、红色、玫瑰色和棕色;
  6. 深绿色、宝蓝色、橙色、蓝绿色、白色、红色、黄色、深棕色和灰色;
  7. 奶油色、宝蓝色、深蓝色、黄色、白色、深灰色、棕色、天蓝色和红色;
  8. 灰色、米色、橙色、棕色、青色、绿色、紫色、金黄色和深蓝色;
  9. 北极蓝、钴蓝、岩黄色、赭色、石墨灰、浅桔色、蕃茄红、艳红色、银灰色。
  1. #FF0000(红色)、#FFFF00(黄色)、#90EE90(浅绿色)、#FF8C69(鲑鱼色)、#8B00FF(紫罗兰色)、#87CEFA(淡蓝色)、#FFFFFF(白色)、#D3D3D3(浅灰色)和 #000000(黑色)

  2. #FFA500(橙色)、#FFFFE0(浅黄色)、#00CED1(青色)、#A52A2A(棕色)、#FFC0CB(粉色)、#90EE90(浅绿色)、#800080(紫色)、#C0C0C0(银灰色)和 #0000FF(蓝色)

  3. #FFFF00(黄色)、#008000(绿色)、#FF0000(红色)、#FFFFFF(白色)、#000000(黑色)、#808080(灰色)、#0000FF(蓝色)、#87CEEB(天蓝色)和 #00008B(深蓝色)

  4. 灰色、浅灰色、黄色、紫色、绿色、白色、黑色、天蓝色和深蓝色:

  • 灰色:#808080
  • 浅灰色:#D3D3D3
  • 黄色:#FFFF00
  • 紫色:#800080
  • 绿色:#008000
  • 白色:#FFFFFF
  • 黑色:#000000
  • 天蓝色:#87CEEB
  • 深蓝色:#00008B
  1. 蓝色、紫色、深绿色、金黄色、黄色、橙色、红色、玫瑰色和棕色:
  • 蓝色:#0000FF
  • 紫色:#800080
  • 深绿色:#006400
  • 金黄色:#FFD700
  • 黄色:#FFFF00
  • 橙色:#FFA500
  • 红色:#FF0000
  • 玫瑰色:#FFC0CB
  • 棕色:#A52A2A
  1. 深绿色、宝蓝色、橙色、蓝绿色、白色、红色、黄色、深棕色和灰色:
  • 深绿色:#006400
  • 宝蓝色:#1E90FF
  • 橙色:#FFA500
  • 蓝绿色:#00FFFF
  • 白色:#FFFFFF
  • 红色:#FF0000
  • 黄色:#FFFF00
  • 深棕色:#654321
  • 灰色:#808080
  1. 奶油色、宝蓝色、深蓝色、黄色、白色、深灰色、棕色、天蓝色和红色:
  • 奶油色:#FFFDD0
  • 宝蓝色:#1E90FF
  • 深蓝色:#00008B
  • 黄色:#FFFF00
  • 白色:#FFFFFF
  • 深灰色:#A9A9A9
  • 棕色:#A52A2A
  • 天蓝色:#87CEEB
  • 红色:#FF0000
  1. 灰色、米色、橙色、棕色、青色、绿色、紫色、金黄色和深蓝色:
  • 灰色:#808080
  • 米色:#F5DEB3
  • 橙色:#FFA500
  • 棕色:#A52A2A
  • 青色:#00CED1
  • 绿色:#008000
  • 紫色:#800080
  • 金黄色:#FFD700
  • 深蓝色:#000080
  1. 北极蓝、钴蓝、岩黄色、赭色、石墨灰、浅桔色、蕃茄红、艳红色、银灰色:
  • 北极蓝:#00BFFF
  • 钴蓝:#4682B4
  • 岩黄色:#FFB451
  • 赭色:#A0522D
  • 石墨灰:#43464B
  • 浅桔色:#FFE4B5
  • 蕃茄红:#FF6347
  • 艳红色:#FF69B4
  • 银灰色:#C0C0C0

在代码中的使用

import numpy as npimport matplotlib.pyplot as pltx = ['Rank-1', 'mAP']IFGSM = [4.04,3.36]MI = [1.60,1.37]VMI = [1.57,1.42]SI = [3.86,3.35]IG =[1.87,1.75]SMI = [1.66,1.39]IG_MI =[1.78,1.68]GSMI =[1.37,1.24]EGSMI = [1.28,1.20]# 创建柱状图fig = plt.figure(figsize=(12, 8))#fig, ax = plt.subplots(12,8)x_pos = np.arange(2)width = 0.07#plt.bar(x_pos - 4*width/2, FGSM, width, align='center', alpha=0.5, label='Alg1')plt.bar(x_pos - 2*width/2, IFGSM, width, align='center', alpha=0.5,color="#FF69B4" , label='IFGSM')plt.bar(x_pos , MI, width, align='center', alpha=0.5, label='MI')plt.bar(x_pos + 2*width/2, VMI, width, align='center', alpha=0.5,color="#FF69B5" ,label='VMI')plt.bar(x_pos + 4*width/2, SI, width, align='center', alpha=0.5, label='SI')plt.bar(x_pos + 6*width/2, IG, width, align='center', alpha=0.5, label='IG')plt.bar(x_pos + 8*width/2, SMI, width, align='center', alpha=0.5, label='SMI')plt.bar(x_pos + 10*width/2, IG_MI, width, align='center', alpha=0.5, label='IG_MI')plt.bar(x_pos + 12*width/2, GSMI, width, align='center', alpha=0.5, label='GSMI(Ours)')plt.bar(x_pos + 14*width/2, EGSMI, width, align='center', alpha=0.5, label='GSMI(Ours)')#plt.xticks(1.2*x_pos, x)# 增加水平间距plt.xticks(x_pos+0.2,x)plt.subplots_adjust(wspace=0.7)#ax.set_xlabel('111')#ax.set_ylabel('Attack result')#ax.set_title('111111111111')plt.xlabel('Evaluation metrics', fontsize=18)plt.ylabel('Attack result (%)', fontsize=18)plt.title('(e) Attack Swinv2-Transformer', fontsize=18)plt.legend(loc='center')#plt.legend(bbox_to_anchor=(1, 1))#调整图例的位置# 显示图像fig.savefig("C:\\Users\\zeze\\Desktop\\tu\\swinv2.svg", format="svg", bbox_inches='tight') #保存为矢量图plt.show()