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：
- 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；
- 橙色、浅黄色、青色、棕色、粉色、浅绿色、紫色、银灰色和蓝色；
- 黄色、绿色、红色、白色、黑色、灰色、蓝色、天蓝色和深蓝色；
- 灰色、浅灰色、黄色、紫色、绿色、白色、黑色、天蓝色和深蓝色；
- 蓝色、紫色、深绿色、金黄色、黄色、橙色、红色、玫瑰色和棕色；
- 深绿色、宝蓝色、橙色、蓝绿色、白色、红色、黄色、深棕色和灰色；
- 奶油色、宝蓝色、深蓝色、黄色、白色、深灰色、棕色、天蓝色和红色；
- 灰色、米色、橙色、棕色、青色、绿色、紫色、金黄色和深蓝色；
- 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。
-
#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） -
#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） -
#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） -
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
- 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
- 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
- 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
- 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
- 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 np
import matplotlib.pyplot as plt
x = ['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()
文章出处登录后可见！
已经登录？立即刷新
