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()