matplotlib.colors.PowerNorm#

class matplotlib.colors.PowerNorm(gamma, vmin=None, vmax=None, clip=False)[source]#

将给定值线性映射到 0-1 范围，然后在该范围内应用幂律归一化。

参数:

gamma浮点型

幂律指数。

vmin, vmax浮点型或 None

如果未给定 vmin 和/或 vmax，它们将分别从第一个处理的输入的最小值和最大值初始化；即，__call__(A) 会调用 autoscale_None(A)。

clipbool, 默认值: False

决定映射超出 [vmin, vmax] 范围的值时的行为。

如果关闭裁剪，大于 vmax 的值将通过幂函数转换，结果值大于 1；小于 vmin 的值将线性转换，结果值小于 0。这种行为通常是可取的，因为颜色映射可以通过特定颜色标记这些低于和高于的值。

如果裁剪打开，低于 *vmin* 的值映射为 0，高于 *vmax* 的值映射为 1。这些值将与常规边界值变得无法区分，这可能导致数据误读。

备注

归一化公式为

\[\left ( \frac{x - v_{min}}{v_{max} - v_{min}} \right )^{\gamma}\]

对于小于 vmin 的输入值，gamma 设置为 1。

参数:

vmin, vmax浮点型或 None

输入数据中在 [vmin, vmax] 范围内的值将被线性映射到 [0, 1]。如果未提供 vmin 或 vmax，它们将分别默认为输入数据的最小值和最大值。

clipbool, 默认值: False

决定映射超出 [vmin, vmax] 范围的值时的行为。

如果关闭裁剪，超出 [vmin, vmax] 范围的值也将被转换，导致结果值超出 [0, 1]。这种行为通常是可取的，因为颜色映射可以通过特定颜色标记这些低于和高于的值。

如果裁剪打开，低于 *vmin* 的值映射为 0，高于 *vmax* 的值映射为 1。这些值将与常规边界值变得无法区分，这可能导致数据误读。

备注

如果 vmin == vmax，输入数据将被映射到 0。

__call__(value, clip=None)[source]#

归一化数据并返回归一化后的数据。

参数:

值

要归一化的数据。

clip布尔型，可选

参阅 Normalize 中参数 *clip* 的描述。

如果为 None，则默认为 self.clip（其默认为 False）。

备注

如果尚未初始化，self.vmin 和 self.vmax 将使用 self.autoscale_None(value) 进行初始化。

inverse(value)[source]#

将归一化值（即色图中的索引）映射回图像数据值。

参数:

使用 `matplotlib.colors.PowerNorm` 的示例#