博客

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

5. 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

6. 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

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：

• 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

8. 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

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：

• 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()