使用循环色图可视化周期性数据时出现图像伪影

问题背景 #

在可视化具有2π周期性的电磁场相位时，为了体现1.9π与0近似相等的特性，选用循环色图（如twilight、twilight_shifted、hsv），但绘图时在相位从接近2π跳变到0的区域总会出现线条状伪影——放大这些线条后伪影消失，保存为PNG、SVG等格式时问题依旧。

复现代码 #

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-3,3,501)
x,y = np.meshgrid(x,x)

data = x**2+y**2
data = np.mod(data, 2)

plt.set_cmap('twilight')

plt.imshow(data)
plt.show()

伪影成因 #

这种伪影源于颜色插值的边界不连续性：循环色图在0和2π（示例中对应0和2）处颜色本应连续，但matplotlib的imshow默认插值算法（如bilinear）会将色图的首尾视为两个独立的颜色值，在跨0/2π边界的像素间插值时产生突兀的颜色过渡，形成视觉上的伪影线条。

解决方案 #

方案1：使用pcolormesh替代imshow

pcolormesh对网格颜色的分配逻辑更适配循环数据，能自然处理边界连续性，搭配gouraud shading可进一步优化颜色过渡效果：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-3,3,501)
x,y = np.meshgrid(x,x)

data = x**2+y**2
data = np.mod(data, 2)

plt.set_cmap('twilight')
plt.pcolormesh(x, y, data, shading='gouraud')
plt.show()

方案2：自定义循环色图并调整插值方式

部分内置循环色图首尾颜色可能存在细微差异，手动强制首尾颜色一致后，配合平滑插值可减少伪影：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

x = np.linspace(-3,3,501)
x,y = np.meshgrid(x,x)

data = x**2+y**2
data = np.mod(data, 2)

# 复制twilight色图并强制首尾颜色一致
twi_cmap = plt.cm.get_cmap('twilight')
new_colors = twi_cmap(np.linspace(0, 1, 256))
new_colors[-1] = new_colors[0]
custom_twi = LinearSegmentedColormap.from_list('custom_twilight', new_colors)

plt.set_cmap(custom_twi)
plt.imshow(data, interpolation='spline16')
plt.show()

方案3：使用CyclicNorm显式声明周期性

通过CyclicNorm告知matplotlib数据的周期性边界，让插值算法正确识别0与2的等价性：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import CyclicNorm

x = np.linspace(-3,3,501)
x,y = np.meshgrid(x,x)

data = x**2+y**2
data = np.mod(data, 2)

norm = CyclicNorm(vmin=0, vmax=2)
plt.set_cmap('twilight')
plt.imshow(data, norm=norm)
plt.show()

内容的提问来源于stack exchange，提问作者Oskar Hofmann