ASCII码对照表（Matplotlib颜色对照表）

文章目录

  • 1、简介
    • 1.1 颜色代码
  • 2、Matplotlib库简介
    • 2.1 简介
    • 2.2 安装
    • 2.3 后端
    • 2.4 入门例子
  • 3、Matplotlib库颜色
    • 3.1 概述
    • 3.2 颜色图的分类
    • 3.3 颜色格式表示
    • 3.4 内置颜色映射
    • 3.5 xkcd 颜色映射
    • 3.6 颜色命名表
  • 4、Colorcet库
  • 5、颜色对照表
  • 结语

1、简介

1.1 颜色代码

颜色代码是一种用于表示颜色的编码系统，常见的颜色代码包括RGB颜色代码和十六进制颜色代码。RGB颜色代码使用红色、绿色和蓝色的数值来表示一个颜色，例如(255, 0, 0)表示红色。十六进制颜色代码使用六位十六进制数来表示一个颜色，例如#FF0000表示红色。颜色代码主要用于在计算机图形和网页设计中指定颜色。

在这里插入图片描述

2、Matplotlib库简介

2.1 简介

https://matplotlib.org/

Matplotlib：使用 Python 进行可视化

Matplotlib 是一个用于创建静态、动画、 以及 Python 中的交互式可视化。Matplotlib 让事情变得简单 简单和困难的事情都可能。
在这里插入图片描述

2.2 安装

Matplotlib及其依赖项作为MacOS、Windows和Linux发行版的车轮包提供：

python -m pip install -U matplotlib

在这里插入图片描述

2.3 后端

matplotlib可以针对不同的输出，这些功能中的每一个都称为后端；“前端”是面向用户的代码，即绘图代码，而“后端”则在幕后完成了所有繁重的工作来生成数字。有两种后端：用户界面后端（用于pygtk、wxpython、tkinter、qt4或macosx；也称为“交互后端”）和硬拷贝后端以生成图像文件（png、svg、pdf、ps；也称为“非交互后端”）。

Tk (>= 8.3, !=8.6.0或8.6.1）：用于基于Tk的后端。
PyQt4 （＞4.6）或 PySide （>=1.0.3） [1]: 对于基于Qt4的后端。
PyQt5 或 PySide2: 对于基于Qt5的后端。
PyGObject：用于基于GTK3的后端 [2].
wxPython （>=4） [3]: 对于基于wx的后端。
pycairo （>=1.11.0）或 cairocffi （>=0.8）：用于GTK3和/或基于cairo的后端。
Tornado：用于WebAgg后端。

默认情况下，Matplotlib应该自动选择一个默认的后端，该后端允许交互式工作和从脚本打印，并输出到屏幕和/或文件，因此至少最初您不需要担心后端。

2.4 入门例子

  • 绘制正弦曲线：
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
# ax.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax.plot(np.linspace(0, 2*np.pi, 100), np.sin(np.linspace(0, 2*np.pi, 100)), color='blue', linestyle='-', linewidth=2, marker='o', markersize=5, markerfacecolor='red', markeredgecolor='black', markeredgewidth=1)

plt.show()

在这里插入图片描述

  • 绘制2d栅格图
import matplotlib.pyplot as plt
import numpy as np

plt.style.use('_mpl-gallery-nogrid')

# make data
X, Y = np.meshgrid(np.linspace(-3, 3, 16), np.linspace(-3, 3, 16))
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)

# plot
fig, ax = plt.subplots()
ax.imshow(Z, origin='lower')
plt.show()

在这里插入图片描述

3、Matplotlib库颜色

3.1 概述

Matplotlib有许多内置的颜色映射，可通过 matplotlib.cm.get_cmap .
选择一个好的颜色映射的想法是为你的数据集在3D颜色空间中找到一个好的表示。任何给定数据集的最佳颜色映射取决于许多因素，包括：

  • 表示形式或度量数据 ([Ware])
  • 您对数据集的了解（ e.g. ，是否存在其他值偏离的临界值？）
  • 如果要绘制的参数有直观的颜色方案
  • 如果该领域有一个标准，观众可能会期待

3.2 颜色图的分类

颜色映射通常根据其功能分为几个类别：

  • 顺序：亮度的变化和颜色的饱和度的增加，通常使用一个单一的色调；应该用来表示有顺序的信息。
  • 偏色：两种不同颜色在中间以不饱和颜色相交时的亮度变化和可能的饱和度变化；当所绘制的信息具有临界中间值时，如地形或当数据偏离零时，应使用偏色。
  • 循环：两种不同颜色的亮度变化，在中间和开始/结束时以不饱和颜色相遇；应用于在端点处环绕的值，如相位角、风向或一天中的时间。
  • 定性：通常是各种颜色；应该用来表示没有顺序或关系的信息。

3.3 颜色格式表示

https://matplotlib.net/stable/api/colors_api.html#module-matplotlib.colors

https://github.com/matplotlib/matplotlib/blob/main/lib/matplotlib/_color_data.py
Matplotlib 识别以下格式来指定颜色：

  • （例如 或）中浮点值的 RGB 或 RGBA 元组。RGBA 是 Red、Green、Blue、Alpha 的缩写；[0, 1](0.1, 0.2, 0.5)(0.1, 0.2, 0.5, 0.3)

  • 十六进制 RGB 或 RGBA 字符串（例如，‘#0F0F0F’或’#0F0F0F0F’）；

  • 一个简写的十六进制 RGB 或 RGBA 字符串，相当于复制每个字符得到的十六进制 RGB 或 RGBA 字符串，（例如，‘#abc’等价于’#aabbcc’，或’#abcd’，等价于’#aabbccdd’）；

  • 浮点值的字符串表示，包括灰度级（例如，）；[0, 1]‘0.5’

  • 单个字母字符串，即其中一个 ，它是蓝色、绿色、红色、青色、洋红色、黄色、黑色和白色阴影的简写符号；{‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}

  • X11/CSS4 (“html”) 颜色名称，例如"blue"；

  • 来自xkcd 颜色调查的名称，前缀为’xkcd:'（例如，）；‘xkcd:sky blue’

  • “Cn”颜色规范，即’C’后跟一个数字，它是默认属性循环的索引（rcParams[“axes.prop_cycle”]（默认值：））；索引旨在在渲染时发生，如果循环不包括颜色，则默认为黑色。cycler(‘color’, [‘#1f77b4’, ‘#ff7f0e’, ‘#2ca02c’, ‘#d62728’, ‘#9467bd’, ‘#8c564b’, ‘#e377c2’, ‘#7f7f7f’, ‘#bcbd22’, ‘#17becf’])

  • 其中之一是来自“tab10”分类调色板的 Tableau 颜色（这是默认颜色循环）；{‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}

总结如下：

1、用RGB或者RGBA元组，取值范围均归一到[0,1]，（e.g：(0.1, 0.2, 0.5) or (0.1, 0.2, 0.5, 0.3))；
2、用十六进制的颜色表示方式代替RGB或者RGBA元组，(e.g., ‘#0F0F0F’ or ‘#0F0F0F0F’)；
3、用[0,1]中的浮点数字符串来表示，(e.g., 灰色表示为：‘0.5’)；
4、用缩写，{‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}中的任意一个；
5、用以“xkcd:”为前缀的xkcd颜色名称，(e.g.,“xkcd:sky blue”)；
6、用 {‘C0’, ‘C1’, ‘C2’, ‘C3’, ‘C4’, ‘C5’, ‘C6’, ‘C7’, ‘C8’, ‘C9’}，表示当前默认颜色列表中的颜色；
7、用来自’ T10 '分类调色板的Tableau颜色(这是默认的颜色循环)当中的一个，{‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}；

import matplotlib
for name, hex in matplotlib.colors.cnames.items():
    print(name, hex, end=' ')

在这里插入图片描述

3.4 内置颜色映射

https://matplotlib.net/stable/gallery/color/colormap_reference.html
显示几个内置颜色映射的范围如下：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib import cm
from colorspacious import cspace_converter
from collections import OrderedDict

cmaps = OrderedDict()

cmaps['Sequential (2)'] = [
            'binary', 'gist_yarg', 'gist_gray', 'gray', 'bone', 'pink',
            'spring', 'summer', 'autumn', 'winter', 'cool', 'Wistia',
            'hot', 'afmhot', 'gist_heat', 'copper']

cmaps['Miscellaneous'] = [
            'flag', 'prism', 'ocean', 'gist_earth', 'terrain', 'gist_stern',
            'gnuplot', 'gnuplot2', 'CMRmap', 'cubehelix', 'brg',
            'gist_rainbow', 'rainbow', 'jet', 'turbo', 'nipy_spectral',
            'gist_ncar']


nrows = max(len(cmap_list) for cmap_category, cmap_list in cmaps.items())
gradient = np.linspace(0, 1, 256)
gradient = np.vstack((gradient, gradient))


def plot_color_gradients(cmap_category, cmap_list, nrows):
    fig, axes = plt.subplots(nrows=nrows)
    fig.subplots_adjust(top=0.95, bottom=0.01, left=0.2, right=0.99)
    axes[0].set_title(cmap_category + ' colormaps', fontsize=14)

    for ax, name in zip(axes, cmap_list):
        ax.imshow(gradient, aspect='auto', cmap=plt.get_cmap(name))
        pos = list(ax.get_position().bounds)
        x_text = pos[0] - 0.01
        y_text = pos[1] + pos[3]/2.
        fig.text(x_text, y_text, name, va='center', ha='right', fontsize=10)

    # Turn off *all* ticks & spines, not just the ones with colormaps.
    for ax in axes:
        ax.set_axis_off()


for cmap_category, cmap_list in cmaps.items():
    plot_color_gradients(cmap_category, cmap_list, nrows)

plt.show()

在这里插入图片描述
在这里插入图片描述

3.5 xkcd 颜色映射

148 个 X11/CSS4 颜色名称中的 95 个也出现在 xkcd 颜色调查中。几乎所有这些都映射到 X11/CSS4 和 xkcd 调色板中的不同颜色值。只有“黑色”、“白色”和“青色”是相同的。

例如，‘blue’映射到’#0000FF’而’xkcd:blue’映射到 ‘#0343DF’。由于这些名称冲突，所有 xkcd 颜色都有 'xkcd:'前缀。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

import matplotlib.colors as mcolors
import matplotlib.patches as mpatch

overlap = {name for name in mcolors.CSS4_COLORS
           if f'xkcd:{name}' in mcolors.XKCD_COLORS}

fig = plt.figure(figsize=[9, 5])
ax = fig.add_axes([0, 0, 1, 1])

n_groups = 3
n_rows = len(overlap) // n_groups + 1

for j, color_name in enumerate(sorted(overlap)):
    css4 = mcolors.CSS4_COLORS[color_name]
    xkcd = mcolors.XKCD_COLORS[f'xkcd:{color_name}'].upper()

    # Pick text colour based on perceived luminance.
    rgba = mcolors.to_rgba_array([css4, xkcd])
    luma = 0.299 * rgba[:, 0] + 0.587 * rgba[:, 1] + 0.114 * rgba[:, 2]
    css4_text_color = 'k' if luma[0] > 0.5 else 'w'
    xkcd_text_color = 'k' if luma[1] > 0.5 else 'w'

    col_shift = (j // n_rows) * 3
    y_pos = j % n_rows
    text_args = dict(fontsize=10, weight='bold' if css4 == xkcd else None)
    ax.add_patch(mpatch.Rectangle((0 + col_shift, y_pos), 1, 1, color=css4))
    ax.add_patch(mpatch.Rectangle((1 + col_shift, y_pos), 1, 1, color=xkcd))
    ax.text(0.5 + col_shift, y_pos + .7, css4,
            color=css4_text_color, ha='center', **text_args)
    ax.text(1.5 + col_shift, y_pos + .7, xkcd,
            color=xkcd_text_color, ha='center', **text_args)
    ax.text(2 + col_shift, y_pos + .7, f'  {color_name}', **text_args)

for g in range(n_groups):
    ax.hlines(range(n_rows), 3*g, 3*g + 2.8, color='0.7', linewidth=1)
    ax.text(0.5 + 3*g, -0.3, 'X11/CSS4', ha='center')
    ax.text(1.5 + 3*g, -0.3, 'xkcd', ha='center')

ax.set_xlim(0, 3 * n_groups)
ax.set_ylim(n_rows, -1)
ax.axis('off')

plt.show()

在这里插入图片描述

3.6 颜色命名表

# import matplotlib.pyplot as plt
# import numpy as np

# fig, ax = plt.subplots()  # Create a figure containing a single axes.
# ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

from matplotlib.patches import Rectangle
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors


def plot_colortable(colors, sort_colors=True, emptycols=0):

    cell_width = 212
    cell_height = 22
    swatch_width = 48
    margin = 12

    # Sort colors by hue, saturation, value and name.
    if sort_colors is True:
        by_hsv = sorted((tuple(mcolors.rgb_to_hsv(mcolors.to_rgb(color))),
                         name)
                        for name, color in colors.items())
        names = [name for hsv, name in by_hsv]
    else:
        names = list(colors)

    n = len(names)
    ncols = 4 - emptycols
    nrows = n // ncols + int(n % ncols > 0)

    width = cell_width * 4 + 2 * margin
    height = cell_height * nrows + 2 * margin
    dpi = 72

    fig, ax = plt.subplots(figsize=(width / dpi, height / dpi), dpi=dpi)
    fig.subplots_adjust(margin/width, margin/height,
                        (width-margin)/width, (height-margin)/height)
    ax.set_xlim(0, cell_width * 4)
    ax.set_ylim(cell_height * (nrows-0.5), -cell_height/2.)
    ax.yaxis.set_visible(False)
    ax.xaxis.set_visible(False)
    ax.set_axis_off()

    for i, name in enumerate(names):
        row = i % nrows
        col = i // nrows
        y = row * cell_height

        swatch_start_x = cell_width * col
        text_pos_x = cell_width * col + swatch_width + 7

        ax.text(text_pos_x, y, name, fontsize=14,
                horizontalalignment='left',
                verticalalignment='center')

        ax.add_patch(
            Rectangle(xy=(swatch_start_x, y-9), width=swatch_width,
                      height=18, facecolor=colors[name], edgecolor='0.7')
        )

    return fig

plot_colortable(mcolors.BASE_COLORS, sort_colors=False, emptycols=1)
plt.show()

在这里插入图片描述

plot_colortable(mcolors.TABLEAU_COLORS, sort_colors=False, emptycols=2)

在这里插入图片描述

plot_colortable(mcolors.CSS4_COLORS)

在这里插入图片描述

xkcd_fig = plot_colortable(mcolors.XKCD_COLORS, "XKCD Colors")
xkcd_fig.savefig("XKCD_Colors.png")

4、Colorcet库

https://colorcet.holoviz.org/index.html#
Colorcet 是 感知准确的 256 色颜色图，用于 Python 绘图程序，如 Bokeh、Matplotlib、HoloView 和 Datashader。

目前包括两种类型的颜色图：连续和分类。连续的颜色图在感知上是一致的，每种新颜色在感知上都与之前和之后的颜色相同。连续地图由勘探目标中心的Peter Kovesi使用Kovesi（2015）中描述的方法构建。

pip install colorcet

在这里插入图片描述
安装colorcet后，颜色图将可用 有两种格式：

  • 散景风格的调色板，即十六进制的 RGB 颜色的 Python 列表 字符串，如 [‘#000000’， …， ‘#ffffff’]
  • 使用归一化幅度的 Matplotlib LinearSegmentedColormap， 像 LinearSegmentedColormap.from_list（“火”，[ [0.0,0.0,0.0]， …, [1.0,1.0,1.0] ], 256)
import numpy as np
import colorcet as cc
import matplotlib.pyplot as plt

xs, _ = np.meshgrid(np.linspace(0, 1, 80), np.linspace(0, 1, 10))
plt.imshow(xs, cmap=cc.cm.colorwheel);  # use tab completion to choose
plt.colorbar(); 
plt.show()

在这里插入图片描述

import scicomap as sc
import matplotlib.pyplot as plt

f = sc.compare_cmap(image="grmhd",
                    ctype='sequential',
                    ncols=15,
                    uniformize=True,
                    symmetrize=True,
                    unif_kwargs={'lift': 20},
                    sym_kwargs={'bitonic': False, 'diffuse': True})

在这里插入图片描述
在这里插入图片描述

5、颜色对照表

颜色展示英文代码形象颜色HEX格式RGB格式
▇▇▇▇▇▇▇▇LightPink浅粉红#FFB6C1255,182,193
▇▇▇▇▇▇▇▇Pink粉红#FFC0CB255,192,203
▇▇▇▇▇▇▇▇Crimson猩红#DC143C220,20,60
▇▇▇▇▇▇▇▇LavenderBlush脸红的淡紫色#FF0F5255,240,245
▇▇▇▇▇▇▇▇PaleVioletRed苍白的紫罗兰红色#DB7093219,112,147
▇▇▇▇▇▇▇▇HotPink热情的粉红#FF69B4255,105,180
▇▇▇▇▇▇▇▇DeepPink深粉色#FF1493255,20,147
▇▇▇▇▇▇▇▇MediumVioletRed适中的紫罗兰红色#C71585199,21,133
▇▇▇▇▇▇▇▇Orchid兰花的紫色#DA70D6218,112,214
▇▇▇▇▇▇▇▇Thistle蓟#D8BFD8216,191,216
▇▇▇▇▇▇▇▇Plum李子#DDA0DD221,160,221
▇▇▇▇▇▇▇▇Violet紫罗兰#EE82EE238,130,238
▇▇▇▇▇▇▇▇Magenta洋红#FF00FF255,0,255
▇▇▇▇▇▇▇▇Fuchsia灯笼海棠(紫红色)#FF00FF255,0,255
▇▇▇▇▇▇▇▇DarkMagenta深洋红色#8B008B139,0,139
▇▇▇▇▇▇▇▇Purple紫色#800080128,0,128
▇▇▇▇▇▇▇▇MediumOrchid适中的兰花紫#BA55D3186,85,211
▇▇▇▇▇▇▇▇DarkViolet深紫罗兰色#9400D3148,0,211
▇▇▇▇▇▇▇▇DarkOrchid深兰花紫#9932CC153,50,204
▇▇▇▇▇▇▇▇Indigo靛青#4B008275,0,130
▇▇▇▇▇▇▇▇BlueViolet深紫罗兰的蓝色#8A2BE2138,43,226
▇▇▇▇▇▇▇▇MediumPurple适中的紫色#9370DB147,112,219
▇▇▇▇▇▇▇▇MediumSlateBlue适中的板岩暗蓝灰色#7B68EE123,104,238
▇▇▇▇▇▇▇▇SlateBlue板岩暗蓝灰色#6A5ACD106,90,205
▇▇▇▇▇▇▇▇DarkSlateBlue深板岩暗蓝灰色#483D8B72,61,139
▇▇▇▇▇▇▇▇Lavender薰衣草花的淡紫色#E6E6FA230,230,250
▇▇▇▇▇▇▇▇GhostWhite幽灵的白色#F8F8FF248,248,255
▇▇▇▇▇▇▇▇Blue纯蓝#0000FF0,0,255
▇▇▇▇▇▇▇▇IndigoBlue靛蓝#0000FF0,0,255
▇▇▇▇▇▇▇▇MediumBlue适中的蓝色#0000CD0,0,205
▇▇▇▇▇▇▇▇MidnightBlue午夜的蓝色#19197025,25,112
▇▇▇▇▇▇▇▇DarkBlue深蓝色#00008B0,0,139
▇▇▇▇▇▇▇▇Navy海军蓝,深靛蓝#0000800,0,128
▇▇▇▇▇▇▇▇RoyalBlue皇家蓝#4169E165,105,225
▇▇▇▇▇▇▇▇CornflowerBlue矢车菊的蓝色#6495ED100,149,237
▇▇▇▇▇▇▇▇LightSteelBlue淡钢蓝#B0C4DE176,196,222
▇▇▇▇▇▇▇▇LightSlateGray浅石板灰#778899119,136,153
▇▇▇▇▇▇▇▇SlateGray石板灰#708090112,128,144
▇▇▇▇▇▇▇▇DodgerBlue道奇蓝#1E90FF30,144,255
▇▇▇▇▇▇▇▇AliceBlue爱丽丝蓝#F0F8FF240,248,255
▇▇▇▇▇▇▇▇SteelBlue钢蓝#4682B470,130,180
▇▇▇▇▇▇▇▇LightSkyBlue淡蓝色#87CEFA135,206,250
▇▇▇▇▇▇▇▇SkyBlue天蓝色#87CEEB135,206,235
▇▇▇▇▇▇▇▇DeepSkyBlue深天蓝#00BFFF0,191,255
▇▇▇▇▇▇▇▇LightBlue淡蓝#ADD8E6173,216,230
▇▇▇▇▇▇▇▇PowderBlue火药蓝#B0E0E6176,224,230
▇▇▇▇▇▇▇▇CadetBlue军校蓝#5F9EA095,158,160
▇▇▇▇▇▇▇▇Azure蔚蓝色#F0FFFF240,255,255
▇▇▇▇▇▇▇▇LightCyan淡青色#E1FFFF225,255,255
▇▇▇▇▇▇▇▇PaleTurquoise苍白的绿宝石#AFEEEE175,238,238
▇▇▇▇▇▇▇▇Cyan青色#00FFFF0,255,255
▇▇▇▇▇▇▇▇Aqua水绿色#00FFFF0,255,255
▇▇▇▇▇▇▇▇DarkTurquoise深绿宝石#00CED10,206,209
▇▇▇▇▇▇▇▇DarkSlateGray深石板灰#2F4F4F47,79,79
▇▇▇▇▇▇▇▇DarkCyan深青色#008B8B0,139,139
▇▇▇▇▇▇▇▇Teal水鸭色#0080800,128,128
▇▇▇▇▇▇▇▇MediumTurquoise适中的绿宝石#48D1CC72,209,204
▇▇▇▇▇▇▇▇LightSeaGreen浅海洋绿#20B2AA32,178,170
▇▇▇▇▇▇▇▇Turquoise绿宝石#40E0D064,224,208
▇▇▇▇▇▇▇▇Auqamarin绿玉/碧绿色#7FFFAA127,255,170
▇▇▇▇▇▇▇▇MediumAquamarine适中的碧绿色#00FA9A0,250,154
▇▇▇▇▇▇▇▇MediumSpringGreen适中的春天的绿色#00FF7F0,255,127
▇▇▇▇▇▇▇▇MintCream薄荷奶油#F5FFFA245,255,250
▇▇▇▇▇▇▇▇SpringGreen春天的绿色#3CB37160,179,113
▇▇▇▇▇▇▇▇SeaGreen海洋绿#2E8B5746,139,87
▇▇▇▇▇▇▇▇Honeydew蜂蜜#F0FFF0240,255,240
▇▇▇▇▇▇▇▇LightGreen淡绿色#90EE90144,238,144
▇▇▇▇▇▇▇▇PaleGreen苍白的绿色#98FB98152,251,152
▇▇▇▇▇▇▇▇DarkSeaGreen深海洋绿#8FBC8F143,188,143
▇▇▇▇▇▇▇▇LimeGreen酸橙绿#32CD3250,205,50
▇▇▇▇▇▇▇▇Lime酸橙色#00FF000,255,0
▇▇▇▇▇▇▇▇ForestGreen森林绿#228B2234,139,34
▇▇▇▇▇▇▇▇Green纯绿#0080000,128,0
▇▇▇▇▇▇▇▇DarkGreen深绿色#0064000,100,0
▇▇▇▇▇▇▇▇Chartreuse查特酒绿#7FFF00127,255,0
▇▇▇▇▇▇▇▇LawnGreen草坪绿#7CFC00124,252,0
▇▇▇▇▇▇▇▇GreenYellow绿黄色#ADFF2F173,255,47
▇▇▇▇▇▇▇▇OliveDrab橄榄土褐色#556B2F85,107,47
▇▇▇▇▇▇▇▇Beige米色(浅褐色)#F5F5DC245,245,220
▇▇▇▇▇▇▇▇LightGoldenrodYellow浅秋麒麟黄#FAFAD2250,250,210
▇▇▇▇▇▇▇▇Ivory象牙#FFFFF0255,255,240
▇▇▇▇▇▇▇▇LightYellow浅黄色#FFFFE0255,255,224
▇▇▇▇▇▇▇▇Yellow纯黄#FFFF00255,255,0
▇▇▇▇▇▇▇▇Olive橄榄#808000128,128,0
▇▇▇▇▇▇▇▇DarkKhaki深卡其布#BDB76B189,183,107
▇▇▇▇▇▇▇▇LemonChiffon柠檬薄纱#FFFACD255,250,205
▇▇▇▇▇▇▇▇PaleGodenrod灰秋麒麟#EEE8AA238,232,170
▇▇▇▇▇▇▇▇Khaki卡其布#F0E68C240,230,140
▇▇▇▇▇▇▇▇Gold金#FFD700255,215,0
▇▇▇▇▇▇▇▇Cornislk玉米色#FFF8DC255,248,220
▇▇▇▇▇▇▇▇GoldEnrod秋麒麟#DAA520218,165,32
▇▇▇▇▇▇▇▇FloralWhite花的白色#FFFAF0255,250,240
▇▇▇▇▇▇▇▇OldLace老饰带#FDF5E6253,245,230
▇▇▇▇▇▇▇▇Wheat小麦色#F5DEB3245,222,179
▇▇▇▇▇▇▇▇Moccasin鹿皮鞋#FFE4B5255,228,181
▇▇▇▇▇▇▇▇Orange橙色#FFA500255,165,0
▇▇▇▇▇▇▇▇PapayaWhip番木瓜#FFEFD5255,239,213
▇▇▇▇▇▇▇▇BlanchedAlmond漂白的杏仁#FFEBCD255,235,205
▇▇▇▇▇▇▇▇NavajoWhite纳瓦霍白/印第安黄#FFDEAD255,222,173
▇▇▇▇▇▇▇▇AntiqueWhite古代的白色#FAEBD7250,235,215
▇▇▇▇▇▇▇▇Tan晒黑#D2B48C210,180,140
▇▇▇▇▇▇▇▇BrulyWood结实的树#DEB887222,184,135
▇▇▇▇▇▇▇▇Bisque(浓汤)乳脂、番茄等#FFE4C4255,228,196
▇▇▇▇▇▇▇▇DarkOrange深橙色#FF8C00255,140,0
▇▇▇▇▇▇▇▇Linen亚麻布#FAF0E6250,240,230
▇▇▇▇▇▇▇▇Peru秘鲁#CD853F205,133,63
▇▇▇▇▇▇▇▇PeachPuff桃色#FFDAB9255,218,185
▇▇▇▇▇▇▇▇SandyBrown沙棕色#F4A460244,164,96
▇▇▇▇▇▇▇▇Chocolate巧克力#D2691E210,105,30
▇▇▇▇▇▇▇▇SaddleBrown马鞍棕色#8B4513139,69,19
▇▇▇▇▇▇▇▇SeaShell海贝壳#FFF5EE255,245,238
▇▇▇▇▇▇▇▇Sienna黄土赭色#A0522D160,82,45
▇▇▇▇▇▇▇▇LightSalmon浅鲜肉(鲑鱼)色#FFA07A255,160,122
▇▇▇▇▇▇▇▇Coral珊瑚#FF7F50255,127,80
▇▇▇▇▇▇▇▇OrangeRed橙红色#FF4500255,69,0
▇▇▇▇▇▇▇▇DarkSalmon深鲜肉(鲑鱼)色#E9967A233,150,122
▇▇▇▇▇▇▇▇Tomato番茄#FF6347255,99,71
▇▇▇▇▇▇▇▇MistyRose薄雾玫瑰#FFE4E1255,228,225
▇▇▇▇▇▇▇▇Salmon鲜肉(鲑鱼)色#FA8072250,128,114
▇▇▇▇▇▇▇▇Snow雪#FFFAFA255,250,250
▇▇▇▇▇▇▇▇LightCoral淡珊瑚色#F08080240,128,128
▇▇▇▇▇▇▇▇RosyBrown玫瑰棕色#BC8F8F188,143,143
▇▇▇▇▇▇▇▇IndianRed印度红#CD5C5C205,92,92
▇▇▇▇▇▇▇▇Red纯红#FF0000255,0,0
▇▇▇▇▇▇▇▇Brown棕色#A52A2A165,42,42
▇▇▇▇▇▇▇▇FireBrick耐火砖#B22222178,34,34
▇▇▇▇▇▇▇▇DarkRed深红色#8B0000139,0,0
▇▇▇▇▇▇▇▇Maroon栗色#800000128,0,0
▇▇▇▇▇▇▇▇White纯白#FFFFFF255,255,255
▇▇▇▇▇▇▇▇WhiteSmoke白烟#F5F5F5245,245,245
▇▇▇▇▇▇▇▇Gainsboro庚斯博罗灰色/淡灰色/亮灰#DCDCDC220,220,220
▇▇▇▇▇▇▇▇LightGray浅灰色#D3D3D3211,211,211
▇▇▇▇▇▇▇▇Silver银白色#C0C0C0192,192,192
▇▇▇▇▇▇▇▇DarkGray深灰色#A9A9A9169,169,169
▇▇▇▇▇▇▇▇Gray灰色#808080128,128,128
▇▇▇▇▇▇▇▇DimGray暗淡的灰色#696969105,105,105
▇▇▇▇▇▇▇▇Black纯黑#0000000,0,0

结语

如果您觉得该方法或代码有一点点用处，可以给作者点个赞，或打赏杯咖啡；╮(￣▽￣)╭
如果您感觉方法或代码不咋地//(ㄒoㄒ)//，就在评论处留言，作者继续改进；o_O???
如果您需要相关功能的代码定制化开发，可以留言私信作者；(✿◡‿◡)
感谢各位大佬童鞋们的支持！( ´ ▽´ )ﾉ ( ´ ▽´)っ！！！

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mfbz.cn/a/781241.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

声明队列和交换机 + 消息转换器

声明队列和交换机 + 消息转换器

目录 1、声明队列和交换机 方法一：基于Bean的方式声明 方法二：基于Spring注解的方式声明 2、消息转换器 1、声明队列和交换机 方法一：基于Bean的方式声明 注：队列和交换机的声明是放在消费者这边的，这位发送的人他…
阅读更多...
OSS存储桶漏洞总结

OSS存储桶漏洞总结

简介 OSS，对象存储服务，对象存储可以简单理解为用来存储图片、音频、视频等非结构化数据的数据池。相对于主机服务器，具有读写速度快，利于分享的特点。 OSS工作原理： 数据以对象（Object）的形式…
阅读更多...
Java高级重点知识点-21-IO、字节流、字符流、IO异常处理、Properties中的load（）方法

Java高级重点知识点-21-IO、字节流、字符流、IO异常处理、Properties中的load（）方法

文章目录 IOIO的分类 字节流字节输出流【OutputStream】字节输入流【InputStream】图片复制 字符流字符输入流【FileReader】字符输出流【FileWriter】 IO异常的处理（扩展知识）Properties属性集(java.util) IO Java中I/O操作主要是指使用 java.io 包下的…
阅读更多...
iOS中多个tableView 嵌套滚动特性探索

iOS中多个tableView 嵌套滚动特性探索

嵌套滚动的机制 目前的结构是这样的，整个页面是一个大的tableView, Cell 是整个页面的大小，cell 中嵌套了一个tableView 通过测试我们发现滚动的时候，系统的机制是这样的， 我们滑动内部小的tableView, 开始滑动的时候&#xff0c…
阅读更多...
想知道你的电脑能不能和如何升级RAM吗？这里有你想要的一些提示

想知道你的电脑能不能和如何升级RAM吗？这里有你想要的一些提示

考虑给你的电脑增加更多的RAM，但不确定从哪里开始？本指南涵盖了有关升级Windows PC或笔记本电脑中RAM的所有信息。 你需要升级RAM吗 在深入研究升级RAM的过程之前，评估是否需要升级是至关重要的。你是否经历过系统滞后、频繁的BSOD错误或应用程序和程序突然崩溃？这些症状…
阅读更多...
Lock与ReentrantLock

Lock与ReentrantLock

在 Java 中，Lock 接口和 ReentrantLock 类提供了比使用 synchronized 方法和代码块更广泛的锁定机制。 简单示例： import java.util.concurrent.locks.Lock; import java.util.concurrent.locks.ReentrantLock;public class ReentrantLockExample {pr…
阅读更多...
聊一下Maven打包的问题（jar要发布）

聊一下Maven打包的问题（jar要发布）

文章目录 一、问题和现象二、解决方法（1）方法一、maven-jar-pluginmaven-dependency-plugin（2）方法二、maven-assembly-plugin 一、问题和现象 现在的开发一直都是用spring boot，突然有一天，要自己开发一个…
阅读更多...
【CUDA】

【CUDA】

笔者在学习Softmax实现时遇到了一个问题，很多文章直接将softmax的计算分成了五个过程，而没有解释每个过程的含义，尤其是在阅读这篇文章时，作者想计算最基本的softmax的效率，以展示可行的优化空间： 贴一个g…
阅读更多...
MybatisX插件的简单使用教程

MybatisX插件的简单使用教程

搜索mybatis 开始生成 module path：当前项目 base package:生成的包名，建议先独立生成一个，和你原本的项目分开 encoding：编码，建议UTF-8 class name strategy：命名选择 推荐选择camel：驼峰命…
阅读更多...
Centos下rpm和yum执行卡住问题（已解决）

Centos下rpm和yum执行卡住问题（已解决）

问题描述 执行rpm和yum卡住， 没有任何报错信息，且无法 ctrl c 终止，只能通过后台 kill -9 杀死。 问题排查： 查看yum日志：yum -vv 软件包 会发现卡在 loading keyring from rpmdb，即load DB存在问题。 …
阅读更多...
MSPM0G3507——MPU6050读取数据显示在OLED上

MSPM0G3507——MPU6050读取数据显示在OLED上

移植的立创L1306的部分代码，亲测能用，要源码的评论即可，在CCSTHEIA打开
阅读更多...
【代码管理的必备工具：Git的基本概念与操作详解】

【代码管理的必备工具：Git的基本概念与操作详解】

一、Git 初识 1.提出问题 不知道你工作或学习时，有没有遇到这样的情况：我们在编写各种⽂档时，为了防止⽂档丢失，更改失误，失误后能恢复到原来的版本，不得不复制出⼀个副本，比如： “…
阅读更多...
推荐几款漂亮的代码字体

推荐几款漂亮的代码字体

Visual Studio Code 中字体看时间长了就会产生幻觉，于是今天看到有人推荐漂亮的代码字体，于是自己也推荐几款： 需要注意的是，大部分网上的教程都建议使用混合字体，即使用微软雅黑与某种等宽字体混合。但事实上&#x…
阅读更多...
（ECCV，2022）Mask-CLIP：从CLIP中提取自由密集标签

（ECCV，2022）Mask-CLIP：从CLIP中提取自由密集标签

文章目录 Extract Free Dense Labels from CLIP相关资料摘要引言方法Mask-CLIPMask-CLIP 实验 Extract Free Dense Labels from CLIP 相关资料 代码：https://github.com/chongzhou96/MaskCLIP 论文：https://arxiv.org/abs/2112.01071 摘要 对比语言-…
阅读更多...
接口测试分析、设计以及实现

接口测试分析、设计以及实现

接口相关理论 ui功能测试和接口测试哪个先执行？–为什么 结论：接口测试先执行 原因：ui功能测试需要等待前端页面开发完成、后台接口开发完后且前端与后端联调完成。ui功能测试与接口测试的区别？ ui功能：功能调用&am…
阅读更多...
windows上传app store的构建版本简单方法

windows上传app store的构建版本简单方法

我们在上传app store上架，或上传到testflight进行ios的app测试的时候，需要mac下的上传工具上传ipa文件到app store的构建版本上。 然而windows电脑这些工具是无法安装的。 因此，假如在windows上开发hbuilderx或uniapp的应用，可以…
阅读更多...
程序升级bootloader

程序升级bootloader

文章目录 概述什么是bootloader？为什么用？bootloader启动流程图步骤 下载过程代码获取本地配置信息获取主机传过来的配置信息bootloader发送2给上位机，上位机发送文件给bootloader根据网站复制CRC 烧写flasherase启动编译问题 概述 用keil编…
阅读更多...
Halcon 产品周围缺口检测

Halcon 产品周围缺口检测

*读取一张图像read_image (Image, 原图.jpg)*获取图像大小get_image_size(Image, Width, Height)*关闭已经打开的窗口dev_close_window ()*打开新窗口dev_open_window(0, 0, Width, Height, black, WindowHandle) //打开指定大小的窗口*对图像进行阈值操作threshold (Image, R…
阅读更多...
【eMTC】eMTC 窄带以及带宽的关系

【eMTC】eMTC 窄带以及带宽的关系

1 概述 eMTC 传输进行通信时，一般采用1.4M带宽，在和LTE小区联合部署时，需要将LTE的带宽分割成以1.4M带宽为粒度的单位，这个单位在协议上叫做窄带。 2 窄带定义 3 参考文献 36.211
阅读更多...
图片高效管理神器，随机高度切割，一键生成灰色图片，个性化处理随心所欲

图片高效管理神器，随机高度切割，一键生成灰色图片，个性化处理随心所欲

在数字化时代，图片已成为我们生活和工作中不可或缺的一部分。然而，面对海量的图片资源，如何高效管理、快速处理，成为了许多人头疼的问题。今天，我们为您带来了一款全新的图片高效管理神器_——首助编辑高手&#xff0c…
阅读更多...
最新文章

Copyright @ 2022~2023