我在我的项目中有一个方法，在该方法中验证像素是否具有所需的可靠性(按照它的分类作为边缘)，并按以下方案绘制像素：

White -> pixel doesn't have the required reliability

Blue -> pixel has the required reliability and it was classified as not edge

Red -> pixel has the required reliability and it was classified as an edge这是我的代码：

def generate_data_reliability(classification_mean, data_uncertainty, x_axis_label, y_axis_label, plot_title,

file_path, reliability):

"""

:classification_mean : given a set of images, how was the mean classification for each pixel

:param data_uncertainty : the uncertainty about the classification

:param x_axis_label : the x axis label of the data

:param y_axis_label : the y axis label of the data

:param plot_title : the title of the data

:param file_path : the name of the file

"""

plt.figure()

# 0 -> certainty

# 1 -> uncertainty

r = 0

b = 0

w = 0

has_reliability = numpy.zeros((data_uncertainty.rows, data_uncertainty.cols), float)

for x, y in product(range(data_uncertainty.rows), range(data_uncertainty.cols)):

# I the uncertainty is > then the required reliability, doesn't show it

if data_uncertainty.data[x][y] > (1.0 - reliability):

has_reliability[x][y] = 0.5

w += 1

else:

has_reliability[x][y] = classification_mean.data[x][y]

if has_reliability[x][y] == 1.0:

r += 1

if has_reliability[x][y] == 0.0:

b += 1

print reliability, w+r+b, w, r, b

plt.title(plot_title)

plt.imshow(has_reliability, extent=[0, classification_mean.cols, classification_mean.rows, 0], cmap='bwr')

plt.xlabel(x_axis_label)

plt.ylabel(y_axis_label)

plt.savefig(file_path + '.png')

plt.close()这是我得到的印刷品：

>>>> Prewitt

0.8 95100 10329 0 84771

0.9 95100 12380 0 82720

0.99 95100 18577 0 76523可以看出，随着要求的可靠性提高，像素越少，可靠性就越高(其中更多的像素会变成白色，而且没有一个是红色的)。

但是，这是我得到的情节：

我不知道为什么，如果我有更少的像素与所需的可靠性，我没有得到更多的白色像素，但这些红色的。我不会改变我的对象，惹恼他们。吴

我在大约3个小时就遇到了这个问题，不知道哪里出了问题。

编辑：

在此cmap中，0是蓝色，0.5是白色，1是红色，不是吗？我很确定问题是因为我使用的是分色色彩映射，有时并没有中心值。例如，在我发布的情况下，我没有红色值，所以我的值在0.5和1之间变化。然后，matplotlib自动将我的最小值设置为红色，并将我的最大值设置为蓝色。但我怎么能这样做？我选择这个原因想要在方案中表示颜色：0 =蓝色，0.5 =白色，1 =红色(我的值始终为0,0.5或1)。

任何帮助将非常，非常感谢。

先谢谢你。