本文详解如何使用colour science库将多个色彩可视化元素（如rgb色域与黑体辐射轨迹）统一绘制在同一cie1931色度图中，核心在于复用matplotlib轴对象（axes），而非分别调用show=true。
本文详解如何使用colour science库将多个色彩可视化元素（如rgb色域与黑体辐射轨迹）统一绘制在同一cie1931色度图中，核心在于复用matplotlib轴对象（axes），而非分别调用show=true。
在色彩科学分析与可视化中，常需在同一色度图（如CIE 1931 xy chromaticity diagram）中对比不同对象：例如，同时展示ITU-R BT.709与BT.2020等RGB色域边界，以及代表理想黑体光源色温变化路径的普朗克轨迹（Planckian locus）。Colour Science for Python 提供了高度封装的绘图函数（如 plot_RGB_colourspaces_in_chromaticity_diagram_CIE1931 和 plot_planckian_locus_in_chromaticity_diagram_CIE1931），但它们默认各自创建独立图形窗口——若直接设置 show=False / show=True 并顺序调用，无法实现叠加，因为后一个绘图会覆盖前一个图形环境。
正确做法是：显式获取并复用同一组 Matplotlib 轴（axes）对象。具体步骤如下：
- 首先调用任一绘图函数（推荐从色域绘图开始），设置 show=False，并捕获其返回的 (figure, axes) 元组；
- 将该 axes 对象作为参数传入后续绘图函数（注意部分函数接口略有差异，需匹配对应模块路径）；
- 最终统一调用 plt.show() 渲染整合后的图形。
以下为完整可运行示例（兼容 Colour ≥ 0.4.4）：
import colour
import matplotlib.pyplot as plt
# 步骤1：绘制RGB色域，不显示，获取axes
fig, ax = colour.plotting.plot_RGB_colourspaces_in_chromaticity_diagram_CIE1931(
["ITU-R BT.709", "ITU-R BT.2020"],
show=False,
standalone=False # 确保不自动调用plt.show()
)
# 步骤2：在同一axes上叠加普朗克轨迹（注意使用temperature子模块）
colour.plotting.temperature.plot_planckian_locus(
axes=ax,
show=False,
plot_dots=True,
tie_lines=True,
D65_reference_line=True
)
# 可选：添加色温标注点（如D50、D65）
colour.plotting.temperature.plot_planckian_locus_CIE1931(
axes=ax,
show=False,
planckian_locus_kwargs={'color': 'k', 'linewidth': 0.8},
blackbody_spectral_radiance_kwargs={'color': 'r', 's': 15}
)
# 步骤3：统一显示最终图形
plt.show()⚠️ 关键注意事项：
- 不要混用 plot_planckian_locus_in_chromaticity_diagram_CIE1931（已弃用/行为不稳定）与 temperature.plot_planckian_locus —— 后者是当前推荐接口，专为轴复用设计；
- 所有后续绘图函数必须显式传入 axes= 参数，且确保 show=False（避免中途触发渲染）；
- 若需自定义样式（如线宽、颜色、标注），优先使用各函数的 *kwargs（如 planckian_locus_kwargs, chromaticity_diagram_kwargs）而非手动操作 ax；
- standalone=False 是重要安全选项，防止某些函数内部意外调用 plt.show() 导致流程中断。
通过这种基于 axes 的组合方式，你不仅能叠加普朗克轨迹与RGB色域，还可进一步集成光源色品点、色差椭圆（MacAdam）、或自定义数据散点，构建专业级色彩空间分析视图。
