MATLAB阈值设白：NaN掩膜、colormap改造与AlphaData全解析

经常有同事拿着图跑过来问：MATLAB 画出来一张颜色图，想把小于某个阈值的所有点都设成白色，怎么弄？乍一听是个上色问题，实际上背后藏着两种完全不同的诉求。一种是想“眼不见为净”，把低于阈值的弱信号、噪声、不显著的区域直接藏起来；另一种是想在 colorbar 上也明确留出一段白色，让读者一眼看出“这块没参与颜色映射”。这两条路对应着完全不同的实现方式，选错了轻则效果不对，重则把整张图的颜色含义都搞拧了。这篇文章就把我实际调图时用的几种做法、每个方案背后的原理，以及踩过的坑一次性说清楚。

1. 先搞明白：把“小于阈值的点设为白色”至少有四种含义

很多教程上来就甩代码，从不问需求，结果读者照着抄完发现不是自己想要的效果。所以在动手之前，我们先花一分钟把需求彻底捋清楚。

1.1 两种最常见但本质不同的场景

场景一：数据过滤 / 显著性掩膜。典型例子是相关性热图或显著性 p 值图：我只想展示统计上显著的区域，不显著（比如 p > 0.05）的区域全部涂白，让图面干净、重点突出。这种需求本质上是“不绘制这些点”，而不是“给这些点上白色颜料”。

场景二：色标上也要求出现白色段。学术论文或汇报里，你希望读者从 colorbar 上直接看到阈值的位置：阈值以下是白色，以上是连续渐变色。这种需求本质上是“改造 colormap 和颜色轴范围”，即使数据值还在画布上，也要让它们的颜色变成白色，同时让 colorbar 里对应低值区的那一段也是白的。

这两种场景都叫“小于某个值设为白色”，但方案完全不一样。还有一种隐蔽的诉求是用透明度做掩膜，保留原始数据不修改，只影响显示效果，这又引出第三种方案。

1.2 动手前先问自己三个问题

第一个问题：原始数据能不能动？如果数据后面还要继续计算，或者你不想为了出图拷贝一份大矩阵，那就不适合用“替换成 NaN”的粗暴方案，得考虑透明度或 colormap 方案。

第二个问题：colorbar 上要不要有白色段？如果只是图里藏起来、colorbar 不需要体现，NaN 掩膜是最省事的；如果 colorbar 也要有白色段，就必须走 colormap 或 clim 的路子。

第三个问题：你用的绘图函数是哪个？imagesc、pcolor、surf、contourf、scatter对 NaN 和透明度的响应细节并不完全一样，尤其contourf有自己的“等级留白”玩法，直接给数据塞 NaN 反而会画出毛刺。

把这三个问题想清楚，下面所有方案都能对号入座。

2. 方案一：把小于阈值的值变成 NaN，让 MATLAB 自己“漏画”

这是我最常用的办法，原理最简单，代码量最少，90% 的隐藏需求用这一个就够了。

2.1 为什么 NaN 会变成白色

因为imagesc、pcolor、surf这类绘图函数在遇到NaN时会默认跳过这个点或这个色块，不参与颜色映射。所谓“跳过”，就是那块区域不上色，露出坐标区的背景，而坐标区背景默认就是白色。

很多新手会先把小于阈值的值直接赋成 0，然后再imagesc。这里有个大坑：0 是有效数值，会参与颜色映射，映射到 jet 这类 colormap 上就是深蓝或深紫，并不是白色。你想隐藏低值，结果图上一片深色，方向全错了。NaN 和 0 在 MATLAB 绘图里的地位完全不同：NaN 是“没有值”，0 是“值等于零”。

2.2 imagesc 和 pcolor 的完整代码

先看imagesc版本：

rng(2025); % 固定随机种子，方便复现 data = randn(80, 80) * 0.6 + 1.2; % 构造一个取值大约在 -1 到 3 的矩阵 threshold = 0.8; % 小于 0.8 的都要隐藏 % 关键操作：在原数据副本上把低于阈值的值替换成 NaN masked = data; masked(masked < threshold) = NaN; figure; imagesc(masked); axis image; colormap(jet); colorbar; % 确保坐标区背景是纯白，否则“露出背景”可能不是白色 set(gca, 'Color', [1 1 1]);

这里有个容易被忽略的细节：imagesc在自动计算颜色范围时，会忽略 NaN 值，所以 colorbar 的范围只由非 NaN 的数据决定。如果你的数据最大值是 3，最小值是 -1，阈值是 0.8，那么隐藏之后 colorbar 的范围大致还是 -1 到 3，但低于 0.8 的区域在图上已经是白色，colorbar 上却没有对应白色段。这正是我前面说的第二种诉求没被满足的表现。

如果用的是pcolor，代码类似，但要补上坐标网格：

[X, Y] = meshgrid(1:size(data,2), 1:size(data,1)); pcolor(X, Y, masked); shading flat; % 或 shading interp

提醒一句，pcolor画图时默认最后一行和最后一列的颜色经常会“消失”或者显示不完整，因为颜色定义在网格顶点上，最右和最上的面没有对应的闭合区域。要做精细热图，imagesc比pcolor稳得多；非要用pcolor，得自己把 X、Y 网格扩展一个点。

2.3 别忘了背景色和输出格式

NaN 掩膜本质上是“让背景透出来”，所以背景必须是你想要的白色。默认axes背景是白色，所以我一直建议显式写上set(gca, 'Color', [1 1 1])，一是防御未来有人改了主题风格，二是防止脚本在不同的 Figure 设置下跑出灰色底。

还要注意，如果你输出的是矢量格式（PDF、EPS），NaN 区域会保持为真正的“洞”，在部分查看器里可能显示为白色，也可能显示为透明背景；如果导出的是 PNG，背景通常会被白色填充。这部分没有统一行为，我的经验是：交给印刷厂或期刊系统之前，先自己导出看一遍，别省这一步。

3. 方案二：改造 colormap，让色标底部出现白色段

如果 colorbar 必须明确显示“阈值以下是白色”，NaN 方案就不够了。这时候要动的是 colormap 和颜色轴范围。

3.1 理解 colormap 与 clim 的映射关系

MATLAB 的 colormap 本质是一个 N 行 3 列的矩阵，每一行是一个 RGB 颜色。颜色轴clim（老版本叫caxis）定义了一个区间[cmin, cmax]，数据值在这个区间内线性映射到 colormap 的第 1 行到第 N 行：

• 数据值小于等于cmin时，显示第 1 行颜色；
• 数据值大于等于cmax时，显示第 N 行颜色；
• 中间按线性关系取对应的行。

理解了这条映射规则，就能推理出：想把小于阈值的点变成白色，思路有两个。一是把阈值以下那一段范围对应的所有颜色行全部改成白色；二是把clim的下限直接抬到阈值，这样所有小于阈值的值都会被裁剪到第 1 行，再把第 1 行设为白色。

两个思路我都写出来，因为适用场景不同。

3.2 在色标底端插入一段白色

这是最完整的做法，白色段在 colorbar 上占据的比例正好等于阈值在整个数据范围中的占比，视觉信息最诚实。

cmin = min(data(:)); cmax = max(data(:)); % 阈值以下部分在颜色轴中占的比例 ratio = (threshold - cmin) / (cmax - cmin); ratio = max(0, min(1, ratio)); % 防止阈值超出数据范围 numColors = 256; nWhite = max(1, round(ratio * numColors)); % 底部白色行数 nJet = max(1, numColors - nWhite); % 剩余彩色行数 % 拼接：上面是白色，下面是 jet 调色板 cmap = [ones(nWhite, 3); jet(nJet)]; figure; imagesc(data); axis image; colormap(cmap); clim([cmin, cmax]); % 老版本 MATLAB 用 caxis([cmin, cmax]) colorbar;

这里ones(nWhite, 3)生成一个全是 1 的矩阵，每一行[1 1 1]就是白色，正好塞在 colormap 的底部。颜色轴范围保持[cmin, cmax]不变，所以数据低于阈值时，映射到的颜色行都在白色段里，自然就是白色；colorbar 底部也会出现一段连续的白色区域，读者一眼就能看到阈值线在哪里。

有个细节值得说明：由于nWhite是整数，白色段和彩色段的交界只能近似落在阈值位置，误差大概是一个颜色分辨率，即整个色标的 1/256，绝大多数场景肉眼根本看不出来。但如果你的数据分布特别窄、阈值又卡得很死，建议把numColors调大一些，比如 1024，减少取整误差。

3.3 一行流技巧：改第一行颜色 + 抬升颜色轴下限

有些场景其实不需要 colorbar 上出现“等比例”的白色段，只要低于阈值的点全部隐藏，那可以用更短的方法：

cmap = jet(256); cmap(1, :) = [1 1 1]; % 把色标第一行改成白色 colormap(cmap); % 关键：把颜色轴下限抬到阈值，低于阈值的全部被裁剪到第一行 clim([threshold, max(data(:))]);

原理很直接：颜色轴下限变成threshold之后，任何小于threshold的值都会被强制映射到第 1 行，而第 1 行已经被你改成白色了。

但这里有三个副作用必须心里有数。

第一，colorbar 底部的白色段只有一行，视觉上是极细的一条白线，而不是按比例展开的白色区域。如果你的受众希望看到“阈值以下 20% 的区域都是白色”，这个方案满足不了。

第二，阈值上方紧挨着的颜色是 jet 的第二个颜色，通常是深蓝。也就是说图面上会出现“白色直接跳到深蓝”的硬边界。做显著性掩膜时这反而是优点，边界清晰、阈值分明；但如果你的数据本身是连续渐变场，这种硬跳变会误导看图的人。

第三，clim下限变了之后，彩色部分被压缩了。原本整个数据范围映射到全部 256 色，现在是从threshold到cmax映射到最后 255 色，颜色分辨率略降。数据量大时无所谓，数据量小、色块平铺时偶尔能看出色带断层。

4. 方案三：用 AlphaData 透明度做掩膜（适合 pcolor / surf / imagesc）

有时候我不想碰原始数据，又想把低值区域藏掉，NaN 副本方案就显得“脏”了。这时候可以动用透明度通道，让低于阈值的区域变透明，露出白色背景。

4.1 什么时候必须用透明度而不是 NaN

最典型的情况是数据矩阵很大，或者数据后面还要复用，你不想为了画一张图再复制一份。imagesc每次拷贝一份几十 MB 的矩阵虽然不至于崩溃，但没必要。另外就是你想做叠加图层：先铺一层背景场，再把阈值以上的结果叠上去，透明掩膜可以灵活控制上下层的混合关系。

还有更细腻的需求：如果你想在掩膜边界做半过渡，比如阈值边界处不是硬切，而是两三像素的柔和渐变，用 NaN 做不出来，但用AlphaData配合高斯滤波可以轻松实现。

4.2 pcolor 和 imagesc 的 AlphaData 具体写法

以pcolor为例：

figure; ax = axes('Color', [1 1 1]); [X, Y] = meshgrid(1:size(data,2), 1:size(data,1)); h = pcolor(X, Y, data); shading interp; h.EdgeColor = 'none'; % 去掉网格线，不然掩膜边缘发黑 mask = data >= threshold; % 逻辑数组：1 显示，0 透明 h.AlphaData = double(mask); % 关键：1 完全不透明，0 完全透明 colormap(jet); clim([min(data(:)), max(data(:))]); colorbar;

imagesc写法更短：

im = imagesc(data); axis image; im.AlphaData = double(mask); % image 对象也支持 AlphaData set(gca, 'Color', [1 1 1]); colormap(jet); colorbar;

如果要做柔和的掩膜边界，只需要把mask变成渐变权重：

softMask = imgaussfilt(double(mask), 1.5); % 高斯平滑之后做 alpha h.AlphaData = softMask;

这样阈值边界的白色过渡会是渐变的，适合展示“有一定模糊度的显著性区域”。

透明度方案有个共同缺点：colorbar 不会出现白色段。因为这里只是把某些像素的 alpha 调成 0，并没有改变真正的颜色映射关系，数据值还是参与到了clim和 colormap 的计算中。如果发布要求 colorbar 上体现阈值，这个方案要配合第 3 节的 colormap 改造一起用。

4.3 contourf 怎么处理：让低于最低等级的区域直接留白

contourf是特殊品种。如果直接把低值塞成 NaN，它会在这些区域里留出大量不闭合的碎洞，看起来像被虫啃过一样，非常难看。正确做法是用等级控制。

levels = linspace(threshold, max(data(:)), 21); contourf(data, levels); colormap(jet); colorbar; set(gca, 'Color', [1 1 1]);

原理在于contourf只在你给定的等级之间填充颜色。你把最低等级设成阈值，那么数据中所有低于这个等级的区域天然不会被填充，露出坐标区背景。配合set(gca, 'Color', [1 1 1])，就是干净的白色区域。

这个技巧的好处是：colorbar 的色阶会从阈值开始，低于阈值的部分不参与映射，整张图逻辑上非常自洽。“等级留白”是contourf里做阈值掩膜的首选，比任何 NaN 或 AlphaData 都干净。

5. 几种方案怎么选、实战中踩过的坑

越写越觉得，这类问题真正的难点不是不会写某一句代码，而是方案选型。我把自己实践下来的对比和坑位整理成清单，直接照着查。

5.1 三种方案效果对比速查

5.2 这几个坑我几乎每次都会遇到

第一个坑：把小于阈值的值赋成 0。这是新手最常踩的。0 是真的数值，会参与颜色映射，在 jet 里对应深蓝，在 parula 里对应深紫色，反正不是白色。如果你非要通过赋固定值来实现，不如赋成NaN，或者直接把 CData 中对应位置的 RGB 设为[1 1 1]。

第二个坑：caxis和clim的版本差异。R2022a 之前，颜色轴靠caxis控制；R2022a 开始官方推荐用clim，并且给出提醒。老脚本切到新版本时，caxis会发警告，但功能通常还正常。新写的代码建议一律用clim，省得以后清理警告。

第三个坑：colorbar 范围被“理解错”。用 NaN 掩膜时，colorbar 的范围是剔除 NaN 后的数据范围。很多人在汇报时才被审稿人问：“你 colorbar 上没有标注阈值，你图里白色区域代表什么？” 这时候才回头补 colormap 白色段，等于返工。所以我的习惯是：画图前就先问自己，这张图最终是要给谁看的。

第四个坑：pcolor最后一行一列消失。imagesc按像素映射，不会有这个问题；pcolor把颜色放在网格顶点上，最外侧一圈经常不显示。要覆盖全部数据，要么用imagesc，要么把 X、Y 网格扩展一个点。

第五个坑：阈值设置不合理。如果阈值小于数据最小值，ratio会是负数；如果阈值大于最大值，ratio会超过 1。这两种情况在第 3 节的方案里会算出一堆不该有的白行或负行数，直接报错或者整张图全白。所以代码里记得加ratio = max(0, min(1, ratio))这样的钳位处理。

第六个坑：AlphaData 导出图片被栅格化。透明通道在导出 PDF 或 EPS 时，有时会被某些查看器当成位图处理，放大看会有锯齿。如果你是严格矢量要求，牛皮纸排版用的图，尽量用 NaN 或 colormap 方案，别依赖透明度。

5.3 我的选型流程和一点经验

我自己每接到这种需求，都会按下面的流程过一遍：

先看绘图函数。是contourf就直接用等级留白；是imagesc/pcolor继续往下问。再看 colorbar 需求。colorbar 必须有白色段，走第 3 节的 colormap 白色段拼接；colorbar 无所谓，优先 NaN。最后看数据能不能动。数据后面还要用，或者不想复制大矩阵，那就用 AlphaData。

如果只是快速看一下阈值切出来的效果长什么样，我最常写的是第 3 节那个“改第一行 + clim 抬下限”的两行代码，因为改动最小、直观、能立刻看到低值区域被隐藏后的图面结构。确认效果后再根据发布需求决定要不要换更严谨的 colormap 白色段方案。

还有个习惯可以分享：我会把 colormap 白色段封装成一个函数，输入data、threshold、colormapName，返回拼好的 colormap，顺手把clim也设好。这样全项目里所有“低于阈值留白”的图都走同一个逻辑，以后想统一改成“低于阈值用浅灰色”或者“白色段带渐变过渡”，只需要改一个地方，不用满世界找散落的赋值代码。

说到底，MATLAB 里几乎所有“阈值设白”的问题，都可以归结成一句话：你到底是在隐藏数据，还是在改造颜色映射。想清楚这一点，剩下的代码其实都不难，难的是别被各种绘图函数的细节坑得团团转。