我們生活的世界是彩色的，形容顏色的“豐富”，“飽滿”二詞，往往用以形容美好的生活。但是萬事皆有度，片面追求顏色的“豐富”，“飽滿”，最直接的後果往往不是色彩的和諧，而是你設計師朋友的腦中風。終於，對“直男”配色的不滿擴散到了學術圈，多年的積怨在一篇發表在《自然·通訊》上的論文中爆發出來，一篇名為《科學傳播中的配色亂象》（The misuse of colour in science communication）的論文批判了以jet為首的配色方案，並給出了科學配色指導。
配色方案jet，雖然看上去以光譜順序排列的它很“物理”，實際上卻是極不科學的配色方案。雖然近來jet的使用越來越少，比如著名的黑洞照片就使用了類lajolla的配色方案，但作為MATLAB等科學軟件的默認，想將其根除，恐怕不是什麼簡單事。
圖片 | 論文
如果想給中間的黑白原圖，以科學傳播為目的給其配色，那麼使用jet只會讓人看不出原圖是什麼東西，而使用右側的batlow配色方案則好得多。為什麼兩種配色方案的觀感差這麼多？下面我們慢慢來說。
定義顏色
顏色是一種主觀概念，和氣味一樣，並不客觀存在於現實世界中。波長為400~760nm之間的電磁波照射在物體上，由於物體表面對不同波長光的反射率不同，反射後，波長能量分佈發生變化的光進入我們的眼睛，在視網膜上成像。視杆細胞感受光強，而三種視錐細胞則對不同頻率光的敏感度有所區別，這種區別傳入我們大腦之後就形成了我們感受到的顏色。也就是說，對於700nm的光，我們都能認出來是紅色，但是它在我們眼中的樣子是否一致，我們無從知曉。
1931年，國際照明協會（CIE，International Commission on Illumination）將700nm波長光的顏色定義為紅色光，將汞的546.1nm和435.8nm發射線分別定義為綠色光和藍色光。
汞燈光譜 | Wikipedia
經過一系列計算，他們設計了一套色彩空間（color space），在色彩空間中他們可以用座標精確的定義每一種人眼看到的顏色。這種名為CIE 1931的色彩空間直到今天還在使用，其中最為人所熟知的是下面這張色品圖（chromaticity diagram）。
色品圖有xyz三個座標，不過x+y+z=1，這是為了避免亮度的影響 | Wikipedia
最外側是不同波長的單色光，中間的黑線是黑體輻射的顏色，黑體輻射顏色對應的溫度被稱為色溫（Color temperature），而相應特定色溫下黑體輻射代表顏色的那個點被稱之為白點（white point，技術文檔中也經常被叫做reference white或target white），通常為6500K左右，比較接近太陽表面溫度。通過特定色溫下顏色和白點的距離，我們還可以定義顏色的飽和度（Saturation），離白點越遠，飽和度越高。
也就是說，世界上所有的單色光，只有外側邊緣的那一點點，其他所有顏色都是通過不同顏色的光組合而來。
而後，為了調製出各種顏色，各種顏色模式（Color model）又被設計出來。就像在Ps裡看到的那樣，有用於顯示屏的RGB顏色模式，用於印刷的CMYK顏色模式，以及為了模擬人眼感覺設計出來的Lab顏色模式。Lab並不是實驗室的意思，而是指它的三個座標亮度L，品紅色和綠色之間的位置座標a，黃色和藍色之間的位置座標b。
在原先的CIE 1931上，顏色的分佈在主觀上並不均勻，國際照明協會為此1976年發佈了CIELAB（簡稱Lab）。嚴格來說定義顏色的CIELAB的三個座標L，a，b都應該是實數（當然實際應用中不可能用實數，很多時候甚至只用整數），和調製顏色使用的RGB整數有顯著的區別。也正因如此，Lab可以表示更多顏色。
而在Lab裡，我們可以輕易的用Lab座標定義兩個顏色的距離，而這個距離和人的主觀感受有一致，在人看來顏色差別越大，兩顏色距離越遠。將Lab裡距離很遠的多種顏色放到一起，可以氣死你的設計師朋友。由此，我們可以在Lab色彩空間中來評價配色方案的科學性。
配色方案的科學性
我們可以比較配色方案中，兩個相鄰顏色之間在Lab色彩空間中的距離。這個距離，同時也是顏色之間主觀上的距離。
縱軸為相鄰顏色之間的距離，橫軸為不同數值代表的顏色 | 論文
很顯然，batlow中相鄰顏色之間的距離相較於jet來說要穩定的多。配色方案本身就是繪圖的標尺，但如果我們真的用尺子來代表配色方案的話，兩者的對比就更加明顯。
將batlow和jet兩種配色方案形象化為標尺 | 論文
標尺的扭曲其實並不罕見，我們常見的世界地圖所使用的羅賓森投影法就不可避免地使世界各地的比例尺並不相同，但從來沒有哪個投影法會讓座標扭曲的像jet一樣毫無章法可循。
此外，還要考慮色彩感覺的一致性。
Jet（右）的色彩順序和主觀不一致 | 論文
還是以batlow和jet為例，在batlow中，不同數值分配到的顏色順序和主觀上的顏色，亮度順序是相同的。而對於jet，順序不僅錯亂，而且顏色順序和亮度順序還各自有一套順序。
而正是顏色和亮度順序的均勻性、一致性，決定了配色方案看起來是否令人感到舒適。很顯然，jet在這方面做的很糟糕。
如果說上面這些只是配色方案之間的好與差的差別，那麼對於色盲色弱人群來說，就是可用和不可用的差別了。當然，就算我們不人道地不在乎全色盲人群，當辦公室裡只有黑白打印機時，我們也不得不考慮配色方案的對色盲色弱人群的適應性。
雖然色弱不如近視那樣常見，但是也絕對不是罕見現象。北歐裔中男性的8%和女性的0.5%都有色弱。你可以在這個網站上看看色盲的世界是怎樣的。當然，就像近視和失明的關係，色弱和色盲之間存在巨大的差別。大部分色弱只是難以分辨相近的顏色，而不是不能，他們的世界絕不僅有黑白二色。部分色弱甚至還能分辨普通人無法分辨的顏色，站在這個角度，色弱只是相較於大部分人的顏色感知異常。不過如果我們期望科學配色能傳達數據之間細微的變化，那麼就要考慮到這些人的感受。
下面這個圖模擬了不同色盲人群對顏色的觀感。注意，模擬的是色盲，色盲人口在色弱人口中並不是多數，而佔多數的色弱不會有這麼嚴重的現象。
不同配色方案在不同色盲人群的感知，從左到右分別為正常、乙型色盲、甲型色盲、第三色盲、全色盲。| 論文
可以發現，上面五種較為科學的配色方案，在不同的色盲人群中都有良好的一致性，而jet則在不同情況下則有多種混亂的模式。
Jet是不好，但是我們怎麼才能選擇合適的配色方案，把我們的設計師朋友從腦中風的邊緣拉回來呢？其實答案很早就有，matplotlib的文檔中早就寫了如何選擇合適的配色方案，其默認配色也比較科學。現在還經常見到的糟糕配色，多半是老舊軟件、代碼的鍋。畢竟，代碼已經寫好了，沒有別人要求，為什麼要花費功夫去改呢？
為此，論文也建議期刊和會議提供配色指導，並將配色選擇加入同行評議標準和研究生教育內容。
更廣泛情況下配色方案的選擇
當然，實際使用配色方案時情況要複雜的多，順序（Sequential）的配色方案不可能涵蓋所有情況。涉及正負值，不同類型數據在同一張圖上表達的情況，還有更多選擇配色方案的準則。
使用matplotlib默認配置（viridis）繪製，配色比較科學
對於溫度數據，存在一個傳統上的零點，冰點0℃。如果使用jet配色方案，那麼全球溫度看上去會是這樣的。
圖片 | 論文附錄1
在0℃處使用綠色，讓0℃附近的溫度難以識別，同時會讓人對高溫區域和低溫區域的大小產生誤判。而如果使用0℃處為白色，並且向兩側顏色逐漸加深的配色方案vik（這類配色方案一般被稱為發散的，Diverging），我們就能得到下面這張圖。
圖片 | 論文附錄1
高低溫的分佈一目瞭然。中西伯利亞和西西伯利亞的溫度分佈更加清晰，從安第斯山脈到南大西洋的暖帶得以分辨，澳大利亞的高溫區比原圖看上去更加廣泛，北太平洋的冷團也有了內部細節。
地形圖的繪製也是如此。對於陸地和海洋甚至更多的種類，可以使用多段（Multi-sequential）的配色方案。
圖片 | 論文附錄1
大多數地形圖早就使用了多段的配色方案，否則連陸地海洋都無法分辨的地形圖肯定不能被人接受，但是段內的順序還可以進一步改善。
圖片 | 論文附錄1
如果說是為了側重表現低海拔地區的地形分佈，誇張了亞馬遜平原的海拔還可以理解。但至少新的oleron配色方案讓海洋和陸地的分解更加明顯。
除此之外，還有循環配色方案、離散配色方案、分類配色方案等等。論文甚至給出了選擇配色方案的詳細流程圖。
根據不同情況選擇合適的配色方案 | 論文
所以，下次朋友深夜微信你“來點色圖”時，別想歪了，他可能只是熬夜畫圖時不知道如何選擇合適的配色方案了。
撰文：王昱
審校：吳非
參考文獻：
[3] https://en.wikipedia.org/wiki/CIE_1931_color_space
[4] https://en.wikipedia.org/wiki/CIELAB_color_space#CIELAB
[5] https://en.wikipedia.org/wiki/Mercury-vapor_lamp
歡迎個人轉發到朋友圈
轉載請超鏈接註明：頭條資訊 » 這次氣死的不只是設計師，一定要給你點顏色瞧瞧
免責聲明
：非本網註明原創的信息，皆為程序自動獲取互聯網，目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責；如此頁面有侵犯到您的權益，請給站長發送郵件，並提供相關證明(版權證明、身份證正反面、侵權鏈接)，站長將在收到郵件24小時內刪除。