跳至主要内容

斯坦福 CS448B 11 色彩

· 阅读时间约 8 分钟

TLDR

本文包含我对斯坦福 CS448B（数据可视化）课程的笔记，特别关注第十一讲关于色彩的内容。我将讨论颜色在数据可视化中的重要性、背后的原则，并探索各种数据可视化技术，包括使用指导元素、表达性、有效性、对比和模式感知的支持、数据分组和排序、数据转换、减少认知负担以及一致性。我还将介绍各种图表类型，如折线图、柱状图、堆叠面积图等，提供示例并讨论它们的设计考虑因素。

原文​

下载 PDF.

笔记​

色彩的目的​

  • 用于标记
  • 用于测量
  • 用于表示和模仿
  • 用于活化和装饰

"首要原则，不要造成损害。"

- Edward Tufte

色彩感知​

  • 物理世界
  • 视觉系统
  • 心智模型

物理学家对色彩的看法：

光作为电磁波
在可见光谱波长范围内的能量或"相对功率"

发射光与反射光

  1. 视网膜

  2. 当光进入我们的视网膜

LMS（长、中、短）视锥细胞

  • 对不同波长敏感
  • 与输入刺激整合

L=∫λL(λ)S(λ)dλL = \int_\lambda L(\lambda)S(\lambda)d\lambda
M=∫λM(λ)S(λ)dλM = \int_\lambda M(\lambda)S(\lambda)d\lambda
S=∫λS(λ)S(λ)dλS = \int_\lambda S(\lambda)S(\lambda)d\lambda
  1. 视网膜编码的效果

刺激相同 LMS 响应的光谱是无法区分的（即"同色异谱"）。

三刺激响应

  • 计算机显示器
  • 数字扫描仪
  • 数字相机

CIE XYZ 色彩空间​

1931 年标准化，用于数学表示三刺激响应

"标准观察者"响应曲线：

色盲​

注释

色盲模拟器：
https://pilestone.com/pages/color-blindness-simulator-1
https://www.color-blindness.com/coblis-color-blindness-simulator/#google_vignette

原色​

LMS 线性组合产生：

  • 亮度
  • 红绿对比
  • 黄蓝对比

示例

实验： 没有偏红的绿色，没有偏蓝的黄色后像

CIE LUV 和 LAB 色彩空间​

1976 年标准化，用于数学表示对立过程理论。

CIE LAB 的坐标轴​

对应于对立信号
L* = 亮度
a* = 红绿对比
b* = 黄蓝对比

坐标轴缩放以表示"色差" JND = 可察觉差异（约 2.3 个单位）

Munsell 色谱

色相、明度、色度​

感知亮度​

HLS, HSV, HSB 不是感知模型 RGB 的简单重新表示

  • 沿灰色轴观察
  • 看到色相六边形
  • L 或 V 是灰度像素值

无法预测感知亮度

如果我们有一个感知均匀的色彩空间，我们能否预测我们如何感知颜色？

为了有效地使用颜色，必须认识到它会不断欺骗我们。

- Josef Albers, 《颜色的相互作用》

同时对比​


两侧的线条是相同的颜色


内外细环是相同的颜色

贝佐尔德效应​


两侧的填充颜色是相同的颜色

锐化效应​


感知差异取决于背景

扩散效应​


相邻颜色混合

空间频率

  • 色卡问题
  • 小文本、线条、符号
  • 图像颜色

基本颜色术语​

Brent Berlin 和 Paul Kay 的偶然发现

1969 年的初步研究 调查了 20 种语言的使用者 来自 69 种语言的文献

文化分类的七个级别：

  • 第一阶段：暗冷色和亮暖色（这涵盖的颜色集比英语中的"黑色"和"白色"更大）
  • 第二阶段：红色
  • 第三阶段：绿色或黄色（二选一）
  • 第四阶段：绿色和黄色（都有）
  • 第五阶段：蓝色
  • 第六阶段：棕色
  • 第七阶段：紫色、粉色、橙色或灰色

基本颜色术语在不同语言中重复出现

命名影响颜色感知

注释

确实非常有趣，尽管文化和语言有显著差异，但颜色边界的感知几乎是一致的。

根据 XKCD 的颜色...

在可视化中使用颜色​

色彩映射设计考虑因素

  1. 感知上可区分的颜色
  2. 数值距离与感知距离匹配
  3. 颜色和概念正确对齐
  4. 美观、吸引人
  5. 尊重色觉缺陷
  6. 应该在黑白打印中保持可识别
  7. 不要超出人们的理解能力

分类颜色​

  • 格雷解剖学

    颈部右侧的浅层解剖，显示颈动脉和锁骨下动脉

  • 无线电频谱图

问题：

  1. 颜色过多
  2. 难以记住映射关系
  3. 颜色不具有区别性
  4. 分组不佳；相似的频段使用不相似的颜色
  5. 标签造成混乱
  6. 颜色环境效应
  7. 颜色交互；相邻颜色彼此搭配不佳

最小化颜色名称的重叠和歧义

斯坦福可视化组：颜色名称

定量颜色​

避免将数据映射到彩虹色

  1. 色相没有自然顺序
  2. 人们将颜色分割为类别，产生感知分段
  3. 简单的彩虹色对色盲观众不友好
  4. 低亮度颜色（蓝色）会隐藏高频细节

动脉可视化

阶梯而非渐变

美国年龄调整死亡率
常见选择：分为 5 或 7 个等分位数

  • 等间隔（算术级数）
  • 等分位数（推荐）
  • 标准差
  • 聚类（Jenks 自然断点/一维 K 均值）
  • 最小化组内方差
  • 最大化组间方差

连续色标
亮度渐变，可能还有色相变化
通常较高值映射到较深颜色

发散色标
当数据有一个有意义的"中点"时有用
为中点使用中性颜色（如灰色）
为端点使用饱和颜色

*将颜色步骤限制在 3-9 个

总结​

  • 颜色感知
    • 对亮度的辨别能力优于色相
    • 警惕同时对比、锐化效应、扩散效应
  • 颜色命名
    • 使用易于通过名称区分的颜色
  • 颜色配色方案
    • 使用少量色相（约 6 个）
    • 除特殊情况外避免彩虹配色
    • 借用设计良好的配色方案（如 ColorBrewer）
    • 考虑用于定量数据的连续和发散色标