紅配綠，黑與白？什麼樣的配色才能俘獲審稿人的芳心？_風聞

中科院物理所-中科院物理所官方账号-07-30 14:49

2023-07-30

原創：中科院物理所

作為一名剛入行科研不久的小編

平時大量的時間花費在了閲讀文獻上

有些文獻排版美觀賞心悦目

有些則是慘不忍睹

不由道一聲審稿人辛苦

作為論文的靈魂

圖片永遠是第一關注點

也往往是視覺的重災區

有的圖片深諳我國傳統文化

紅配綠將喜慶帶在身上

有的圖片則狠狠地考驗讀者眼力

幾根數據線交叉又撞色

帶讀者們玩順藤摸瓜的遊戲

也有很多圖片選擇了中規中矩的彩虹配色

但效果並不理想

不侷限於科研領域

在大眾與科學界的交流中

圖片也是信息的重要載體

你可能不會去關心黑洞成像複雜的建模公式

但你一定對黑洞的照片印象深刻

你可能不會去關心天氣預報系統背後的機制

但你一定看過氣温的分佈圖

M87黑洞照片 | 來源：參考資料1

全國氣温分佈圖 | 來源：天氣預報_氣温預報 (nmc.cn)

好的科研繪圖配色令人印象深刻

也能更準確地傳遞數據信息

今天小編就帶大家看一下

怎樣去選擇最適合自己數據

能夠輕鬆俘獲審稿人芳心的

科研繪圖配色

拒絕彩虹配色

最早使用**彩虹配色（rainbow-like colour）**的地方已經很難考據了，但彩虹配色無疑是科研繪圖中最常見的配色之一。所謂的彩虹配色就是類似彩虹，赤橙黃綠藍靛紫序列分佈顏色。

彩虹配色 | 來源：參考資料3

在人眼中有兩種類型的感光細胞，一種是視杆細胞，對光強度的變化敏感，負責黑白視覺；另一種是視錐細胞，對光強度不敏感，但是可以分為三種，分別對三種不同頻率的光敏感，負責亮視覺以及認知顏色。三種視錐細胞配合，使得人們能夠通過識別不同顏色完成對信息的認知。彩虹配色的每種顏色飽和度較高，亮度也很高，對人具有極強的視覺吸引力。

再加上大多數的繪圖軟件，如Matlab、Paraview等，都將彩虹配色設置為了默認配色，不科學的彩虹配色在很長一段時間內得到了廣泛地應用。

為什麼説彩虹配色不科學呢？主要原因有三。

顏色不遵循自然感知排序

什麼叫不遵循自然感知排序呢？簡單來説就是數值大的應該更明顯，更亮，讓人眼先識別到；數值小的後識別。對人眼識別來説相對亮的顏色更容易識別，但是彩虹配色中顏色的亮度都很高，在我們的視覺系統中無法做到有序感知，這會導致視覺的混亂。下圖中左邊顏色的亮度都很高，相對於右邊的配色左邊的彩虹配色更難區分值的大小分佈。

彩虹配色（左）與科學配色（右）對比 | 來源：參考資料3

感知變化不均勻

在數據變化時，人眼對顏色的識別應該也相應地發生變化，這樣才能較好地反映真實數據情況。但是彩虹配色在青色和黃色區域變化較快，而在藍色、綠色以及紅色區域變化較慢，這就會導致人們從顏色中獲得錯誤的數據信息。

以下圖為例，左圖為靈敏度函數圖的真實分佈，右圖為採用了彩虹配色後的靈敏度函數圖。經過對比我們可以發現，在圖片上半部低對比度區域，彩虹配色的顏色變化不明顯，而在高對比度的下半部，顏色變化又過於尖鋭不夠平滑。

靈敏度函數圖的灰度圖與彩虹配色圖 | 來源：參考資料3

再看月球表面形貌圖，a是彩虹配色圖（jet），b則是採用了turku配色的圖片。同樣的在彩虹配色圖中相當一部分的隕石坑形貌難以看到，一部分起伏形貌區域的變化也被誇大或縮小，產生了失真。

月球形貌圖。a. jet; b. turku. | 來源：參考資料4

對視覺缺陷不友好

研究數據顯示世界上約有0.5%的女性以及8%的男性患有色覺缺陷（colour-vision deficiency，CVD）。彩虹配色對於這部分人羣十分不友好。

配色類與型

其實從上面對彩虹配色的分析中就能看出來，一個好的、科學的配色應該是什麼樣的，它應該滿足三方面的要求：感知顏色順序（遵循自然感知排序）、感知一致性（感知變化均勻）以及普遍可讀性（視覺缺陷友好）。

在繪製地圖（map）型數據圖時，為了實現最佳的數據表示，讓配色有效地傳達底層數據及其性質，需要根據情況選擇適當的地圖種類以及類型（classes and types）。

彩色地圖的類與型以及相應的推薦配色 | 來源：參考文獻4

Classes

彩色地圖可分為四個主要類別，順序類（sequential）、發散類（diverging）、多序類（multi-sequential）以及循環類（cyclic）。

對於沒有特殊點的順序數據，順序類最為合適。順序類具有一般性特點，能滿足大部分數據集的繪圖需求，也推薦將繪圖軟件中的默認地圖配色設置為順序配色，例如 batlow 。為了突顯極值，在淺色背景下，應選用較暗的一端(例如 batlow 的深藍色一端)代表最大值；在深色背景下則正相反，需要使用淺色(例如，batlow 的淺粉色末端)來突出最高值。

發散類適合表示包含偏離中心值的數據點的數據集，也稱雙峯數據集。發散類的焦點可以是兩邊的極值，也可以是中心值。還記得開頭展示的氣温分佈圖嗎？這就是發散類的一個例子。roma 就是一種發散類配色，這類配色需要將色條的中心與數據的中間值對應，例如將氣温的中間值與色條中心的顏色對應。為了突顯極值，淺色背景選擇兩端暗色的配色（如roma），深色背景則選擇兩端淺色的配色（如berlin）。

氣温分佈圖圖例，極高温和極低温分別用深紅和深藍色表示，居中的温度則用淺色表示

多序類是一種特殊的類別，必須仔細調整以適應原始數據。多序類由兩個或多個相鄰排列的順序類組成。類似於發散類，但幾個部分的亮度增加是相同的方向。與發散類一樣，多序類的中間點需要進行調整以對應數據集中的中間值。oleron 便是一種多序類配色。

oleron 配色下的地球形貌圖。藍色部分代表海洋地形，綠褐色部分代表陸地地形，白色作為過渡代表海平面。| 來源：參考資料4

循環類可以用來顯示週期性的數據集，比如達爾文火山表面在給定時間內的隆起。它沒有開始和結束，一般不需要對數據做過多調整，也是比較通用的一種類型。romaO 便是一種循環類配色。

達爾文火山表面在給定時間內的隆起 | 來源：參考資料4

Types

彩色地圖可以進一步分為連續型（Continuous）、離散型（Discrete）以及分類型（Categorical）。其中連續型和離散型較好理解，表現在配色上便是顏色變化是連續的還是離散的。通常具有科學性的連續型配色會使用256種顏色，例如 batlow；離散型配色則有可以選用10、25、50或者100種顏色，batlow10便是選用了10種顏色。在使用離散型配色時，需要將彼此接近的點用統一顏色表示，因此需要恰當地選擇顏色數量，避免降低數據表示的準確性。離散型與連續型的區別就在於顏色數量的不同。