分享三个色彩搭配技巧
虽然如今好的配色方案已经唾手可得，但想为数据可视化找到合适的配色方案，难度仍然不小。因信息图的独特属性，在保证色彩具有清晰辨识度的同时，还必须满足丰富而不凌乱的配色要求。不过即使你对色彩不敏感，用了今天这篇干货提到的3个技巧，也能轻松制作出好看的信息图。在信息图方面，事情甚至更加棘手，因为我们要通过上千种各不相同的数据集合来传递信息，它们有着各自迥异的视觉表现。目前的问题我们没有立刻开始建立自己的配色表，而是发起了一些调查，研究网络上已存在的配色方案。令人惊讶的是，我们发现其中只有少数是为复杂的图表和数据可视化而设计的。我们发现一些不能使用现有配色的原因。问题1：辨识度低我们看过的许多配色方案都不适用于数据可视化。不仅由于颜色的明度差异不大，其实它们在创造时就没有考虑过辨识度。Flat UI配色是最广泛使用的配色之一，原因显而易见：它非常优秀。但是，正如它名字所述，这是为界面而设计的。使用Flat UI配色的话，色盲者就难以辨认出数据图像。http://pic.16xx8.com/allimg/151201/02491I151-0.png
http://pic.16xx8.com/allimg/151201/02491MP7-1.png
http://pic.16xx8.com/allimg/151201/02491I028-2.png
Flat UI配色的完整色彩、红色盲模式、灰度模式。问题2：色彩不够多另一个问题是，许多现有配色方案没有足够的颜色。创造数据可视化信息图时，我们需要至少6种颜色的配色方案，甚至有时需要8到12种颜色，才能满足所有的应用场景。我们看过的许多配色方案都没有足够多的色彩供选择。下面是Color Hunt里的一些例子：
http://pic.16xx8.com/allimg/151201/02491K193-3.png
虽然这些都是很棒的配色，但它们都不够灵活，无法提供丰富的色系。问题3：难以区分不过等一下，还有一些配色方案看起来像是渐变——理论上说可以创造出任意数量的颜色，对吧？不幸的是，它们明度差异通常不大，其中许多颜色很容易变得无法区分，就像这一组，同样来自Color Hunt：
http://pic.16xx8.com/allimg/151201/02491GX5-4.png
我们试着选第一组，把它扩展为10级色彩：
http://pic.16xx8.com/allimg/151201/02491K618-5.png
如果普通用户能正确的区分出这些颜色，并与相应的数据项对应起来，我就服了，尤其是能区分出左边的4种绿色。在Graphiq，我们以数据为生命，并且投入了大量时间寻找能够用于数据可视化的配色方案，不是一组，而是许多组。我们在这个过程中受益良多，并且打算分享这些能够创造出灵活配色的准则：第1条：色调与明度的跨度都要大要确保配色非常容易辨识与区分，它们的明度差异一定要够大。明度差异需要全局考虑。选择一种单色系的配色，并且测试它在红色盲、绿色盲与灰度模式下的表现。你就能迅速了解这个配色的辨识度水平。
http://pic.16xx8.com/allimg/151201/02491G516-6.png
http://pic.16xx8.com/allimg/151201/02491LQ4-7.png
http://pic.16xx8.com/allimg/151201/02491HQ2-8.png
△ Google Material配色中的浅蓝色的完整色彩、红色盲模式与灰度模式。但是，有一组明度跨度大的配色还不够。配色越多样，用户越容易将数据与图像联系起来。如果能善加利用色调的变化，就能使非色盲用户更加轻松。
http://pic.16xx8.com/allimg/151201/02491M425-9.png
对于明度与色调，跨度越大，就能承载越多的数据。第2条：仿照自然的配色设计师都知道一个小秘密，对于理性派们而言这似乎不符合常识：并非所有颜色都是均等的。从纯数学的角度来看，淡紫到深黄的过渡，与淡黄到深紫的过渡，感觉大概相似。但我们在下面可以看到，前者感觉很自然，后者则不是。
http://pic.16xx8.com/allimg/151201/02491JG9-10.png
这是由于我们已经习惯于那些长期存在于自然界中的渐变。在华丽的日落中，我们就能看到明黄色向深紫色的渐变，但却没有哪里能看到淡紫色向深黄色的过渡。
http://pic.16xx8.com/allimg/151201/02491H006-11.jpg
http://pic.16xx8.com/allimg/151201/02491GU9-12.jpg
http://pic.16xx8.com/allimg/151201/02491I458-13.jpg
类似的，还有浅绿色到藏蓝色、鹅黄色到深绿色、棕红色到蓝灰色，等等。
http://pic.16xx8.com/allimg/151201/02491G932-14.jpg
http://pic.16xx8.com/allimg/151201/02491M528-15.jpg
由于我总能看到这些自然的渐变，所以当我们在可视化图表中看到对应的配色时，会感觉熟悉和愉快。第3条：使用渐变，不要选择一系列固定颜色渐变配色结合不同色调，对两者都最好。无论你需要2种颜色还是10种，渐变中都能提取出这些颜色，让可视化图表感觉自然，同时保有足够的色调与明度差异。改用渐变的思维并不容易，不过有个好方法，可以在Photoshop中拉辅助线到断点位置，与数据的数量对应上，然后持续对渐变进行测试与调整。以下是我们在修正渐变时产生的屏幕截图。
http://pic.16xx8.com/allimg/151201/02491J546-16.png
可以看到，我们将配色表紧挨着顶部的灰度渐变，调整渐变叠加（之后就能得到精确的渐变色值），然后从那些断点处选取颜色，测试配色在实际运用中的效果。我们的配色方案我们对最终成果感到兴奋。下面是我们使用的部分配色，它们都有从纯白到纯黑的渐变，以达到最大限度的明度差异。
http://pic.16xx8.com/allimg/151201/02491I4D-17.png
http://pic.16xx8.com/allimg/151201/02491M5X-18.png
http://pic.16xx8.com/allimg/151201/02491L420-19.png
冷色、暖色和霓虹色。配色的实际运用
http://pic.16xx8.com/allimg/151201/02491K404-20.png
http://pic.16xx8.com/allimg/151201/02491L3W-21.png
http://pic.16xx8.com/allimg/151201/02491I495-22.png
长话短说尽管优秀的配色方案越来越多，但并非所有都适用于图表和数据可视化。我们的配色方法就是创建色调与明度变化都足够大的自然渐变。这么做能使我们的配色便于色盲辨识，对其他人则更明显，并且可以满足1到12种数据。这个过程中，我们发现了一些很棒的资源和文章，与我们得出的结论类似，但他们采用了更精确的方法，甚至钻研了色彩理论。我们觉得应该分享出来，供大家深度阅读：阅读如何避免等差的HSV颜色，作者Gregor Aisch通过chroma.js控制多色调的色彩比例，作者Gregor Aisch微妙的颜色，作者Robert Simmon翠绿配色方案，作者Bob Rudis、Noam Ross和Simon GarnierMATLAB色彩地图，作者Steve Eddins工具数据颜色采集工具——一件很趁手的工具，让你保持浓度不变的同时轻松选择配色Chroma.js——一个处理色彩的JavaScript库Colorbrewer2——热点图与数据可视化颜色工具，自带了多色调与单色调的方案其他资源我们还找到一些其他爱不释手的配色资源。虽然它们并非专为数据可视化而设计，不过我们觉得或许对你有帮助。ColorHunt——高质量配色方案，能够快速预览，如果你只需要4种颜色，这是绝佳的资源COLOURlovers——很棒的颜色社区，其中有许多工具可以创建配色方案，还有设计模式ColorSchemer Studio——强大的桌面取色应用Coolors——轻量级随机配色生成器，你可以锁定你想要的颜色，然后替换其他的Flat UI Colors——很棒的UI配色，这是最流行的配色之一Material Design Colors——另一套优秀的UI配色。它不仅提供了跨度巨大的颜色，也为每种颜色提供了不同的“色深”，或者说明度Palettab——一个Chrome插件，在每个标签页里呈现一套新的配色方案和字体灵感Swiss Style Color Picker——另一个优秀的配色方案集希望本文对你有所帮助！作者：十萬個為什麽 出处：colacha
页:
[1]