如今的科研配图描摹得厉害，打开社交媒体，单就上色这一项已有“cell色版”、“SCI配色”等诸多现成色卡教你复制成功。这些被收集起的参数犹如色卡网站的精选搭配，套在图表里，图表就有了审美。

可惜科研插图先讲逻辑，不是美丽就行。数据可视化讲了许多年，许多人仍不明就里，认为作图的要义是用精美绘品唬住读者，不知图只是数据的陪衬。配色也同理，博主经济时代，人人手里有本拼凑的穿搭经，但如果只是跟风学人着衫，难免迷失自己。

本文意图带你粗浅地认识颜色，解释颜色同传递信息间的联系，作出合理而令眼睛舒适的科研图片。没有色板可抄，却希望你掌握之后不再只会依样画葫芦。

认识颜色

本文以Albert H. Munsell的色彩体系为基准描述颜色[1]，该体系直观且符合认知科学，认为每种颜色由三个变量构成：

色相（hue）——即通俗意义的颜色，如红橙黄绿蓝靛紫。

饱和度（saturation）——也称纯度，指的是颜色的明艳程度。于饱和度的两极是灰色（低纯度）和无限绚丽（高饱和）。

明度（lightness）——指明暗变化，也可以理解为加入黑色的程度。100%明度显示的是原本的颜色，而当明度为0就变为黑色。

*图1-色板网站i want hue截图，由上自下分别为色相、饱和度、明度[2]

RBG，即为red、blue、green三者首字母缩写，是另一种当下热门的色彩体系，主张任何颜色由红、蓝、绿以不同比例混合而成。RBG符合人眼对颜色的感知原理，却不够直观。在认识颜色阶段，比起红蓝绿各占多少比例，用什么颜色、有多亮、有多艳来描述好理解许多。如是用惯了RBG，市面上也有色彩模型转换工具如Colorizer可以算出对应的色相、明度、饱和度。[3]

使用颜色

论文中的图表类型往往由数据性质决定，作为图像的一部分，色彩自然也服务于内容。色卡网站ColorBrewer创始人、地图学家Cynthia Brewer根据信息属定量或定性划分出三种色阶。[4]

单项色阶

单向色阶（sequential scale）如其名，由一组自浅至深的颜色构成渐变梯度，多用于展示数值变化，如温度、速度、浓度、人口密度等。

*图2-配色工具ColorBrewer生成的单项色阶[4]

用单项色阶填色有三点值得留意：

1. 其中单色相的色阶最为常见，如图3中以深深浅浅的蓝色表示不同降雨量。[5]当然单项色阶不意味着只留有一种“颜色”，《数据可视化基础》一书的作者Claus Wilke建议，如需在单项色阶中加多个色相，最好从自然界中本就存在的颜色里找灵感。[6]譬如星空是鹅黄与蓝，蓝莓树是酱紫与绿。

2. 以色阶中的浅色对应低值、深色对应高值。这套规则不言自明，拿图3举例，很多读者无需图注就能读懂蓝色越深即是降水越多的意思。

*图3-降水量估值，图作者为FiveThirtyEight，数据源自美国国家海洋大气管理局[5]

3. 背景的颜色会影响渐变效果。多数科研图片为浅色背景，此时色阶的两端如用对比度高的冷色和对比度低的暖色，则能在视觉上强化由深到浅的变化。[7]

*图4-葡萄酒颜色图示，由暖黄色与冷紫色各占色阶两端，源自南华早报[8]

双向色阶

与单项色阶类似，双向色阶（diverging scale）也由渐变梯度构成。不同的是，它用来强调中间值，如收入中位数、温度均值、李克特量表等级波动等等。[4]色阶中段颜色最浅，各自向两边发散逐渐加深。

白色和浅灰色是最常见的中点色，任何“彩色”，无论饱和度几何，都有可能在视觉上偏向色阶的某一侧，形成认知误差。而同为中性色的黑色和深灰，因其明度低会令色阶两端的深色失去重心。[9]

*图5-配色网站Chroma.js生成的双向色阶[10]

类别色阶

类别色阶（qualitative scale）用颜色分类，色彩不再同数值变化关联。一张图中，色与色之间不能太过相近，以示不同类别之差异。绘制论文折线图、饼图、条状图时都适合纳入这种色阶。[11]

颜色之间差异大不等同于越缤纷越好，如不对配色数量与范围加以限制，想要传递的信息可能会有误。选色时不妨留意以下四点：

1.  暖色加点蓝是万金油

蒙德里安的格子画你或许见过，类似的红黄蓝组合在学术图表里也很寻常，如图6与图7。[12] [13]

*图6-红蓝色阶信息图，源自南华早报[12]

*图7-黄蓝色阶信息图，源自南华早报[13]

黄与蓝在色轮上相对而立，本是对比色，特别适合呈现视觉反差，区分不同变量。

而红、橙、黄看似是一组单项渐变色，但由于人眼内能处理暖色的视锥细胞多过冷色的，使得人类更能感知暖色的色彩细节。[14]于是红橙黄虽在色轮上相邻，大脑却允许它们各自为政。 

数据可视化工具Datawrapper的创始人、前彭博数据可视专家Lisa Charlotte Much建议，拿不定配色主意时，橙/红和蓝基本不出错。[11]

2.  慎用绿色，要么变性，要么变调

绿色占了逾1/6的色轮面积，但比起红蓝，以绿色为主的可视化图算不上多。

由于人眼对绿色极之敏感，纯绿看来要比纯蓝、纯红都明亮许多。[9]但过亮的颜色不仅传递了警示与紧张感，同时也令图片少了几分严肃，牵连可信度。所以用绿色作图时通常要将饱和度与明度双双调低，才能得出宜人且正经的绿。

*图8-以绿色为主色之一的信息图，源自南华早报[15]

用绿着色还有可能冒犯到色盲人士，尤其是红绿、橙绿一类组合的视觉反差极低。此类情况可以通过调整色相缓解，即拣色轮上相邻的两边，调成黄绿色、蓝绿色即可。如图8则是降低饱和、又加了暖调的绿。调好色后，可以借工具[16]验证是否对色盲人群友好。[14]

3.  学会用灰色

由于人的感知局限，大脑能同步对比的类别约为12个。[9]一张图如果太过缤纷就会失去焦点，这种情况你或许需要计议有些分类是否可以合并。又或者，如果你有值得大书特书的重点，灰色其实是理想的背景。[17]譬如图8作者即运用了不同深浅的灰色，深灰关联次一级信息，反托借黄绿两色传达的主要数值；浅灰则是区隔不同饼图的道具。

4.  整体感——明度关乎是否沉闷，纯度衬托焦点

色盲模拟器的原理是将彩图转为灰图，再根据灰度判断不同色块之间的异同。这项测试其实也适合用来调节配图的明度，譬如将图9转为灰色，即得到灰度相对均匀的一张饼；将明度调整过后改为图10，层次即刻丰富了起来。[11]

*图9-左侧原图作者为Lisa Charlotte Muth[11]

*图10-左侧原图作者为Lisa Charlotte Muth[11]

当一组色阶中的灰度深浅有致，表达分类的效果更好，也过得去审美关。相反，如一张图中的色彩灰度无差，不单止视觉上看着沉闷，想要向读者传达的类别信息效果也将被削弱。

除了变换明度，色相和纯度也讲究彼此衬托。通常来讲图表中存在一至两个重点，所以在类别色阶中只需强调一两个颜色与内容呼应。在如何平衡重点色和其余色关系上，Much提出了两点技巧：1）减明亮色的饱和度，增深色的饱和度；2）降低色相纯度。[11]

参考文献

[1] “Munsell Color Theory & Albert H. Munsell Fundamentals of Color.” Munsell Color System; Color Matching from Munsell Color Company, 23 Sept. 2011, munsell.com/about-munsell-color/.

[2]Jacomy, Mathieu . “I Want Hue.” Medialab.github.io, medialab.github.io/iwanthue/.

[3]“Colorizer - Color Picker and Converter (RGB HSL HSB/HSV CMYK HEX LAB).” Colorizer.org, colorizer.org/.

[4] Brewer, Cynthia . “ColorBrewer: Color Advice for Maps.” Colorbrewer2.org, 2017, www.ColorBrewer.org.

[5] Koeze, Ella. “How Much Rain Makes a Hundred-Year Rainstorm？,” FiveThirtyEight, 17 May 2018, fivethirtyeight.com/features/the-midwest-is-getting-drenched-and-its-causing-big-problems/.

[6] C Wilke. Fundamentals of Data Visualization : A Primer on Making Informative and Compelling Figures. Sebastopol, Ca, O’reilly Media, 2019.

[7] Muth, Lisa. What to Consider When Choosing Colors for Data Visualization. May 2018, blog.datawrapper.de/colors/.

[8]Arranz, Adolfo. “A Question of Taste,” South China Morning Post, 12 Sept. 2013, www.scmp.com/infographics/article/1308768/question-taste.

[9] Simmon, Robert. Subtleties of Color. 5 Aug. 2013, earthobservatory.nasa.gov/blogs/elegantfigures/2013/08/05/

[10]Aisch, Gregor . “Chroma.js Palette Helper.” Gka.github.io, gka.github.io/palettes/#/9.

[11] Muth, Lisa . How to Pick More Beautiful Colors for Your Data Visualizations. 4 Sept. 2020, blog.datawrapper.de/beautifulcolors/.

[12] South China Morning Post. “Asia-Pacific Gender Equality,” South China Morning Post, 3 Aug. 2018, multimedia.scmp.com/culture/article/SCMP-printed-graphics-memory/lonelyGraphics/201808A177.html.

[13] South China Morning Post. “How Energy Consumption Corresponds to the Weather,” South China Morning Post, 19 May 2018, multimedia.scmp.com/culture/article/SCMP-printed-graphics-memory/lonelyGraphics/201805A173.html.

[14] Crameri, Fabio, et al. “The Misuse of Colour in Science Communication.” Nature Communications, vol. 11, no. 1, 28 Oct. 2020, https://doi.org/10.1038/s41467-020-19160-7.

[15]Wong, Dennis. “Winter Wonderland,” South China Morning Post, 4 Mar. 2016, www.scmp.com/infographics/article/1920896/infographic-winter-wonderland.

[16]Wickline, Matthew . “Coblis — Color Blindness Simulator – Colblindor.” Color-Blindness.com, www.color-blindness.com/coblis-color-blindness-simulator/.

[17] Kirk, Andy . MAKE GREY YOUR BEST FRIEND. 21 Jan. 2015, visualisingdata.com/2015/01/make-grey-best-friend/.

[18] Wilson, Alan . The Power of the Palette: Why Color Is Key in Data Visualization and How to Use It. 27 Feb. 2018, blog.adobe.com/en/publish/2017/02/27/the-power-of-the-palette-why-color-is-key-in-data-visualization-and-how-to-use-it.

[19] Pauly, Diana, et al. “Cell-Type-Specific Complement Expression in the Healthy and Diseased Retina.” Cell Reports, vol. 29, no. 9, Nov. 2019, pp. 2835-2848.e4, www.cell.com/cell-reports/pdfExtended/S2211-1247(19)31406-8, https://doi.org/10.1016/j.celrep.2019.10.084. 

∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵∴∵

意得辑科研绘图服务为满足不同学科、不同场合的作图需求而设。无论是论文投稿，还是会议上的学术展示；不管是图文摘要、ToC图，抑或论文插图。制图团队都会将研究机理及创新点以精炼的语言概括出来并配以可视化图片，使研究内核一目了然。

该服务有二维平面图及3D建模图两种方案可选，或繁或简，由你决定。设计师先拟初稿，经确认后方继续推进，充分绘你所想。团队成员均具美术、设计背景，作图技术扎实，且对“何为设计”有着自己别致的理解。

如你想将上图中的设计哲学加进自己的研究里，欢迎扫码垂询。