如何设计一张更好的默认色图

色图把每个数值映射为一种颜色，让一片数字中的结构变得可见。但这个映射也是数据与读者之间的接口：如果颜色变化在视觉上不均匀，它就可能突出一些边界，而这些边界并不对应同等重要的数据变化。在 SciPy 2015 上，Nathaniel Smith 介绍了他与 Stéfan van der Walt 的工作，主张用围绕人类感知设计的色图替换 Matplotlib 的默认色图 Jet。

00:49查看原图

Smith 介绍了一项针对心脏病影像诊断工具的用户研究：据他描述，与比较中较好的色图相比，习惯使用 Jet 的医生用时约为两倍，诊断错误也更多。他推测这样的默认设置可能害过人。这是讲者的猜测，不是演讲中证明 Jet 导致死亡的证据；演讲也没有确立临床结局。幻灯片将该研究标为 Borkin 等人（2011）。从 00:58 观看。

01:03查看原图

Smith 认为 MATLAB 当时较新采用的 Parula 比 Jet 好得多，但表示他们无法使用它。于是团队决定自行设计一种可开放使用的替代方案。

选择默认值时，设计者还不知道用户的数据是什么。Smith 提出的起始标准是：色图应色彩丰富、足够美观，让人愿意使用；应当是顺序色图、感知变化一致；也应适合黑白呈现，并尽可能照顾更多读者。顺序色图表示从低到高的有序变化；数据每变化相同的量，视觉上也应大致变化相同的程度。

02:57查看原图

这并不意味着顺序色图适合所有任务。发散色图可以强调数值在某个有意义中心两侧的偏离；循环色图可以连接重复量的两端。这些选择都对数据结构有所假设，而通用默认值无法预先知道这些结构。从 02:42 观看。

要为感知而设计，可以沿着这条链条理解：数据变成 RGB 数值，显示器发出光，视网膜作出反应，大脑再产生视觉体验。Smith 把它作为一个有用的模型，并不声称它完整解释了视觉。

大多数光是许多波长的混合，可以用各波长所含光量组成的光谱来描述。接近单一波长的激光则是较简单的例子。在演讲的简化模型中，分别对长、中、短波长敏感的三类视锥细胞，把高维输入转成三个信号。不同光谱可能产生相同的三组反应，因此它们之间的差别会在这一表示中消失。

05:09查看原图

CIE XYZ 为三维颜色匹配空间提供坐标：在上述简化模型中，一个点可以代表产生等效反应的多种光谱。由于真实光谱不可能在某个波长上含有负数的光，数学空间中只有一部分可以实现。Smith 展示了这个锥形区域的一个切面，以解释常见的彩色形状。

07:27查看原图

光的混合在这个映射中是线性的：红光与绿光的混合落在两点之间，并可能呈现黄色。显示器也以类似方式混合三种基色。它们能够组成的颜色构成显示器的色域；超出色域的路径无法直接按预期显示。编码后的显示信号与发光量之间是非线性关系，这与人类感知本身的非线性是两回事。从 05:56 观看。

进入眼睛的光不能唯一决定看到的外观。视觉会适应周围照明：Smith 展示的裙子图中，裙子的像素相同，却因为周围颜色不同而看起来不同。因此，模型会考虑参考白点和观看条件，而不是把实际进入眼睛的光直接等同于感知亮度。

10:13查看原图

Smith 对比了 CIELAB 与 CIECAM02：前者是 1976 年的模型，部分目标是用距离估计颜色相似度；据他介绍，后者对色相等属性的描述更好，但本身不是距离模型。团队使用的 CAM02-UCS 由 CIECAM02 变换而来，目的是同时让距离也具有实用意义。这些都是拟合得到的近似，并非对大脑的真实模拟，也不能保证适用于所有观看条件。

11:38查看原图

Smith 解释说，常见的色觉差异可能使长波与中波视锥细胞的反应更加相似，或者使其中一种缺失。在他的简化示意中，这会压缩红绿轴上的许多差异。因此，如果色图只依靠这些差异传达信息，一些读者就可能更难看懂。

团队的工具提供了几种色觉状况的近似模拟和灰度视图。这些模拟是设计辅助，并非对每个人视觉体验的精确复现。灰度也是一项独立需求：图表打印后，即使色相消失，读者仍应能辨认有序变化。从 12:11 观看。

可视化工具按相同的数据间隔对色图取样，把样本画在感知空间中，并绘制类似导数的感知变化速率曲线。在该模型下，理想的均匀色图应有一条平坦的速率曲线。Jet 的视图显示出很大的波动，旁边还有示例图、色觉模拟和灰度结果。

13:13查看原图

演讲中 Parula 看起来均匀得多，但 Smith 指出它仍有一条可见色带，并提醒观众比较图表的坐标尺度。他把部分差异归因于模型：据他介绍，Parula 按 Lab 空间中的均匀性设计，而团队选用的空间对相近颜色差异的估计不同。这是讲者基于模型的解释，不能据此证明某张色图在所有情境中都最好。

14:03查看原图

同一套工具也可以反过来使用：先在感知坐标中选择路径，再将其转换为显示颜色。Smith 设计循环色图时，固定明度，在另外两个维度组成的平面上画圆。路径终点与起点相接，正好适合 0° 和 360° 附近彼此相邻的方向数据。

14:58查看原图

在风向示例中，相邻颜色有助于看出方向变化和可能的风切变。关键是让色图符合数据结构：循环变量适合闭合路径，而结构未知的有序变量更适合以顺序色图作为起点。从 14:32 观看。

团队为顺序默认色图优先选择蓝黄方向，以减少对红绿差异的依赖；同时让颜色由暗变亮，以便在灰度中保留顺序。Smith 解释说，可用颜色空间的形状使深蓝到浅黄比深黄到浅蓝更可行。即便如此，设计者仍可选择经过哪些中间颜色。

15:30查看原图

他们的编辑器确定起点和终点的明度后，让设计者在二维视图中拖动贝塞尔控制点，也就是调整平滑曲线形状的手柄。团队一边调整路径，一边检查可用色域的不同切片。这样就能在反复设计中同时考虑期望的感知变化、显示限制和视觉效果。

15:57查看原图

团队最初制作了三个候选方案，并在 Matplotlib 邮件列表上征求意见。Smith 开玩笑说，快速设计色图反而让选择更困难：每个人都可能对“自行车棚应该刷什么颜色”发表意见。后来 Eric Firing 建议加入绿色。随后出现了另一个候选方案，团队又对其作了调整；字幕没有明确说明该方案的设计者。Smith 笑称，他们最初遗漏的标准就是必须有绿色。

17:23查看原图

最终提出的方案叫 Viridis。Smith 表示，与 Parula 相比，它的明度变化更大、色相变化更小，而且团队的模型避开了他指出的折弯。加入绿色的建议和他的偏好体现了技术约束之内的审美选择，并不是说所有色图都必须包含绿色。从 16:40 观看。

演讲时，Smith 表示团队计划在下一个版本中提供这些候选色图，并希望为 Matplotlib 2.0 选出新的默认值；当时预计该版本将在几个月后发布。他还邀请听众参加次日关于默认设置的讨论。这些都是 SciPy 2015 当时的计划和表述，本文不据此断言后续实际发布情况或当前默认值。

实践中的要点是根据数据和受众选择色图：检查它在感知空间中的变化、查看灰度与模拟视图、尊重显示器色域，并在数据需要时选用循环或发散色图。默认值只是起点，值得像其他任何界面一样接受检验。