betydningen af barriere-gratis brug af farver i billeder og grafer er blevet fremhævet i breve til redaktører (Miall, 2007), papir (Geissbuehler og Lasser, 2013, Levine, 2009), ledere (anonym, 2007), søjler (Wong, 2011), og på en lang række web-sider. En af anbefalingerne er at bruge en farveblindhedssimulator. Når jeg selv har en farvesynsmangel, kan jeg ikke bedømme, om disse værktøjer fungerer godt. Ikke desto mindre virker en prøve-og-fejlbaseret tilgang temmelig ineffektiv., I stedet ville brugen af (et antal) standard farveblinde venlige paletter være meget mere ligetil. For eksempel, grønne og magenta farver er standard valg til produktion af farveblinde venlige overlejringer af fluorescens billeder. Nedenfor diskuterer jeg en række farvepaletter, der er egnede til at farve grafiske elementer i plots. Jeg tror, at mennesker med en farvesyn mangel ville drage fordel af implementeringen af disse paletter i Soft .are til datavisualisering.,
kvalitative farveskemaer
et kvantitativt farveskema bruges, når tal skal repræsenteres af farver. Denne konvertering sker med en opslagstabel (LUT). For mere information om (colorblind-friendly) LUTs se denne blog og dette papir. Her taler jeg om kvalitative farveskemaer, der bruger farver til at mærke forskellige kategorier. Antallet af forskellige kategorier definerer antallet af unikke farver, der er nødvendige. Ideelt set kan denne farve skelnes af alle.,
i op til fire kategorier er det ret ligetil at komme med et sæt farver, der er lette at skelne mellem. Alligevel giver det mening at vælge farverne fra et farveblind venligt farveskema. Når 5-8 farver er nødvendige for unikt at mærke forskellige kategorier, er det en betydelig udfordring at finde en passende farvepalet. Ud over 8 er det tæt på umuligt at finde farver, der let kan skelnes. I disse tilfælde anbefales alternative mærkningsmetoder., Nedenfor er flere farveblinde venlige kvalitative farveskemaer beskrevet, og fire af dem er vist i figur 1.
farveblind venlige paletter
Masataka Okabe og Kei Ito har foreslået en palet med 8 farver på deres websiteebsted Color Universal Design (CUD). Denne palet er et “sæt farver, der er entydige både til farveblinds og ikke-farveblinds”. Brug af denne palet er understøttet af andre (Wong, 2011; Levine, 2009), og det er den standard-skala til bogen “Fundamentals of Data Visualization” af Claus Wilke.,
Martin kr Martiny .inski har en hjemmeside med 12 – og 15-farvepaletter, der tilbyder flere valgmuligheder. Personligt har jeg svært ved at skelne flere af disse farver. Det anbefales også at bruge ikke mere end 8 forskellige farver. Derfor vil disse paletter ikke blive taget med.
Paul Tol har skabt flere kvalitative farveskemaer, der er farveblinde venlige. Disse paletter har 5-10 farver (inklusive grå) og varierer i mørke.
Figur 1: En oversigt over kvalitative, farveblinde venlige paletter., Figuren blev produceret med et R-script, der definerer og plotter paletterne (doi: 10.5281/.enodo.3381072).
valg af farveskema
hvilken af paletterne er bedst? Dette er svært at sige af flere grunde. Farverne ser anderledes ud, når de udskrives, vises på en skærm eller projiceres med en beamer. Ved siden af dette vil objektets størrelse, struktur og placering afgøre, om kategorierne kan skelnes. Som følge heraf er det nok umuligt at komme med en enkelt universel farvepalet., Jeg tror, at paletten designet af Okabe&Ito er et godt første valg. Det er stadig en god ide at se, hvordan forskellige paletter fungerer, når de bruges i realistiske datavisualiseringer. Som et eksempel viser figur 2 fire plots, hvor de forskellige farveblinde venlige paletter bruges til at mærke 6 linjer.
figur 2: farvepaletterne vist i figur 1 bruges til entydigt at mærke 6 forskellige linjer i en realistisk datavisualisering. Graferne er lavet med Plott .ist.,
paletterne vist i figur 1 er implementeret i Plebtool Plott .ist (Goedhart, 2019). Plott .ist er et frit tilgængeligt online værktøj til at plotte og annotere tidsseriedata. Det gør det muligt for alle at eksperimentere med farveblinde venlige paletter og anvende dem på lineplots. Jeg opfordrer dig til at dele din mening om disse (eller andre) paletter, og hvordan de udfører (især hvis du har en farvesynsmangel). For at gøre det, kan du efterlade et svar nedenfor eller dele dine tanker på T .itter., I sidste ende håber jeg at se flere datavisualiseringer, der består en farveblindhedstest med flyvende farver.
anbefalinger
Jeg slutter med nogle anbefalinger, der sigter mod at forbedre grafer, der bruger farve:
-brug som standard en farveblind palet.
-brug tykke linjer eller store symboler for at gøre det lettere at identificere og kortlægge farven korrekt til en legende.
-ud over farver skal du overveje brugen af mønstre eller etiketter for at skelne mellem kategorier.
-brug maksimalt 8 forskellige farver til mærkning af forskellige kategorier.,
-brug en legende, der viser farverne, i stedet for at henvise til farverne ved deres navn.
-hold legenden, der forklarer kortlægningen af farverne tæt på de faktiske data.
![](https://thenode.biologists.com/wp-content/plugins/wp-postratings/images/thumbs/rating_1_on.gif)
![](https://thenode.biologists.com/wp-content/plugins/wp-postratings/images/thumbs/rating_2_off.gif)
![](https://thenode.biologists.com/wp-content/plugins/wp-postratings/images/loading.gif)
Del
- Spørgsmål:*
Dit Navn:*
Din e-Mail:*
- Detaljer:*
Indsende Rapport
– Tags: kategoriske data, Farve, farveblindhed, farvesyn mangel, DataViz, Graph
Kategori: Uddannelse, Forskning