vikten av barriärfri användning av färger i bilder och grafer har markerats i brev till redaktörer (Miall, 2007), papper (Geissbuehler och Lasser, 2013, Levine, 2009), redaktörer (anonym, 2007), kolumner (Wong, 2011) och på många webbsidor. En av rekommendationerna är att använda en färgblindhetssimulator. Med en färgseende brist själv, Jag kan inte bedöma om dessa verktyg fungerar bra. Ändå verkar ett försök-och-felbaserat tillvägagångssätt ganska ineffektivt., Istället skulle användningen av (ett antal) standardfärgblinda vänliga paletter vara mycket enklare. Till exempel är gröna och magenta färger standardvalet för produktion av färgblinda vänliga överlagringar av fluorescensbilder. Nedan diskuterar jag ett antal färgpaletter som är lämpliga för färgning av grafiska element i tomter. Jag tror att personer med en färgvisionsbrist skulle dra nytta av genomförandet av dessa paletter i programvara för datavisualisering.,
kvalitativa färgscheman
ett kvantitativt färgschema används när siffror måste representeras av färger. Denna konvertering görs med en uppslagstabell (LUT). För mer information om (colorblind-friendly) LUTs se den här bloggen och detta papper. Här talar jag om kvalitativa färgscheman, som använder färger för att märka olika kategorier. Antalet olika kategorier definierar antalet unika färger som behövs. Helst kan denna färg särskiljas av alla.,
för upp till fyra kategorier är det ganska enkelt att komma med en uppsättning färger som är lätta att skilja. Ändå är det vettigt att välja färger från en färgblind vänlig färgschema. När 5-8 färger behövs för att unikt märka olika kategorier är det en stor utmaning att hitta en lämplig färgpalett. Utöver 8 är det nära omöjligt att hitta färger som lätt kan särskiljas. I dessa fall rekommenderas alternativa märkningsmetoder., Nedan beskrivs flera färgblinda vänliga kvalitativa färgscheman och fyra av dem visas i Figur 1.
färgblinda vänliga paletter
Masataka Okabe och Kei Ito har föreslagit en palett med 8 färger på deras webbplats Color Universal Design (CUD). Denna palett är en ”uppsättning färger som är entydiga både för färgblindar och icke-färgblindar”. Användningen av denna palett stöds av andra (Wong, 2011; Levine, 2009) och det är standardskalan för boken ”Fundamentals of Data Visualization” av Claus Wilke.,
Martin Krzywinski har en webbplats med 12 – och 15-färgpaletter som erbjuder fler valmöjligheter. Personligen har jag svårt att skilja flera av dessa färger. Det rekommenderas också att använda högst 8 olika färger. Därför kommer dessa paletter inte att tas med.
Paul Tol har skapat flera kvalitativa färgscheman som är färgblinda vänliga. Dessa paletter har 5-10 färger (inklusive grå) och varierar i mörker.
Figur 1: en översikt över kvalitativa, färgblinda vänliga paletter., Figuren producerades med ett r-skript som definierar och plottar paletterna (doi: 10.5281/zenodo.3381072).
välja ett färgschema
vilken av paletterna är bäst? Detta är svårt att säga av flera skäl. Färgerna ser annorlunda ut när de skrivs ut, visas på en skärm eller projiceras med en beamer. Bredvid detta kommer objektets storlek, struktur och position att avgöra om kategorierna kan särskiljas. Som en konsekvens är det förmodligen omöjligt att komma med en enda universell färgpalett., Jag tror att paletten designad av Okabe& Ito är ett bra första val. Ändå är det en bra idé att se hur olika paletter utför när de används i realistiska data visualiseringar. Som ett exempel visar figur 2 fyra tomter där de olika färgblinda vänliga paletterna används för att märka 6 linjer.
Figur 2: färgpaletterna som visas i Figur 1 används för att unikt märka 6 olika linjer i en realistisk datavisualisering. Graferna är med gjorda med PlotTwist.,
paletterna som visas i Figur 1 implementeras i webtool PlotTwist (goedhart, 2019). PlotTwist är ett fritt tillgängligt online-verktyg för att rita och kommentera tidsseriedata. Det gör det möjligt för alla att experimentera med färgblinda vänliga paletter och tillämpa dem på lineplots. Jag uppmuntrar dig att dela din åsikt om dessa (eller andra) paletter och hur de utför (speciellt om du har en färgseende brist). För att göra det kan du lämna ett svar nedan eller dela dina tankar på twitter., I slutändan hoppas jag att se fler datavisualiseringar som passerar ett färgblindhetstest med flygande färger.
rekommendationer
jag slutar med några rekommendationer som syftar till att förbättra grafer som använder färg:
-använd en färgblind vänlig palett som standard.
-använd tjocka linjer eller stora symboler för att göra det lättare att korrekt identifiera och kartlägga färgen till en legend.
– förutom färger, överväga användningen av mönster eller etiketter för att skilja mellan kategorier.
-använd högst 8 olika färger för märkning av olika kategorier.,
-använd en legend som visar färgerna, istället för att hänvisa till färgerna med deras namn.
-Håll legenden som förklarar kartläggningen av färgerna nära den faktiska 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)
dela
- fråga:*
ditt namn:* din e-post:*
- Detaljer:*
Skicka rapport
taggar: kategoriska data, färg, färgblindhet, färgseende brist, DataViz, graf
kategorier: utbildning, forskning