Scott Harden看不到彩虹。“当我望向彩虹，我只能识别出两三种颜色，间距还参差不齐。”他说。因此当遇到使用彩虹颜色的科学图表时，他大多看不太懂。

Harden是佛罗里达大学的神经科学家，他患有红色弱（protanomaly）：有一个基因突变影响了他的视网膜锥细胞识别红光，他不能区分红色和绿色色素。

红绿色盲（red–green colour blindness）是最常见的色觉辨认障碍；蓝黄色盲（blue–yellow colour blindness）次之，而全色盲（achromatopsia，即无法辨认大多数的颜色）则更罕见。在北欧，每12位男性中就有一位患有色觉辨认障碍，这个数字在女性中为1/200——涉及人数之多，足以佐证你有理由让自己的科研成果无障碍访问，Harden说。“我认为，使用色盲友好的调色板和颜色方案，是对那些真诚关心你成果的人表达同理心的方式。”

在实际场景中，如果一篇论文的三位审稿人都是男性，还都是北欧人的后裔，那么有五分之一的可能其中一人患有色觉障碍。

- The Project Twins -

不当的颜色选择也会使数据失真。2011年发表的一项研究发现，相比为改善感知而设计的动脉扫描，医生从使用彩虹刻度的动脉扫描中诊断出心脏病的表现大大不如前者[1]。而且，人们分辨红色的能力通常不如其他颜色，因此严重依赖红色的色彩组合会掩盖数据细节。此外，有些颜色方案难以很好地转化为灰度——当科学家打印黑白版的论文供离线阅读时，这就是个重要问题。

大部分数据可视化组合包含对色觉辨认障碍友好的颜色方案搭配，而且网上也能找到用于选择合适调色板的工具（见“提示和工具”）。但研究者很少去寻找这类资源，因为他们没受过培训去考虑颜色选择，德国德累斯顿科技大学的数据可视化科学家Helena Jambor说。

提示和工具

应用一些基本原则来生成无障碍图像。

  • 不要使用彩虹颜色方案。使用感知上统一的颜色方案，如viridis或cividis。

  • 避免使用红色。特别是结合绿色一起使用时。

  • 使用灰色。在灰度中检查图像，或将颜色处理为完全不饱和。

  • 选一个调色板（palette）。选择人人都适用的调色板，如Color Universal Design或Color Blind 10 Palette，或使用i want hue或Viz Palette创建独家调色板。

  • 思路放宽。使用形状和线条纹理等特征来区分颜色。

  • 提前测试。使用Color Oracle或Coblis等模拟器，以确保每个人都能准确理解图像。

在3月发表的一项研究中，Jambor和她的同事发现，在前沿期刊中，几乎半数的细胞生物学论文和多达四分之一的生理学和植物科学论文所包含的图像，对于患有绿色盲（deuteranopia，另一种类型的红绿色色盲）的读者来说是完全或部分看不清的[2]。“需要的话这些工具唾手可得。”德克萨斯大学奥斯汀分校的计算和进化生物学家、《数据可视化基础》（2019年）的作者Claus Wilke说，“最大的挑战实际上是教育人们重视起来。”

无论你是绘制海洋温度图、疫苗接种水平图还是对细胞中的蛋白质进行成像，请勿轻易接受软件中的默认颜色设置，美国西北太平洋国家实验室的化学工程师Ryan Renslow说。他说：“大多数商业化软件并不具备最优的默认颜色方案。”

在所有的颜色方案中，数据集中的每个值都被分配了一个色调，以直观体现这些值是如何变化的，诸如Matplotlib（一个用于创建可视化的Python库）和ggplot（R语言的类似工具）等工具都提供了一些选择。然而，为了获得最无障碍且好理解的图像，你要避免那些使用彩虹配色的颜色方案，比如Jet，奥斯陆大学的地球物理学家Fabio Crameri说。他在2020年与人合著了一篇文章，为科学图像中的色彩运用提供指导[3]。

- Mohamed Samir -

着眼全局

Crameri说，除了引发可访问性问题，彩虹颜色方案也会扭曲数据。颜色间的鲜明过渡会造成数据中的人为区别。而且，颜色间的“距离”并不统一，因而不同颜色标记的数据点看上去可能比实际情况更近或更远。另外，他说，彩虹颜色方案通常无法反映出其代表的数值的任何直观情况（见“创建包容性图像”）。

Harden建议，研究者应该使用感知上统一的颜色方案。例如viridis和cividis。这两者常见于多种可视化环境，在Matplotlib中viridis还代替Jet成为了默认设置。因为许多人饱受红色困扰，viridis的开发者使用蓝色和黄色的色调创建颜色方案，覆盖了各种色调，且无碍感知的统一性。随后Renslow和他的同事对这一颜色方案进行了数学优化，创建了cividis，色障者或非色障者都能同等理解[4]。（如果研究人员必须使用彩虹颜色方案，Harden建议尝试Turbo，它在感知上比Jet更统一，使用的色调对大多数有色觉缺陷的人来说都可以识别。）

创建包容性图像

对色觉障碍者而言，改变科学绘图使用的色调会产生巨大的影响。

在红色盲（protanopia）患者眼中，用R语言结合彩虹颜色方案绘制的柱状图（左）会丢失许多色彩，一些数据点还消失了（右图为红色盲患者眼中的图表）。

然而，当使用色彩通用设计调色板（左）来代替彩虹方案时，有色觉障碍的人仍然可以清楚识别所有的颜色层次（右）。

Harden说，面对围绕0增减的数据，研究者可以使用在任一方向亮度增强的两种颜色，只要别用红色和绿色。

Wilke说，无论你采用哪种颜色方案，请用在线模拟器比如Color Oracle或coblis运行一下，还原色障者的视角。你还可以利用打印灰度或完全去饱和（即过滤所有色彩）的图片，进行检查。如果仍然能够解读，那就行了。

如果你要做图表，Jambor建议采用一种更加慎重的方法：先用灰度阶梯创建图像，想好要用数据显示什么，最后再添加颜色。她说：“这样更不容易出问题。”她补充说，她见过的最大问题就是图表中使用了太多的颜色，或者在一篇论文中使用的颜色不一致。

甄选调色板

绘制分类数据，例如人口统计学特征，需要的并非连续的颜色方案，而是一个调色板。调色板基本上是一系列不连续且搭配和谐的颜色。Wilke说，鉴于此，要避免使用由浅到深的颜色，不要让人觉得它们自然具有顺序。他还建议说，例如搭配四浅色一深色就不可取，因为深色会显得很突出。“你需要可以和其他颜色比较的颜色，但也要有足够的差异性，使色觉障碍者也可以分辨出来。”

条件允许的话，Wilke建议使用专门设计的色度表。但红色要看着办。“许多人苦于分辨红色和绿色，不过如果你选择的调色板里有深红和浅绿，那就没关系。”Wilke说。如果一定要用红色，Harden说拜托了别搭配着黑色用。“在我看过的论文中，这是最常见的‘过失’了。”他说。

同样的规则也适用于显微图像。尽管红色与绿色染色蛋白质很常用，但绝大多数显微镜相机的拍摄所得为灰度图像，因此研究者能自选色调为其上色。Harden的建议是，如果你只用上一种颜色，那就还是用灰度。如果要用两种颜色，可以尝试绿色和洋红色。当遇到使用红色和绿色的图像时，Harden采取了一种变通方式：用ImageJ（美国国立卫生研究院的免费图像处理程序）中打开该图，将图像分成独立的颜色通道（即红色、绿色和蓝色），然后根据需要将它们重新组合，创建一个绿色和洋红色的图像。“红色识别障碍者通常能够极好地识别出洋红色。”他说。

- Mohamed Samir -

色调之外

但实现无障碍图像不仅需要关注颜色。点线的大小和宽度及其他图像元素也很重要，Wilke说。“我们对颜色的感知很大程度上取决于上色区域的大小。”直接往图像上添加标签而不是写个单独图例，可以为那些识别色彩就很吃力的读者大为减轻心理负担。别忽视了标签的大小，他补充说，“我最不能忍受这一点了——大多数的标签实在是太小了。”

去年，意大利博洛尼亚的切伦科夫望远镜阵列的外联和教育协调员Alba Fernández-Barral和她的同事公布了一套初期的无障碍标准，该阵列的成员必须在科学研究和公共外联文件中使用这些标准（见go.nature.com/3d3v4bf）。色障的成员注意到的最大问题，是研究人员如何以口头或图注形式说明图像，Alba Fernández-Barral说。她说关键是有备用信息。赋予点不同的形状，或赋予线不同的纹理，都可以增添色彩之外的线索以供辨认。在图注中体现这些说明也会为色盲读者提供额外线索。

总而言之，她说，让大家在创建科学图像时考虑无障碍是一种再培训过程。“我认为大多数人都接受过保持同理心和尊重的教育，但有时我琢磨我们是否学过包容。”她说，“包容势必是科学的组成部分。”

参考文献

1. Borkin, M. A. et al. IEEE Trans Vis Comput Graph 17, 2479–2488 (2011).

2. Jambor, H. et al. PLoS Biol. 19, e3001161 (2021).

3. Crameri, F., Shephard, G. E. & Heron, P. J. Nature Commun. 11, 5444 (2020).

4. Nuñez, J. R., Anderton, C. R. & Renslow, R. S. PLoS ONE 13, e0199239 (2018).

© nature

Nature | doi: 10.1038/d41586-021-02696-z

原文以Colour me better: fixing figures for colour blindness为标题发表在2021年10月4日《自然》的技术特写版块上：

https://www.nature.com/articles/d41586-021-02696-z?utm_source=wechat&utm_medium=social&utm_campaign=CONR_AUTCC_ENGM_CN_CNCM_NFHCN

https://mp.weixin.qq.com/s/kqh-1Od2r_a6RjxoXOWlnw

© 2021 Springer Nature Limited. All Rights Reserved