1.7 学术图表的色彩运用原理

1.7.1 颜色模式

1．RGB颜色模式

我们先从颜色模式开始讲解学术图表的色彩运用原理。在图像处理中，最常用的颜色空间是RGB模式，常用于颜色显示和图像处理。RGB颜色模式使用了红（red）、绿（green）和蓝（blue）来定义所给颜色中红色、绿色和蓝色的光的量。在24位图像中，每一种颜色成分都由0到255之间的数值表示。在位速率更高的图像中，如48位图像，值的范围更大。这些颜色成分的组合就定义了一种单一的颜色。RGB颜色模式采用三维坐标的模型形式，非常容易被理解，如图1-7-1（a）所示：原点到白色顶点的中轴线是灰度线，R、G、B三分量相等，强度可以由三分量的向量表示。我们可以用RGB来理解色彩、深浅、明暗变化。

（1）色彩变化：三个坐标轴RGB最大分量顶点与黄（yellow）、紫（magenta）、青（cyan）色顶点的连线；

（2）深浅变化：RGB顶点和黄、紫、青顶点到原点和白色顶点的中轴线的距离；

（3）明暗变化：中轴线的点的位置，到原点就偏暗，到白色顶点就偏亮。

RGB模式也称为加色法混色模式。它是以RGB三色光互相叠加来实现混色的方法，因而适合于显示器等发光体的显示。其混色规律是以等量的红、绿、蓝基色光混合。我们平时在绘图软件中调整颜色主要就是通过修改RGB颜色的三个数值，如图1-7-3（b）所示的Windows系统自带的选色器的右下角。

2．HSL颜色模式

大家平时在颜色选择中还会遇到一种颜色模式：HSL（色相、饱和度、亮度），如图1-7-1（b）所示，在这里也给大家做简要的介绍。HSL色彩模式是基于人眼的一种颜色模式，是普及型设计软件中常见的色彩模式，其中：

（1）色相H（hue）：代表的是人眼所能感知的颜色范围，这些颜色分布在一个平面的色相环上，取值范围是0°到360°的圆心角，每个角度可以代表一种颜色，如图1-7-2（a）所示。色相值的意义在于，当不改变光感时，可以通过旋转色相环来改变颜色。在实际应用中，可用作基本参照的色相环上的六大主色为：360°/0°红、60°黄、120°绿、180°青、240°蓝、300°洋红，它们在色相环上按照60°圆心角的间隔排列。

（2）饱和度S（saturation）：是指色彩的饱和度，它用0%至100%的值描述了相同色相、明度下色彩纯度的变化。数值越大，颜色中的灰色越少，颜色越鲜艳，呈现一种从理性（灰度）到感性（纯色）的变化，如图1-7-2（b）所示。

（3）亮度L（lightness）：是色彩的明度，作用是控制色彩的明暗变化。通常是从0（黑）～100%（白）的百分比来度量的，数值越小，色彩越暗，越接近于黑色；数值越大，色彩越亮，越接近于白色，如图1-7-2（c）所示。

与HSL颜色模式类似的还有：HSB[色相（hue）、饱和度（saturation）、亮度（brightness）]有时也被称作HSV[色相（hue）、饱和度（saturation）、色调（value）]，如图1-7-1（c）所示。比起RGB颜色模式，HSL使用了更贴近人类感官直觉的方式来描述色彩，可以指导设计者更好地搭配色彩，在色彩搭配中经常被用到，如图1-7-3所示。

我们使用颜色时参考的色轮（色相轮）来源于HSB颜色模式、HSL颜色模式或LUV颜色模式。配色网就是基于HSL颜色空间模型自动生成高级配色方案的在线网站，如图1-7-4所示。HSL色彩空间可以更加直观地表达颜色。HSL是色相、饱和度和亮度这三个颜色属性的简称。色相是色彩的基本属性，就是人们平常所说的颜色名称，如紫色、青色、品红等。我们可以在一个圆环上表示出所有的色相。它不仅基于常用的场景给出合适的配色方案，而且还允许用户使用配色工具自行配置出极具个人风格又不失美观的方案，功能完备且实用。色彩搭配的基本理论除了图1-7-5所说的三种方法，还有：类似色（analogous）搭配、分裂互补色（split complement）搭配、矩形（rectangle）搭配和正方形（square）搭配等。

色环又称作为色轮，是一种按照色相将色彩排列的呈现方式。当我们开始进行色环排列时，需要把原色按照等距关系排列，如图1-7-5的12色5轮色轮所示。

（1）单色（monochromatic）搭配：色相由暗、中、明三种色调组成的单色。单色搭配并没有形成颜色的层次，但形成了明暗的层次。这种搭配在设计中应用时，效果永远不错，其重要性也可见一斑。

（2）互补色（complement）搭配：如果颜色方案只包括两种颜色，就会选择色环上对立的两个颜色（在色轮上直线相对的两种颜色称为补色，比如红色和绿色），如图1-7-5（b）所示。互补色搭配在正式的设计中比较少见，主要由于它色彩之间强烈对比所产生的特殊性和不稳定，但是很显然的是，在各种色相搭配中，互补色搭配无疑是一种最突出的搭配，所以如果你想让你的作品特别引人注目，那互补色搭配或许是一种最佳选择。

（3）三角形（triad）搭配：如果颜色方案只包括三种颜色，那么就会以120°的间隔选择3个颜色，如图1-7-5（c）所示。三角形搭配是一种能使得画面生动的搭配方式，即使使用了低饱和度的色彩也是如此。在使用三角形搭配时一定要选出一种色彩作为主色，另外两种色彩作为辅助色。

3．LUV颜色模式

LUV色彩空间全称为CIE 1976（L*, u*, v*）（也作CIELUV）色彩空间，L*表示物体亮度，u*和v*是色度，如图1-7-6（a）所示。于1976年由国际照明委员会（International Commission on Illumination）提出，由CIE XYZ颜色空间经简单变换得到，具有视觉统一性。对于一般的图像，u*和v*的取值范围为-100到+100，亮度为0到100。类似的色彩空间有CIELAB，如图1-7-6（b）所示。

R ggplot2包绘图默认的颜色主题方案如图1-7-7所示，色轮为HSLuv颜色模式。HSLuv是相对于HSL颜色空间模式更加人性化的选择。当把CIELUV颜色空间转换到极坐标系时，就类似于HSL颜色空间模式。它拓展了CIELUV颜色模式，从而新的饱和度（saturation）分量可以允许用户间隔选择色度（chroma）。

但是HSLuv颜色模式又不同于CIELUV LCh颜色模式。CIELUV LCh颜色模式有一部分颜色不能显示，比如饱和度高的深黄色。图1-7-7离散的颜色主题也可以通过函数gg_color_hue（n）获取，其中n表示输出的颜色总数：

        gg_color_hue ＜- function（n）{hues = seq（15, 375, length = n + 1）; hcl（h = hues, l = 65, c = 100）[1:n]}

1.7.2 颜色主题的搭配原理

我们对相同的数据图表对比不同的颜色效果，如图1-7-8所示的带散点分布的箱形图。图1-7-8（a）～图1-7-8（c）的颜色主题方案分别对应的软件为Excel、Origin和R ggplot2，图1-7-8（c）使用的就是图1-7-7所示的4种颜色的颜色主题方案。所谓“人靠衣装，佛靠金装”，符合美学规律设计的颜色主题方案往往能很大程度上提高图表的美观程度，如图1-7-8（c）所示。所以，我们很有必要研究与讲解颜色主题方案的搭配。

R语言作为经典的数据可视化语言，很大的优势就在于它的包（如经典的RColorBrewer包）提供了丰富的颜色主题方案，如图1-7-9所示。Origin 2017、Python（Seaborn包）等绘图软件都有参考与引入该颜色主题方案。该颜色主题方案主要可以分成三大类：单色系、多色系和双色渐变系（这个分类会在后文中详细说明）。或许你不知道，其实RColorBrewer包的颜色主题方案系列来源于一个颜色主题方案搭配网站：ColorBrewer 2.0，如图1-7-10所示。该网站提供了大量的颜色搭配主题方案，可以供用户学习与使用。强烈建议大家登录这个网站，自己操作与观看这里面的配色方案，由于版面有限不能全面地介绍ColorBrewer 2.0配色的各个系列与功能。从另一个角度说，可以将图1-7-10看成ColorBrewer 2.0网页颜色主题系列方案的精华版。

ColorBrewer 2.0的配色功能如此强大，它的颜色搭配原理又是什么呢？其实，它的原理如图1-7-11所示：通过排列组合实现二值色系、单色系、双色渐变系和多色系等颜色主题方案。其中，最为常用的三种颜色搭配方法如图1-7-12所示。圆形分布的多色系（circular color system）是一类特殊的多色系配色方案，如Python Seabron包的HLS颜色主题方案。这类颜色方案适合时间类的周期性数据，如与小时、天、月、年等有关的时序数据。

1.7.3 学术图表的颜色主题

我们毕竟不是专业的设计师，专业的设计师懂得自己根据配色原理与色相轮搭配颜色。如果自己配色，既费时费力，也不一定达到美观的效果。幸好，图1-7-9和图1-7-10提供了诸多颜色主题方案供大家参考与使用。另外，R语言本身的基础包就自带有5个预色调色板：rainbow、heat.colors、terrain.colors、topo.colors、cm.colors，如图1-7-13所示。

我们还比较常用的是：colorRampPalette（c（"red", "white", "green", , alpha = TRUE））（n），其中n表示插值的颜色值总数，使用该语句可以将少量的颜色值插值生成n个颜色值。

R中的wesanderson包、viridis包、ggthemes包和ggtech包等也提供了一系列新的颜色主题方案。尤其需要强调的是R中的ggsci包提供了几个经典期刊推荐的颜色主题方案，包括Nature、Science等学术期刊。但是，这并不是说投稿这些期刊就必须使用这些配色方案，而是说推荐使用，你可以选择使用其他颜色主题方案。所以，下面罗列了很多颜色主题方案，但毕竟“萝卜白菜，各有所爱”，你只要选择1～2种自己喜欢的，然后就可以应用到自己绘制的学术图表中。

当你问笔者这幅图表使用哪个颜色主题方案比较美观时，笔者也没法确定，实践出真知。另外，由于图表不同，其适合的颜色主题方案也不同，所以自己要多尝试不同的颜色主题方案，才能找出哪个颜色主题适合这幅图表。

wesanderson包：可以使用语句wes_palette（"Darjeeling1"）获得离散的颜色值（见图1-7-14）。

ggsci包：可以使用语句：pal_npg（"nrc", alpha = 0.7）（9），语句中的“9”可以指定数目，获得透明度为0.7的10个Nature期刊推荐的颜色主题的颜色值（见图1-7-15）。

viridis包：可以使用语句scale_fill_viridis（option="magma", discrete=TRUE）获得离散的颜色值；当discrete=FALSE时，即可获得连续的颜色条（见图1-7-16）。

1.7.4 颜色方案的拾取使用

刚刚提供给大家这么多颜色主题方案，怎么使用呢？在绘图软件中修改颜色，一般是通过RGB数值设定。这时候，我们就需要获取颜色主题方案中每个颜色的RGB数值或者Hex颜色码，其可以通过图1-7-17所示的几种方式获得相关颜色数值。

有时候手动调整数据系列的RGB颜色值会觉得很麻烦，其实还有一种利用取色器的便捷方法，如PPT和AI软件都有取色器，但是R、Excel、Origin等绘图软件没有取色器。对于R、Origin等绘图软件的图表，可以导出SVG、EPS等矢量格式的图片，然后使用AI软件打开后：①选择图片，选择“对象（O）”→“剪切蒙版（M）”→“释放（R）”选项；②再选择图片，选择“对象（O）”→“复合路径（O）”→“释放（R）”选项；③选择要修改的图表元素，然后使用取色器调整“填充”和“描边（边框）”颜色；④导出相应的标量格式的图片，同时设定好图片的分辨率。

结合以上颜色主题的获取方法：我们可以使用R自带的颜色主题方案，或者使用R的颜色包获取颜色主题方案，或者使用颜色拾取软件获得颜色值。根据数据映射变量的类型，可以将颜色度量调整scale_color/fill_*（）函数的应用分成离散型和连续型，具体如图1-7-18和图1-7-19所示。

图1-7-18的数据集df, df总共有4列数据：tau、SOD、age和Clas（s Control、Impaired和Uncertain），其数据映射代码如下所示。将离散的类别型变量Class映射到数据点的填充颜色（fill），图1-7-18离散型颜色主题方案的代码如表1-7-1所示。

        p＜-ggplot（df, aes（x=SOD, y=tau, fill=Class））+
          geom_point（shape=21, size=3, colour="black", stroke=0.25）

图1-7-19的数据集df，其数据映射代码如下所示。将连续的数值型变量Class映射到数据点的填充颜色（fill），图1-7-19连续型颜色主题方案的代码如表1-7-2所示。

        p＜-ggplot（df, aes（x = tau, y = SOD, fill=age））+
          geom_point（shape=21, size=4, colour="black", alpha=0.95）

1.7.5 颜色主题的应用案例

关于颜色的基础知识讲解这么多，下面带大家一起来应用各个颜色主题方案，提升图表的美观性。对于多色系颜色主题方案的应用，大家很容易使用：直接选择一个颜色主题方案，然后修改数据系列的颜色（见图1-7-9）。但是对于单色系和双色渐变系的颜色主题方案的应用，大家可能不是那么容易适应。所以，现在重点讲解单色系和双色渐变系的颜色主题方案的应用。

图1-7-20（a）是使用Excel绘制的默认多色系颜色方案的带误差线柱形图，图1-7-20（b）是使用单色系颜色方案（蓝色系列：）改进的Science期刊上的图表。不要使用多种阴影或者颜色的柱形图和饼图，因为这样会分散读者直接比较各部分的注意力。可以使用相同的颜色代表同一变量，或者使用单色渐变颜色主题，这样读者可以更好地集中注意力去比较数据。但是可以使用较深的色彩或者不同的颜色强调焦点。

图1-7-21（a）是使用Excel绘制的默认多色系颜色主题方案的曲线散点图，图1-7-21（b）是使用单色系颜色主题方案（橙色系列：）改进的曲线散点图，单色系颜色主题方案就是根据数据系列的数值类别设定的，亮度随数值从低到高。图1-7-21（c）是使用单色系颜色主题方案改进的曲线图，省去散点数据标记，只留下曲线以展示数据系列的规律。

图1-7-22（a）是使用红色和蓝色两种不同颜色表示相关系数的数值，蓝色表示负值，圆圈越大表示负相关越大，红色表示正值，圆圈越大表示正相关越大。用双色渐变系颜色主题方案（）改进图表，如图1-7-22（b）所示：借助圆圈填充颜色的深浅和圆圈的大小两个视觉暗示，更加清晰地表达了数据，更便于读者观察数据之间的关系。中间白色对应数值就是相关系数的分界点0。

图1-7-23为时间序列的柱形图，图1-7-23（a）使用蓝色填充柱形数据系列，仅仅使用长度视觉暗示表达数据。用双色渐变系颜色主题方案（）改进图表，如图1-7-23（b）所示：中间白色对应数值就是相关系数的分界点温度0，当温度越高时，红色更深；当温度越低时，蓝色更深。借助柱形颜色的深浅和长度两个视觉暗示，更加清晰地表达了数据，更便于读者观察时序数据的变化规律。图1-7-24所示是将双色渐变系颜色主题方案应用在条形图中。

我们平时绘制图表除了要注意颜色主题，同时还要注意颜色的透明度。颜色的透明度也是一个重要的设置参数，尤其在处理数据系列之间的遮挡问题时特别有效，如图1-7-25所示。绘图软件中基本都有颜色透明度的设定参数。颜色透明度的设定还适合于高密度散点图的绘制，通过颜色深浅可以观察数据的分布情况。