颜色搭配是图形和可视化设计中最重要的元素。一系列的工具,比如Color Scheme Designer和Adobe Kuler,可以帮助我们设计和挑选不同的颜色搭配,并提供一些定性的标准。可是颜色搭配的本质是什么?是否有定量的模型呢?美国斯坦福大学的Sharon Lin和Pat Hanrahan的CHI2013的一篇论文给出一个很有意思的答案。他们收集了20幅照片和20幅绘画作品,比如上图的作品显示了其中的一幅作品。这些照片和绘图作品中的颜色搭配,当然是最“自然”和最具有“代表性”。这里颜色搭配只限于五种颜色。

但是如何把这些颜色搭配给找出来呢?传统的做法是采用聚类分析(clustering)的方法。首先将图中所有的出现的颜色列举出来,比如上图中Swatches下面一列颜色,然后用k-means(KM)和c-means(CM)方法把最具代表性的颜色找出来,比如上图中CM和KM下面的五种颜色。从统计的角度而言,这些颜色与其他颜色最相近,当然就是最有代表性。可实际情况中,这些颜色是否就是最好的搭配呢?

Sharon和Pat的采用了两种方法来验证。首先,他们使用Amazon的Mechanical Turk,让大量的用户来选择他们所认为的最具代表性的颜色,对于每幅图,每人只能选五种颜色。虽然这些用户的艺术修养良莠不齐,但是选择出来的五种颜色却有很强的规律性。比如,上图Mechanical Turk下每列颜色代表用户选出的一种颜色搭配。我们可以看到很多用户都选了青色为代表颜色,但是聚类分析却没有把这种颜色找出来。

其次,他们让艺术家来选择颜色搭配,如上图Artist Themes下面的每列颜色。我们看到,这些艺术家选择的颜色搭配,相对于Mechanical Turk的用户而言,要统一的多,但是基本趋势跟Mechanical Turk的结果一致。

从这些结果来看,采用传统的方法并不能找出跟人类感觉一致的颜色搭配。Sharon和Pat从上面两组实验得到的结果出发,根据图像分析的要素(Saliency, Pixel Coverage, Segment Coverage, Color Diversity, Color Impurity, Color Nameability, Cluster Statistics)建立了自己的模型,可以自动的从图像中找出最具代表性颜色搭配。上图比较了不同方法的结果,H代表人类挑选的结果,M代表Sharon和Pat的方法,K和OD代表已有的算法。可以看到新的方法还是跟人类挑选的结果很接近的。

虽然这篇论文并没有提供一种颜色搭配的算法,但是提供了一种从已有图像中找出颜色搭配的方法。如果有足够多的图像,我们就可以建立一个丰富的颜色搭配库。感兴趣的同学,可以读一下他们的原文,看一下这个颜色模型的具体架构。

 

© 2013, 视物 | 致知. All rights reserved.

Related Posts: