考虑色觉缺陷以准确解读科学数据的颜色图优化
计算机视觉与模式识别
2018-08-03 v3 其他定量生物学
摘要
色觉缺陷(CVD)影响超过4%的人口,并导致对颜色的不同视觉感知。尽管这一点已被认知数十年,仍常使用横跨可见光谱的多种颜色的颜色图来表示数据,这可能导致患有该缺陷的人对数据的误读或解读困难。在本文所呈模块出现之前,尚无利用现代颜色外观模型为CVD数学优化的颜色图。虽已有一些为CVD患者制作美观或主观上可容忍颜色图的尝试,但我们的目标是制作经优化的颜色图,以使尽可能多的观看者能最准确地感知科学数据。我们开发了Python模块cmaputil,用于创建CVD优化的颜色图;该模块导入颜色图并将其修改为在CVD安全颜色空间中感知均匀,同时线性化并最大化亮度范围。该模块向科学界开放,以便他人轻松创建自己的CVD优化颜色图。在此,我们展示一个用该模块创建的CVD优化颜色图示例,其针对无CVD者及红绿色盲者观看均作了优化。该颜色图cividis使两组人获得近乎相同的视觉数据解读,在色相与亮度上感知均匀,且亮度线性增加。
引用
@article{arxiv.1712.01662,
title = {Optimizing colormaps with consideration for color vision deficiency to enable accurate interpretation of scientific data},
author = {Jamie R. Nuñez and Christopher R. Anderton and Ryan S. Renslow},
journal= {arXiv preprint arXiv:1712.01662},
year = {2018}
}