如何编写适配色盲人群的连续调色板代码？

核心思路 #

色盲人群（尤其是占比最高的红绿色盲）对红、绿色系区分度极低，因此要优先选择蓝-黄/橙这类跨色轴的渐变——这类颜色在色盲视觉中差异明显。复现目标调色板的核心步骤是：

• 提取目标渐变的起始/结束色值
• 在感知均匀的颜色空间中插值，保证渐变连续且区分度一致
• 验证调色板的色盲友好性

步骤1：提取目标调色板的关键色值 #

用系统自带取色器、GIMP等工具打开目标图片，获取渐变两端的RGB值。从图中可提取到参考锚点：

• 深色端点：RGB(0, 48, 73)
• 浅色端点：RGB(237, 125, 49)

若需要更精准的渐变效果，还可以提取多个中间锚点加入调色板定义。

步骤2：用Python生成连续调色板 #

方案1：快速实现（RGB线性插值） #

借助matplotlib的LinearSegmentedColormap直接构建自定义调色板：

import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

# 锚点RGB值归一到0-1区间
colors = [
    (0/255, 48/255, 73/255),   # 深蓝
    (237/255, 125/255, 49/255) # 浅橙
]

# 创建256阶连续调色板
custom_cmap = LinearSegmentedColormap.from_list("colorblind_friendly", colors, N=256)

# 可视化调色板
plt.imshow([list(range(256))], cmap=custom_cmap, aspect='auto')
plt.axis('off')
plt.show()

方案2：感知均匀插值（更自然） #

直接RGB插值可能在人眼（包括色盲）看来渐变不均匀，推荐在CIELAB空间插值，用colorspacious库实现：

from colorspacious import cspace_convert
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap

# 定义RGB锚点（0-255范围）
rgb_anchors = np.array([[0, 48, 73], [237, 125, 49]])
# 转换为CIELAB感知空间
lab_anchors = cspace_convert(rgb_anchors, "sRGB1", "CIELab")

# 生成256个插值点
num_colors = 256
lab_values = np.linspace(lab_anchors[0], lab_anchors[1], num_colors)
# 转换回RGB并截断到0-1区间
rgb_values = np.clip(cspace_convert(lab_values, "CIELab", "sRGB1"), 0, 1)

# 创建调色板
custom_cmap = LinearSegmentedColormap.from_list("colorblind_friendly_lab", rgb_values, N=num_colors)

# 可视化
plt.imshow([list(range(num_colors))], cmap=custom_cmap, aspect='auto')
plt.axis('off')
plt.show()

步骤3：验证色盲友好性 #

用colorspacious模拟红绿色盲（红色盲Protanopia、绿色盲Deuteranopia）的视觉效果，检查渐变是否依然有清晰区分度：

# 转换为色盲模拟后的颜色
rgb_protanopia = cspace_convert(rgb_values, "sRGB1", {"name": "protanopia", "severity": 1.0})
rgb_deuteranopia = cspace_convert(rgb_values, "sRGB1", {"name": "deuteranopia", "severity": 1.0})

# 绘制对比图
fig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize=(10, 3))
ax1.imshow([list(range(num_colors))], cmap=custom_cmap, aspect='auto')
ax1.set_title("正常视觉")
ax1.axis('off')

ax2.imshow([list(range(num_colors))], cmap=LinearSegmentedColormap.from_list("protanopia", rgb_protanopia, N=num_colors), aspect='auto')
ax2.set_title("红色盲（Protanopia）模拟")
ax2.axis('off')

ax3.imshow([list(range(num_colors))], cmap=LinearSegmentedColormap.from_list("deuteranopia", rgb_deuteranopia, N=num_colors), aspect='auto')
ax3.set_title("绿色盲（Deuteranopia）模拟")
ax3.axis('off')

plt.tight_layout()
plt.show()

额外实用建议 #

• 避免使用红-绿色系渐变，优先选择蓝-黄、蓝-橙、灰阶+单一彩色这类组合
• 可直接使用成熟的色盲友好调色板，比如seaborn的colorblind、matplotlib的viridis/plasma（均经过色盲友好验证）
• 若需高度还原目标调色板，可提取原图中更多锚点颜色，插值时加入这些点优化渐变效果

内容的提问来源于stack exchange，提问作者Renan Andrade