配色基础

Tip

色彩设计本质上是一个信息编码与层级构建的过程。

我们将画布视为一个二维向量空间 ${\mathbb{R}}^2$，色彩则是映射到该空间上的多维信号 $f(x,y)=(H,S,V)$。

一个优秀的色彩系统必须满足两个核心条件：

1. 低熵：通过限制颜色基数来保证画面的统一与秩序。
2. 高信噪比：通过明度、纯度和冷暖的梯度差 ($\Delta$) 来引导视觉流，确保主体信息从背景噪声中分离。

1. 颜色集合的基数约束

画面色彩的选择首先是一个集合构建问题。为了避免视觉混沌，必须对颜色集合的大小和权重分布施加严格约束。

定理

色彩简约定理

设画面中使用的主要色相集合为 $C$。为了保证视觉信息的有效传导，集合的基数 $|C|$ 应满足： $|C|\le 5$ 若 $|C|$ 过大，视觉系统的认知负荷将呈指数级上升，导致信息传递失效。

1.1 权重分配模型

在集合 $C$ 内部，各元素的空间占比应遵循幂律分布，而非均匀分布：

主色 (Dominant Color, $C_{main}$)： * 定义：决定画面基调（Key）的颜色，通常占据最大面积 $A_{main}$。 * 功能：确立情绪场（如蓝色 $\to$ 冷寂，红色 $\to$ 激昂）。 * 经验法则：在商业美术中，约 $80\%$ 的成功案例遵循单主色主导的分布规律。

辅色 (Auxiliary Color, $C_{aux}$)： * 定义：用于平衡画面、增加信息密度的颜色。 * 功能：通过与主色的差异，构建次级视觉层次。

点缀色 (Accent Color, $C_{accent}$)： * 定义：面积最小但视觉权重最高的颜色。 * 功能：作为视觉奇点，强制引导观众视线聚焦。

2. 配色动力学：对比度算子

配色的核心在于制造差异。视觉系统对绝对值不敏感，但对梯度（Gradient）极度敏感。我们可以定义三种主要的对比度算子。

定义

视觉显著性算子

画面的视觉焦点强度 $I$ 近似于以下三个对比分量的加权和： $I\approx \alpha |\Delta V|+\beta |\Delta T|+\gamma |\Delta S|$ 其中：

• $\Delta V$：明度对比 (Value Contrast) —— 骨架。
• $\Delta T$：色温对比 (Temperature Contrast, 冷暖) —— 血肉。
• $\Delta S$：纯度对比 (Saturation Contrast, 纯灰) —— 强弱。

3.1 明度对比 ($\Delta V$)

• 地位：最高优先级。人眼对明度的敏感度远高于色相。
• 应用：通过“黑白灰”的素描关系来切割空间。若 $\Delta V\to 0$，画面将变得扁平且模糊。

3.2 冷暖对比 ($\Delta T$)

• 地位：构建空间深度与光影感。
• 物理直觉：
  • 暖色：波长较长，散射较少，视觉上趋向于前进（膨胀）。
  • 冷色：波长较短，散射较多，视觉上趋向于后退（收缩）。
• 应用：利用“前暖后冷”或“受光暖背光冷”制造三维体积感。

3.3 纯灰对比 ($\Delta S$)

• 地位：调节视觉舒适度与层级。
• 应用：
  • 高纯度：高能量区域，用于视觉中心。
  • 低纯度 (灰)：低能量区域，用于休息区和背景衬托。
  • 推论：好得配色往往是“大面积的灰”衬托“小面积的纯”。

4.颜色空间的转换

在日常绘图中，可以先选择合适的HSB然后映射到HSV，二者完全等价

import colorsys
 
h, s, b = 0.3, 0.8, 0.9  
r, g, b = colorsys.hsv_to_rgb(h, s, b)
print(r, g, b)