乐于分享
好东西不私藏

AI辅助编程App:个人调色板应用

AI辅助编程App:个人调色板应用

个人偏好定制的调色板

AI应用正在进入关键的下一阶段——从开发者工具向知识工作者全面渗透。

色彩与数学的项目制课程,该从哪儿开始呢?

上一篇🔗好奇心驱动人们对色彩的认知走了多远

– 有python基础的同学从Pygame开始做简单的调色

turtle色彩:调色板九宫格之二

– 数据可视化方向的爱好者👇

可视化色彩篇之五 调色有助于表达吗?

– UI色彩用数学极坐标表达👇

调色板网站生成器太疯狂了

– 线性代数与色彩的话题的爱好者请入

相关🔗

色彩进阶 | 关于颜色及其处理还有更多的顿悟

学科的尽头是数学,色彩的探索终点在线性代数

今天设计师使用的颜色系统是HSL,即色相、饱和度、亮度。HSL并不准确,也没有试图做到准确:它是为了在1970年代的计算机上快速计算颜色而建立的。

色彩和设计背后的科学

谷歌如何利用色彩科技让设计更容易、效果更生动 

作者是谷歌的色彩科学家

又一篇介绍 Material Design 色彩系统的文章,谷歌为了更好地展示色彩和使用程序生成色彩,而发明新的 HCT 颜色空间,解决以往 HSL、LAB 等色彩空间的局限 #设计入门

材料公司如何利用色彩科学使设计比以前更容易、更有表现力
James O’Leary
色彩科学家,平台与生态系统

https://material.io/blog/science-of-color-design

HCT,谷歌为设计开发的新色彩空间

James O’Leary

作为一名具有印刷和数字设计背景的软件工程师加入谷歌的。

James O’Leary

第一个项目是帮助为安卓中的助手建立一个新的用户界面。

设计中具有挑战性的部分是背景–

不清楚在哪里放置文字以确保其可读性,而且在从黑色渐变到半透明的过程中是否具有视觉上的愉悦感也存在争议。

该项目工程师Miranda Kephart指出,视觉上是否悦目完全取决于从黑色过渡到透明时颜色分布的平滑度。

我最初的反应是不可能是这样的。

设计师们从来没有这样谈论过颜色分布,甚至没有谈论过改变它,它肯定已经是正确的。

我一说出来,就被它所引起的问题所震惊了。

如果设计和工程并不是完全分开的呢?

一组颜色的 “平滑 “到底是什么意思?

颜色被顺利地组织起来意味着什么?

这些问题甚至有答案吗?

如果我们能得到这些问题的答案,甚至能帮助我们知道把文字放在哪里吗?

找到这些问题的答案花了我几年的时间,并深入研究了色彩的历史,包括科学上和设计上。

这些答案指向了一个新的色彩空间,它将赋予设计师创造力,并改善我们用色彩做的一切。

建立一个精确的色彩系统

构建一个平滑的色彩分布的方法是使用一个感性准确的色彩系统。

这些系统通过匹配人们看到的颜色来组织三维空间中的颜色,它们是通过创建公式来适应几十年来在数千次实验中对数千人的调查所收集的数据而建立的。

这些实验通常向人们展示两种颜色,要求他们选择颜色更浅/更丰富的那一种。

眼睛用来组织颜色的三个维度是色调、色度和亮度。色相告诉我们应该使用色轮上的哪个角度,例如,红色与紫色。

多彩度描述了一种颜色看起来有多鲜艳或中性接近灰色–颜色离色彩空间的中心越远,它的颜色就越鲜艳。

明度描述了一种颜色看起来有多接近白色或黑色。

在色彩空间中,明度是垂直的,就像建筑物中的楼层。

20世纪初,MassArt教授Albert Munsell创造了感知准确的色彩系统¹ 来源:SharkD,Datumizer的衍生作品² CC BY-SA 3.0许可³。

今天设计师使用的颜色系统是HSL,即色相、饱和度、亮度。HSL并不准确,也没有试图做到准确:它是为了在1970年代的计算机上快速计算颜色而建立的。

广泛传播80年却未经实证的科学数据—关于人眼能分辨的颜色数量。
核心发现是“人眼能分辨1千万种颜色”这一常见说法缺乏原始实验依据,且基于错误的理论模型;
更严谨的现代计算表明,实际可区分的颜色数量远低于此,大约在230万到390万种之间。

流传数据的来源与问题

原始出处模糊:该说法常被追溯到1940年代光学学会的会议摘要,但原文并未提供详细实验方法或数据,更像是一个粗略估算。
模型根本错误:该估算假设人眼对红、绿、蓝三原色的敏感度是独立且均匀的即在一个“立方体”色彩空间内计算。
但实际人眼的色彩感知在三维色彩空间中呈非对称的、贝壳状,对某些色调的变化远比其它更敏感。

科学的计算与结果

基于现代色彩科学和已知的人眼生理限制如视锥细胞响应曲线、大脑处理能力,在均匀的色彩空间如CIELAB中进行计算。
计算结果:在理想实验室条件下,人眼可区分的颜色数量大约在 230万到390万种之间。
色彩的探索之二:色彩和设计背后的科学
在日常观察条件下,数量会更少。
为什么错误数据能流传80年?
这是科学传播失败的经典案例:
权威背书循环?
一个初步估算被权威机构如美国国家眼科研究所引用,随后被媒体、教科书反复转载,无人追溯原始数据。
数字的“合理性”?
“1千万”这个数字听起来既庞大又具体,符合人们对人体感官能力“惊人”的想象,从而绕过了批判性质疑。

缺乏验证动力?这个数字对大多数应用如图形设计来说“足够好”,且验证它需要深入的色彩科学知识,导致长期无人深究。

核心启示

挑战“常识”:即使是已被科学界和公众广泛接受数十年的“事实”,也可能建立在脆弱的基础之上。
追溯源头:重要的数据必须能够追溯到其原始的、经同行评审的实验依据,而非二手引用。
模型决定结论
案例生动地说明物理现象此处是色彩感知数学模型(立方体 vs. 贝壳形结构)直接决定了计算结果的合理性。
人眼能分辨的颜色并非一千万种,而更可能在两三百万种量级。
修正不仅是一个数字的更改,更是对科学严谨性和信息溯源重要性的一次提醒。
真正的科学进步,源于对现有“共识”基于证据的审慎审视。
这与您之前讨论的神经网络模型如何塑造决策边界,在哲学层面是相通的——我们通过模型理解世界,但错误的模型会给出偏离现实的答案。
Poline 
是一个独特的极坐标颜色调色板生成库,它将极坐标系与颜色科学结合,通过”锚点”之间的插值生成美观的颜色渐变。
核心原理
Poline 的工作方式类似于在极坐标空间中绘制线条:
极坐标系统:
半径 (r) 对应亮度
角度 (θ) 对应色相
z轴 对应饱和度
将颜色参数映射到极坐标系:
锚点系统:
用户在极坐标空间中设置多个锚点(颜色点)
库会在这些锚点之间绘制”连线”,在连线上均匀采样生成中间色
https://meodai.github.io/poline/
设计哲学
Poline 的核心思想是”用几何控制颜色”:
将颜色参数视为空间中的点
在点之间绘制数学定义的曲线
沿曲线采样得到和谐的色彩序列
这种方法与传统调色板工具的区别:
传统:直接选择离散颜色
Poline:定义颜色之间的”路径”,让数学生成中间色适用场景
数据可视化 – 生成连贯的渐变色标
UI设计 – 创建和谐的界面配色
生成艺术 – 程序化生成色彩组合
动画 – 通过色相偏移创建动态色彩效果
Poline 将颜色生成从”艺术选择”转变为”数学控制”,为程序化设计提供了强大的色彩工具。
极坐标方法和可调节的插值函数,使得生成美观、连贯的调色板变得简单而富有表现力。