11.12.2019 — Восприятие

Как выглядит относительная яркость цветов

Изучая некоторые моменты раскрашивания данных на картах (читай метеопрогнозы), а также вопросы поддержки необходимого цветового контраста в рабочей дизайн-системе, я задумался о том, как же выглядит кривая относительной яркости цветов — ведь все мы знаем, что тот же красный выглядит светлее синего, но если усреднить значения RGB «втупую» (то есть превратить в оттенки серого), мы получим эквивалентные значения для #FF0000 и для #0000FF.

Причина у этой глупости довольно простая (если не вдаваться в цветовую теорию) — наше восприятие живёт в совершенно некомпьютерном цветовом пространстве XYZ, а тех же колбочек, чувствительных к синему спектру, на нашей сетчатке всего 6% (если не меньше, оценки разнятся) от общего числа, да и чувствительность у них заметно ниже чем у других. А цветовая модель RGB вообще никак с этим не связана и делит каждый компонент на равные части, причем в синтетических пространствах мониторов, никак не завязанных на нашу цветовосприимчивость, а больше относящихся к яркости диодов на экране.

Но ведь с этим надо как-то уметь жить, чтобы посчитать воспринимаемый контраст между парой цветов?

Увы, методы есть, но все они тоже достаточно условные. Ковыряясь в том, как оценивается и считается цветовой контраст по рекомендациям WCAG, я таки нашел формулы для расчёта относительной яркости цвета, приведенные к диапазону от 0 до 1, где 0 — нулевая яркость черного, а 1 — самый яркий белый.

Загнав формулу в Qt, получил картинку, для максимально кислотных цветов (заданных в HSL, где насыщенность на максимуме, а яркость посередине):

Кривая относительной яркости для HSL lightness = 50%

Формула, кстати, для цветового пространства sRGB, хотя сейчас становятся популярными и другие, то же P3. Но не думаю что разница сильно отличается.

В принципе, для оценки использовать можно (и нужно). Если повышать яркость, график поднимается вверх, если снижать — вниз.

Три кривых для HSL lightness = 80%, 50% и 25% при максимальной насыщенности

Режут мой цветовой глаз острые пики в локальных максимумах — во внутриглазной и внутримозговой реальности такого быть не может. Но погуглив, понял что в противном случае можно сойти с ума, пытавшись понять смысл преобразования в более сложных методиках — и, видимо, потому и решили ограничиться такой простой.

Зачем надо?

Но где это великое знание может пригодиться кроме понимания работы оценки цветового контраста?

Ну, во-первых, это явно доказывает пользу тёмных («ночных») палитр в системах, где критичны индикации тревог, ведь мы обычно хорошо обращаем внимание на яркие объекты в темноте, в силу высокого контраста. И если красные тревоги еще будут видны на белом фоне в периферии, то привлечь внимание к желтым сообщениям почти нереально, учитывая что они отличаются от белого на жалкие 7%. Обводить их темными контурами — убивает смысл в желтых индикациях, снижать насыщенность и яркость — опять же будет грязь вместо желтого, то есть потеря знакомой семантики, ну а делать большие площади заливки не всегда возможно.

Во-вторых, если мы хотим играть только с тоном, заливая карту равномерными цветами между изолиниями (чтобы другие слои поверх оставались читаемыми, то есть контрастными), нам нужно для каждого оттенка избирательно повышать или снижать яркость и, вероятно, насыщенность. То есть тот же синий выкручивать вверх, чтобы он так же взаимодействовал с картографическими объектами, как и более теплые оттенки желтого и зеленого.

Вот я сделал примитивный алгоритм к получению примерно одинаковых по яркости цветов, без модификации насыщенности, и получилось такое:

Относительная яркость примерно в 70%

В принципе близко к правде, добавленные кружочки в роли условных обозначений и линии шкалы более-менее сохраняют контраст по сравнению с фоновым градиентом.

Но обратите внимание, как тут еще и меняется восприятие технически одинаковой насыщенности —везде она равна 50%. То есть чтобы получить с помощью компьютера (а не глаза) действительно похожие цвета одной яркости всех оттенков, нужно изобрести еще и кривую относительной насыщенности. Но и разница между оттенками чересчур снизится, чтобы кодировать цвета.

С тем и живём. Кажется, надо в моем Справочнике (пока отвратительном из-за лени) завести отдельную страничку с такими алгоритмами. Вдруг авторам дизайнерских плагинов каких пригодится.

Комментарии (4)

  1. А чем HSV/HSB с цветовым пространством монитора/носителя в графическом редакторе не подходит? Кстати, по факту Lab удобнее с точки зрения равномерности… Да, и sRGB для современных WSG устройств уже не очень подходит… Если задаваться вопросом восприятия относительной яркости, то можно пойти дальше и перейти от моделей цветовых пространств к моделям цветового зрения. Модели основанной на относительной яркости в локальном участке для этих целей хватит. Такая модель сможет предсказать иллюзию с тенью на шахматной доске.
    Кстати, а что мешает просто сгладить пики?

    1. Пост был всё же про более простую собственную историю, как визуально выглядит формула. Описанные вами модели не очень удобны в практическом использовании, потому что аппаратно-зависимы, да и даже учёт аппаратного профиля не даёт хорошей аналогии человеческого (не инженерного) восприятия, либо не удобны для оценки по «понятным дизайнеру» факторам (тот же лаб). В общем, нужна альтернативная модель, а не донастройка существующих — и, к слову, ответом на многие эти проблемы является HCL (hue/chroma/lightness). Вот, например, тут вводно про нее — https://lea.verou.me/2020/04/lch-colors-in-css-what-why-and-how/ — там довольно много ссылок. Опыт экспериментов с ней довольно приятный.

      1. Да, Ваша статья этим и «ципляет». Прежде всего, спасибо за ссылку на замечательную статью. Честно говоря, существенной разницы (на практике) между HSV/HSB и HCL я не вижу. В статье же говорится не про HCL, а про LCH, которая фактически соответствует Lab и ab выбирается по средствам CH (как в инструменте hue saturation в графических редакторах). Согласен, мне самому нравится работать в таком стиле (соответствующем LCH). Если верить известной мне теории, то придумать что-то лучшее уже не возможно и Lab (LCH) придел совершенства, а остальные улучшения можно получить анализируя цветовое восприятие [Марк Фершильд. Модели цветового восприятия.].
        Если вернуться к теме Вашей статьи, то «аппаратную» разницу между разными носителями можно учитывать при помощи корректировки гаммы (вместо использования полноценного цветового профиля)…

  2. Алексей Копылов

    По цветам мне очень нравятся изыскания Александра Бурта, вот некоторые из его выступлений:
    https://www.youtube.com/watch?v=6H01g-RoE0Y

Добавить комментарий для Алексей Копылов Отменить ответ

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Этот сайт использует Akismet для борьбы со спамом. Узнайте, как обрабатываются ваши данные комментариев.