色彩教程

色彩要注意区分度(还要注意色盲人士)和美观。

我们日常绘图主要使用R及R包，少量使用Python及其他工具。

日常看到各种漂亮的色彩组合，可以截图放到PPT中归类。

如果不确定，就试试色彩组合: "navy", "firebrick3"。

本站主题索引:

原生R中的颜色与渐变色。

R 色彩详解与实例: SCI中的常见色彩组合，canvas 展示。

Python3 色彩详解与实例: 在 python 中使用色彩。

颜色辅助工具

颜色列表:

py/R 自带颜色list:

matplotlibColors / seabornColors / 657 colors() in R(produced by R and Python scripts) /

单个颜色挑选:

colorPicker (like PhotoShop)
HSL取色工具: 适用于选择一组饱和度相似的颜色。

多个/批量颜色挑选:

colorWheel Inner to outer: lightness 0(black) to 1(white)
colorWheelBatch Inner to outer: Lightness
colorWheelBatch2 Inner to outer: Saturation
色卡集合 (使用Canvas展示): 给出若干sci颜色组合，单击控制台可显示16进制颜色值

DIY 颜色卡:

一键生成高质量色卡: matlab版 / my R语言版
查看颜色卡效果：单细胞配色效果模拟器(R语言版)

外站颜色方案:

i want hue 基于聚类给出k个颜色。Colors for data scientists. Generate and refine palettes of optimally distinct colors.
@csdn: 色彩 | R 语言中的渐变色: viridis 包(色盲友好的颜色包) 提供8种颜色方案。
colorkit: 颜色工具网站
能引用上千调色板的R包: paletteer::paletteer_d("ggsci::nrc_npg") (R语言 | paletteer包：拥有2100多个调色板！)
web 命名颜色: 支持三种排序(色相 / 色度 / 亮度)

顶刊高质量论文插图配色:

示例与色卡: 高质量论文配图配色（附RGB值及16进制码） / 顶刊高质量论文插图配色（含RGB值及16进制HEX码）（第一期） | 第二期 | 第三期 / 高质量论文配图配色（附RGB值及16进制码） / 我也做了一套绘图配色可视化模板 / MATLAB配色不够用，近2000款配色来啦 /
相关： MATLAB 爬取配色css数据及渐变图 / MATLAB海洋、气象数据colormap配色补充包(NCL color tables) / MATLAB配色不够用全网最全的colormap补充包来啦 / 如何在MATLAB中使用python全部colormap配色 /

颜色模型 /color space

我们有限的语言(红橙黄绿蓝靛紫)只能明确定义某几个或几十个颜色，更多细微差别的颜色的描述就需要数字化了。所谓颜色模型就是描述颜色的数学模型，或者说颜色的数字形式及其意义。

R包colorspace 的 color-class 文档说: there are subclasses of color which correspond to RGB, HSV, HLS, CIEXYZ, CIELUV, CIELAB and polar versions of the last two spaces.

而 circlize 包的colorRamp2()文档说 color space in which colors are interpolated. Value should be one of "RGB", "HSV", "HLS", "LAB", "XYZ", "sRGB", "LUV",

RGB 颜色模型

最常见的RGB模型，也最符合人的直觉。它使用红绿蓝三原色的光强来描述颜色，比如 rgb(255,0,0) ，每种光线从0-255共256个强度，谁数值大就偏向谁，两个极端是黑(3个值都最小，没有任何光照)和白(三个光都最强，就是白日光)。R语言中 rgb() 函数默认是把光强标准化到0-1之间，也可以自己设定最大值，如 > rgb(255,0,0, maxColorValue = 255) #返回颜色 "#FF0000"。

16进制也是RGB颜色模型的最常用表示形式，它比rgb()函数更紧凑，更适合传输和存储，是各种编程语言都广泛接受的颜色表示形式。标准形式就是"#RRGGBB", #开头，后面rgb各2位的16进制形式。16进制的2位对应着十进制的0-255，两位分别用数字0-9和字母A-F表示，字母一般使用大写，很多小写也不报错。

alpha 不透明度

不透明度显著影响颜色的视觉效果。一般用16进制的7-8位表示alpha，范围是0-255。默认是不透明度最大(FF), 就是完全不透明。而最小值00则表示不透明度最小，就是完全透明。查看接近完全透明的红色 > plot(mtcars, col="#FF000011")。ggplot2中把alpha标准化到0-1之间。

CMYK 颜色模型

这是一个四色打印机颜色模型，和RGB类似，不过用了4个基础颜色。采用加法模型，没有颜色的时候是白色，谁数值大偏向谁，四个颜色都用且最大就是黑色。

HSL 颜色模型：符合人直觉

按照色相hue, 饱和度saturation, 和明度lightness 定义颜色。

取值范围: hue[0,360], saturation[0, 100%], lightness[0, 100%]

色相hue, 也叫色别，不同颜色的表象和名称，如红、橙、黄、绿、青、蓝、紫等。不同的色别都可用光谱中的波长来标示，人的眼睛可分辨出的色别有180种左右。

明度, 色彩的明暗程度。一般在反光率相同的情况下，不同色别的明暗程度不同。如黄色光比红色光更明亮，而红色光则比青色光要明亮。明度最高是白色，明度适中是不同的彩色，明度最低则是黑色。

饱和度（纯度）是指同一色别的纯净度和鲜明度的变化。饱和度越高，颜色越鲜艳；饱和度越低，颜色越灰黑暗沉。

HSL取色1, HSL取色工具(本地版)

HSL和RGB的相互转化的公式(点击查看)， R代码实现如下：

# specify h as whole input degrees (e.g 0-360)
# s = 0.0 - 1 (0 - 100%)
# l = 0.0 - 1, (0 - 100%)
# returns output from R's rgb() functin

hsl_to_rgb <- function(h, s, l) {
  h <- h / 360
  r <- g <- b <- 0.0
  if (s == 0) {
    r <- g <- b <- l
  } else {
    hue_to_rgb <- function(p, q, t) {
      if (t < 0) { t <- t + 1.0 }
      if (t > 1) { t <- t - 1.0 }
      if (t < 1/6) { return(p + (q - p) * 6.0 * t) }
      if (t < 1/2) { return(q) }
      if (t < 2/3) { return(p + ((q - p) * ((2/3) - t) * 6)) }
      return(p)
    }
    q <- ifelse(l < 0.5, l * (1.0 + s), l + s - (l*s))
    p <- 2.0 * l - q
    r <- hue_to_rgb(p, q, h + 1/3)
    g <- hue_to_rgb(p, q, h)
    b <- hue_to_rgb(p, q, h - 1/3)
  }
  return(rgb(r,g,b))
}
if(0){
	cols=c()
	for(h in seq(0, 359, 60)){
	  cols=c(cols, hsl_to_rgb( h,  0.5,  0.5))
	}
	cols |> jsonlite::toJSON()

	c("#8C7373","#8C8C73","#738C73","#738C8C","#73738C","#8C738C") #10% s
	c("#996666","#999966","#669966","#669999","#666699","#996699") #20% s
	c("#A65959","#A6A659","#59A659","#59A6A6","#5959A6","#A659A6") #30% s
	c("#B34D4D","#B2B34D","#4DB34D","#4DB2B3","#4D4DB3","#B34DB2") #40% s
	c("#BF4040","#BFBF40","#40BF40","#40BFBF","#4040BF","#BF40BF") #50% s
	c("#CC3333","#CCCC33","#33CC33","#33CCCC","#3333CC","#CC33CC") #60% s
	c("#D92626","#D9D926","#26D926","#26D9D9","#2626D9","#D926D9") #70% s
	c("#E61919","#E5E619","#19E619","#19E5E6","#1919E6","#E619E5") #80% s
	c("#F20D0D","#F2F20D","#0DF20D","#0DF2F2","#0D0DF2","#F20DF2") #90% s
	c("#FF0000","#FFFF00","#00FF00","#00FFFF","#0000FF","#FF00FF") #100% s
	#
	hsl_to_rgb( 180,  0.5,  0.5)
	"#40BFBF"
	hsl_to_rgb( 0,  0.315,  0.5)
	"#A85757"
}
if(0){
	# 随机颜色
	getColor=function(base_S=50, base_L=50){
	  random=function(){
		runif(1, 0, 1)
	  }
	  hue = random() * 360
	  saturation = base_S + (random() * 20);
	  lightness = base_L + (random() * 20);
	  
	  #
	  hsl_to_rgb(hue, saturation/100, lightness/100)
	}
	getColor()
	c("#D53897", "#D66D6B", "#7FD0D9", "#C9D750")
	getColor(base_S=40)
	c("#C8559A", "#6F75D6", "#CD399E", "#7DD587")
}




# r, g, b = 0.0 - 1 (0 - 100%)
# returns h/s/l in a vector, h = 0-360 deg, s = 0.0 - 1 (0-100%), l = 0.0 - 1 (0-100%)
rgb_to_hsl <- function(r, g, b) {
  val_max <- max(c(r, g, b))
  val_min <- min(c(r, g, b))
  h <- s <- l <- (val_max + val_min) / 2
  if (val_max == val_min){
    h <- s <- 0
  } else {
    d <- val_max - val_min
    s <- ifelse(l > 0.5, d / (2 - val_max - val_min), d / (val_max + val_min))
    if (val_max == r) { h <- (g - b) / d + (ifelse(g < b, 6, 0)) }
    if (val_max == g) { h <- (b - r) / d + 2 }
    if (val_max == b) { h <- (r - g) / d + 4 }
    h <- (h / 6) * 360
  }
  return(c(h=h, s=s, l=l))
}
if(0){
  my.col=(col2rgb("#FFaabb")/255) |> as.vector(); my.col
  rgb_to_hsl(my.col[1], my.col[2], my.col[3])

  hsl_to_rgb(348, 1, 0.83)
  "#FFA8BA"
}

LAB 颜色模型

RGB 的优点是符合人的直觉，缺点是不符合人的直觉。听起来很矛盾，就是你感觉该这样，但可能太亮或太暗，不肉眼查看你无法确定你选择的一组颜色是否区分度好且美观协调。

Lab模式既不依赖光线，也不依赖于颜料，它是CIE组织确定的一个理论上包括了人眼可以看见的所有色彩的色彩模式。Lab模式弥补了RGB和CMYK两种色彩模式的不足。同RGB颜色空间相比，Lab是一种不常用的色彩空间。它是在1931年国际照明委员会（CIE）制定的颜色度量国际标准的基础上建立起来的。1976年，经修改后被正式命名为CIELab。它是一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。这也就意味着，它是用数字化的方法来描述人的视觉感应。

Lab颜色空间比计算机显示器甚至比人类视觉的色域都要大。Lab颜色模型由三个要素组成，一个要素是亮度（L），a 和b是两个颜色通道。 More1>> | 更多1>>.

理论上说，L*、a*、b*都是实数，不过实际一般限定在一个整数范围内：
- L越大，亮度越高。L为0时代表黑色，为100时代表白色。
- a和b为0时都代表灰色。
- a从负数变到正数，对应颜色从绿色变到红色。从深绿色（低亮度值）到灰色（中亮度值）再到亮粉红色（高亮度值）；
- b从负数变到正数，对应颜色从蓝色变到黄色。从亮蓝色（低亮度值）到灰色（中亮度值）再到黄色（高亮度值）。

- 我们在实际应用中常常将颜色通道的范围-100~+100或-128~127之间。

参考资料

http://www.cookbook-r.com/Graphs/Colors_(ggplot2)/
http://www.sthda.com/english/wiki/ggplot2-colors-how-to-change-colors-automatically-and-manually
https://github.com/DawnEve/ImmunogenomicLandscape-BloodCancers/blob/master/common_scripts/visualisation/plotting_functions.R

色彩 教程