最不错误的配色方案，第二版
<p>四年前，我写道“大意是：选择一个类别色彩调色板是一个优化问题。没有所谓的颜色是正确的。但如果你用对的成本函数和正确的爬坡方法，至少可以获得错误最少的颜色。</p><p>自从最初的帖子发布以来，我一直在慢慢地改进和尝试新的方法。现在我们已经过了奇点，我已经派了几个编程机器人上岗。让我很安心的是，我的许多假设都是正确的！<br><br>这些机器人已经能够改进代码，弥补了我自身知识中的一些空白。</p><p>今天，我发布了算法的更新版本，作为，以及.虽然还有更多事情要做，但我为自己能走到这一步感到自豪。</p><h2>有什么新动态</h2><h3>新评估员</h3><p>几乎在我发布第一个版本后，我就意识到成本函数非常适合模块化。除了最初的评估函数，我还可以设计新的，并为任何人提供一个可以插入自己版本的框架。<br><br>总结一下，我最初对良好类别颜色的标准，映射到评估函数：</p><ol> <li><strong>相似性</strong>——一种衡量不同调色板相似性的方法，有助于提供艺术指导和品牌一致性</li> <li><strong>能源</strong>——颜色应该彼此不同，这样才不会被混淆</li> <li><strong>分布范围</strong>——颜色之间的差异应保持一致，以避免出现意外的分组</li> <li><strong></strong>——模拟不同类型色盲（红-绿、蓝-黄、部分至完全三度盲）下的颜色</li> </ol><p>以下是新评估人员：</p><ol> <li><strong>JND</strong>——强烈拒绝使用含有两种或以上颜色过于相似的调色板</li> <li><strong>避免</strong>——相似度评估的镜像，将颜色从用户定义的集合中推开</li> <li><strong>对比</strong>——比较颜色，保持它们在.可与背景色搭配使用…</li></ol>
评论
点赞
收藏
