Färgskalor

Färgskalor är ordnade uppsättningar färger som används inom grafisk design och datarepresentation för att visa hur ett värde förändras över ett område. En färgskala kopplar färger till numeriska värden eller kategorier och syftar till att göra data lätt att tolka visuellt. De vanligaste typerna av färgskalor är sequential (kontinuerlig), diverging och kvalitativ.

En sequential färgskala visar en ordnad progression, ofta från ljus till mörk färg eller från en färg till en mörkare nyans. Den passar kvantitativ data där högre värden uppfattas som starkare. Exempel inkluderar gråskala, blåskala och varma färgskalor. En diverging färgskala har en neutral mitt och två färgändar åt motsatta håll, bra när data har ett mittvärde. En kvalitativ färgskala används för kategorier utan inbördes ordning, där varje färg representerar en grupp.

Perceptuellt jämna färgskalor uppnås ofta med färgrum anpassade till människans uppfattning, till exempel CIE L*a*b* eller CAM02-UCS. Dessa används för att säkerställa att lika värdeskillnader ger liknande färgskillnader. Traditionella RGB-baserade skalor är inte alltid perceptuella. Många moderna paletter är perceptuella och inkluderar Viridis, Plasma, Inferno, Magma och Cividis, samt ColorBrewer-paletter. Dessa finns i verktyg som Matplotlib, seaborn och RColorBrewer. Vid färgdesign bör man också tänka på färgblindhet och tryckbarhet, och välja paletter som fungerar för färgblinda och i svartvitt.

Användning och skapande av färgskalor kräver noggrannhet: i datavisualisering ska skalan ge tydlig ordning och fungera över olika skärmar och i utskrift. För kvantitativ data bör kontrasten mellan nivåer vara jämn; för kategoriska data behövs olika färger som är distinkta. Vid skapande av paletter kan man utgå från perceptuella färgrum och justera ljushet i jämn takt samt testa paletten med färgblindhetstest.