Enthought
因老旧Jet色图导致严重视觉失真乃至医疗误诊,开发团队基于CAM02-UCS感知色彩空间重构出平滑单调的Viridis,并在Matplotlib 2.0中确立为新一代默认色彩映射表。
AI-assisted summary of A Better Default Colormap for Matplotlib | SciPy 2015 | Nathaniel Smith and Stéfan van der Walt — original source. Check the original for full context.
Source published:
Key ideas
- 针对旧默认色图 Jet 导致医疗诊断耗时翻倍、误诊率上升等严重感知失真问题,开发团队宣布为 Matplotlib 打造全新的默认色彩映射表方案。 (0:00)
- 团队规避了 MATLAB 专有色图 Parula 的授权限制,依托现代色彩科学模型 CAM02-UCS 实现了全程导数平直的严苛感知均匀性。 (9:02)
- 基于贝塞尔曲线交互工具与社区反馈,团队正式推出全新默认色图提案 Viridis,兼顾色盲群体友好性与黑白打印可读性。 (14:31)
- 包含 Viridis 及全新默认视觉样式规范的 Matplotlib 2.0 计划在数月内正式上线,四款候选色彩方案均将向社区开放。 (18:08)
Detailed notes
## Background 本内容由 Enthought 频道于 2015 年 7 月 8 日发布在 YouTube 平台上,记录了 SciPy 2015 大会上 Nathaniel Smith 和 Stéfan van der Walt 的演讲。视频简介显示该演讲为 SciPy 2015 大会系列报告与教程的一部分,核心围绕为 Matplotlib 设计更优质的全新默认色彩映射表展开。
## TL;DR 演讲直面了 Matplotlib 长期默认的色彩映射表 Jet 所导致的严重视觉失真与误导性,并从物理光学、视网膜三色感知及人脑知觉模型(CAM02-UCS)出发,系统阐明了感知均匀色彩空间的设计原理。团队克服了传统 CIELAB 空间的局部感知缺陷,针对色盲群体和黑白打印场景设定了几何约束,开发出可精确计算知觉导数的工具。最终,他们打破了开源社区关于审美的“自行车棚效应”争论,正式推出了平滑无伪影的全新默认色图 Viridis,并规划在 Matplotlib 2.0 中全面落地。
## Atmosphere & style 演讲氛围极其轻松幽默且充满自嘲,主讲人 Nathaniel 口才出众、妙语连珠,开场便调侃搭档负责在台上撑颜值,巧妙化解了硬核色彩科学的枯燥感。从列举 Jet 可能造成医疗误诊的严肃现实,到生动拆解大脑视觉处理如同“电闪雷鸣”,再到吐槽开源社区民主决策无用与“自行车棚效应”,整个叙事节奏紧凑而引人入胜。观众在阵阵欢笑中既能感受到严谨的科学推导,又能体会到开源开发者攻克技术顽疾时的纯粹与执着。
## Bulletin - [00:00](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=0s) 针对旧默认色图 Jet 导致医疗诊断耗时翻倍、误诊率上升等严重感知失真问题,开发团队宣布为 Matplotlib 打造全新的默认色彩映射表方案。 - [09:02](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=542s) 团队规避了 MATLAB 专有色图 Parula 的授权限制,依托现代色彩科学模型 CAM02-UCS 实现了全程导数平直的严苛感知均匀性。 - [14:31](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=871s) 基于贝塞尔曲线交互工具与社区反馈,团队正式推出全新默认色图提案 Viridis,兼顾色盲群体友好性与黑白打印可读性。 - [18:08](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=1088s) 包含 Viridis 及全新默认视觉样式规范的 Matplotlib 2.0 计划在数月内正式上线,四款候选色彩方案均将向社区开放。
## Key takeaways - [00:00](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=0s) 色彩映射表本质上是数据与人类大脑之间的感知接口,低劣的默认配置会在现实应用(如临床心脏病诊断)中引发显著误诊和效率低下。 - [00:00](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=0s) MATLAB 虽已推出更优的默认色图 Parula,但因商业专有授权限制,开源生态必须从底层独立构建全新的通用解决方案。 - [02:43](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=163s) 通用默认色图的设计标准包括视觉美观、纯顺序型单调结构、数据感知的真实等比例还原,以及对黑白打印和色盲的无障碍支持。 - [04:36](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=276s) 人类视网膜的三类视锥细胞将连续高维光谱投影为三维神经电信号,其线性代数投影构成了 CIE 1931 XYZ 颜色空间的基础。 - [09:02](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=542s) 人脑具备环境光白平衡归一化机制,将物理刺激压缩为包含亮度轴、蓝-黄轴与红-绿轴的三维异形知觉色彩空间。 - [09:02](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=542s) 团队选用最新的 CAM02-UCS 颜色空间,克服了传统 CIELAB 无法准确衡量邻近颜色微小知觉距离的缺陷。 - [12:09](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=729s) 红绿色盲是由于视锥细胞演化重叠与基因变异所致,色图必须沿蓝-黄轴展开并确保感知亮度严格单调递增以保证可读性。 - [12:09](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=729s) 通过对 CAM02-UCS 空间的欧几里得距离求导,可以定量检测色图的感知均匀性;理想色图的导数应呈现水平平直直线。 - [12:09](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=729s) Parula 基于 1976 年 CIELAB 空间优化,导致其感知导数存在明显波动,并在低端暗部留有一道难以忽视的感知明度突变拐点。 - [14:31](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=871s) 开发出交互式贝塞尔曲线生成器后,极低的设计门槛引发了开源社区典型的“自行车棚效应”,最终采纳核心开发者建议引入绿色打破僵局。 - [14:31](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=871s) 全新默认色图 Viridis 沿着深蓝至浅黄路径展开并融入绿相,拥有比 Parula 更平滑的色相过渡和更广的明度跨度。 - [18:08](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=1088s) Matplotlib 2.0 将在保持底层兼容性的同时,全面换装 Viridis 与全新的默认视觉样式,相关设计工具亦支持用户自制感知均匀色图。
## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=0s) 缘起:Matplotlib 默认色彩映射表与臭名昭著的 Jet
Nathaniel Smith 开门见山地幽默介绍自己和搭档:“I'm Nathaniel. This is Stefan. I'll be doing the talking. He's here to look pretty.”(我是 Nathaniel,这位是 Stéfan。演讲由我来负责,他负责在台上撑颜值。)本次演讲的核心目标,是展示他们如何为 Matplotlib 设计一个全新的默认色彩映射表(colormap),并希望这一成果被官方合并以及被社区广泛采用。
```mermaid flowchart LR accTitle: 数据到大脑的视觉通道 accDescr: 展示原始数据通过色彩映射转换后输入人类大脑的过程。 A["数值数据<br/>(无直观意义)"] --> B["色彩映射表<br/>(Colormap)"] B --> C["RGB 颜色信号"] C --> D["人脑认知<br/>(识别数据结构)"] ```
色彩映射之所以不可或缺,是因为面对一堆冰冷的裸数据时,肉眼往往难以理出头绪;只有将各个数值映射到对应的颜色,人脑才能瞬间洞察数据背后的拓扑与结构。色彩映射表本质上是“连接数据与大脑的接口”。然而,并非所有色彩映射表都能胜任此职。谈及反面典型,首当其冲的便是让所有人“爱恨交加”的 Jet。Jet 闻名遐迩的原因不仅在于流行,更在于它对数据造成的严重视觉失真。Nathaniel 援引了一项令他印象深刻的研究:科学家对医生利用细胞显微成像诊断心脏病的临床软件展开了用户体验调研。该工具默认采用 Jet,医生们早已习惯于此;在被问及偏好时,医生普遍表示:“Oh yeah, that one. We like it. It's colorful and stuff.”(对,就是那个,我们挺喜欢它,颜色鲜艳。)然而实测数据显示,使用 Jet 时,医生的诊断耗时足足翻倍,而且误诊率显著升高。
> “Like it's a joke but like it's I don't know it may have killed people right like this defaults matter right so so okay not jet but then you have the problem of what do you do instead.” —— Nathaniel Smith
- 默认配置关乎重大:医疗诊断案例表明,低劣的默认色彩甚至可能会在现实中造成致命后果。 - 替代方案的专利困局:MATLAB 在让用户饱受 Jet 折磨多年后,于前一年推出了全新的默认色彩表 Parula(以一种鸟类的学名命名)。Parula 表现良好,但由于商业授权限制,开源界无法直接取用。 - 开源精神驱动:由于拿不到现成可用的优秀方案,开发团队决定从零自研。Nathaniel 自嘲道:“Fine, we'll do it ourselves. How hard can it be? Coincidentally, this slide also explains why it took me seven years to get my PhD.”(好吧,我们自己造。能有多难呢?巧的是,这张幻灯片也正好解释了为什么我花了整整七年才拿到博士学位。)
---
[02:43](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=163s) 新色彩映射表的设计标准与色彩理论初探
既然要自制全新的默认色彩映射表,团队确立了一组核心设计规范:
1. **色彩丰富且具有美感**:必须色彩鲜艳并且赏心悦目,如果不够美观,用户便不会愿意主动采用。 2. **纯粹的顺序型设计(Sequential)**:作为泛用型默认表,无法预知用户数据的先验特征,因此不能假设数据含有中心发散或循环结构。 3. **忠实呈现数据**:彻底根除 Jet 的失真问题,保证数据数值上的客观变化量,在被人类视觉系统接收后能够引起等比例的主观感知变化。 4. **打印友好性与无障碍设计**:黑白打印时依然清晰可辨,并确保对色盲及弱视群体保持良好的可读性。
为了实现这些技术指标,必须厘清色彩科学。许多人对色彩机制存在认知模糊或误解,Nathaniel 梳理了图像从屏幕抵达大脑的完整物理与生理链条:
```mermaid flowchart TD accTitle: 从屏幕显示到大脑感知的物理生理全流程 accDescr: 展现从数值经 RGB、光子、视网膜投射至大脑主观认知的阶段。 subgraph 物理呈现 D1["数据 (Data)"] --> CM["色彩映射表 (Colormap)"] CM --> RGB["RGB 信号"] RGB --> M["显示器发射光子"] end subgraph 生理感知 M --> R["视网膜感受器 (L/M/S 视锥细胞)"] R --> E["电化学神经信号 (3D 向量)"] E --> B["大脑主观色彩感知"] end ```
针对主观认知形成的末端机制,Nathaniel 诙谐地调侃道:“The photons hit your eye in particular the sensor at the back the retina which creates some electrochemical signal which goes to your brain and then that somehow gets turned into subjective perception by a process involving lightning.”(光子击中眼球后部的视网膜传感器,产生某种电化学信号传输到大脑,接着通过某种伴随着电闪雷鸣的过程转化为感知。)
---
[04:36](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=276s) 线性感知投影:从无限维光谱到 CIE XYZ 空间
理解视觉机制的第一步是认识光的真实属性。很多人误以为单颗光子的波长数值就代表光本身,但现实中的光源大多由无数不同波长的光子混合而成。除了单波长激光这类特例外,常规光源在数学上表现为定义在各波长光子数量上的极高维(乃至无限维)连续向量。
人类视网膜拥有三类感光视锥细胞(长波 L、中波 M、短波 S)。当高维光谱入射眼睛时,三类细胞相当于对光谱执行内积投影运算,直接输出一个三维向量信号并传递给大脑。这种降维机制具有极佳的线性代数特性:
$$V_{\text{signal}} = \mathbf{P}_{\text{retina}} \cdot \mathbf{S}_{\text{spectrum}}$$
高维空间经由线性变换坍缩至三维空间后,必然产生庞大的高维零空间(null space)。这意味着无数种截然不同的光谱组合(同色异谱现象)能够激发完全相同的三维神经电信号。但在感知工程中,只要两束光谱产生的视神经三维输出等价,就无需追踪其底层光谱的微观差异。这一特性奠定了现代色彩管理的基础——**CIE 1931 XYZ 颜色空间**,它本质上就是为视网膜接收到的三维空间选取的一套基底。
```mermaid flowchart LR accTitle: 光谱向 CIE XYZ 空间的线性投影 accDescr: 高维非负光谱空间投影为三维锥体并截面展示为色度图。 A["高维光谱向量<br/>(非负正象限)"] -->|"线性内积投影"| B["3D 信号空间<br/>(三维锥体)"] B -->|"单形截面 X+Y+Z=1"| C["二维马蹄形色度图<br/>(CIE 1931 Chromaticity)"] ```
- **非负性与锥体结构**:由于特定波长的光子数不可能为负,高维光谱被限制在非负象限内;投影到三维空间后,所有可见颜色便构成一个以原点为顶点的凸锥体。 - **单形截面(Simplex Slice)**:通过在 $X + Y + Z = 1$ 处切出一幅截面,即可获得色彩领域常见的二维马蹄形色度图。该平面的几何外形虽由所选基底决定,但其线性投影性质至关重要。 - **凸包与混合光谱**:单波长激光落在色度图边缘的连续曲线(光谱轨迹)上。将两束激光(如红光与绿光)混合,混合光谱是两者的线性组合;在线性投影保持下,合成色严格落在两点连线之上,从而生成黄色。自然界所有真实色彩的集合,正是这些单色光点所围成的凸包(convex hull)。
对于显示器工程师而言,这一机制带来了极大的便利:显示设备无需模拟大自然的真实连续光谱,每个像素只需包含三颗不同颜色的微型发光单元(RGB),通过调节其发光强度在 XYZ 空间中进行线性混合。屏幕能渲染的所有色彩,完全受限于这三个基色坐标点在色度图内构成的三角形区域(色域)。至于输入信号到实际光子输出强度的非线性响应曲线(Gamma 曲线),Nathaniel 解释道,这完全是因为早期的阴极射线管(CRT)物理特性即是非线性的,而现代显示设备为了保持兼容性,仍在持续模拟 CRT 的响应行为。
[09:02](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=542s) 人类视觉系统的感知机制与色彩空间演进
在讨论了显示器与发光物理学之后,演讲者指出接下来面对的是人脑视觉系统这一终极环节。虽然物理层面的链路看似简单,但人脑的视觉处理网络由无数复杂的生物计算单元构成,根本无法精确建立微观模型。研究人员采取的方法是“曲线拟合”(Curve Fitting),针对人类关心的具体知觉特性建立足够优秀的近似数学模型。感知到的光线与打入视网膜的光线之间并非一一映射关系,眼睛存在自适应的“白平衡归一化”(White-point Normalization)机制:在大白天看到明亮物体并不觉得刺眼,但在漆黑深夜看到强光就会觉得亮得晃眼。演讲者展示了轰动一时的“蓝黑/白金裙子”视错觉示例,指出两幅图中裙子区域的底层像素其实完全一致,但因为大脑分别假设了不同环境光(蓝光环境 vs. 偏黄光环境),产生了截然不同的颜色认知。
```mermaid flowchart TD accTitle: 从三色光到感知色彩空间的处理流程 accDescr: 展示环境光信号经过视网膜视锥细胞与大脑白平衡归一化后,映射至三维知觉色彩空间的流程。
subgraph Retina ["视网膜感光阶段"] A["外界光信号"] --> B["三类视锥细胞感知 (L, M, S)"] end
subgraph Brain ["大脑知觉阶段"] B --> C["环境光白平衡归一化"] C --> D["三维知觉色彩空间 (CAM02-UCS)"] end
subgraph Axes ["感知色彩空间三轴"] D --> E["亮度轴: 黑 ↔ 白"] D --> F["色度轴 1: 蓝 ↔ 黄"] D --> G["色度轴 2: 红 ↔ 绿"] end ```
这种大脑归一化机制将 CIE XYZ 无穷大的视锥空间压缩为一个截断的三维异形感知体(Perceived Colors Blob)。该空间的竖轴代表亮度(黑到白),两个水平轴分别代表蓝-黄维度与红-绿维度。为了在算法中模拟这一知觉空间,色彩科学经历了长足的发展:1976 年提出的经典 CIELAB 空间非常精简,“在即将到来的 Python 3.5 中可以用矩阵乘法运算符一行代码写出来”,当时主要依靠桌面计算器辅助运算;而更先进的 CIECAM02 则包含长达四页纸的复杂方程组。
CIELAB 的初衷是通过欧氏距离来近似色彩相似度,但在色相均匀性上表现欠佳(同一直线上的颜色感知色相并不一致);CIECAM02 在色相准确性上极高,却未针对距离度量优化。因此团队选用了更新的 **CAM02-UCS** 空间,它保留了 CIECAM02 极高的色度准确性,并对其几何空间进行非线性变换以精确匹配知觉色彩距离。正如演讲者所言: > “So what we're going to be using is this even newer space called CAM02-UCS, which is just built—you start with CIECAM02 and you sort of transform it to make the distances work.”
- CIELAB 包含两层亮度非线性变换:显示器自身的 Gamma 曲线之外,人眼对亮度的感知本身也具有非线性。 - CAM02-UCS 融合了色彩科学近三十年的最新成果,能够同时精确预测人类色相感知与邻近颜色的知觉距离。
---
[12:09](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=729s) 色盲建模、诊断工具与 Parula 瑕疵剖析
将数据精确映射到大脑感知空间后,还必须兼顾色盲人群的视觉体验。人类视网膜中最常见的三种主要感光细胞中,红绿感光细胞在进化树上分化极晚,是由同一基因复制并发生轻微突变演化而来的,彼此吸收光谱高度重叠。由于序列极度接近,细胞在减数分裂和复制过程中极易发生混淆与重组,导致大多数色盲患者要么这两种细胞的响应曲线变得更接近,要么缺失其中一种。反应在大脑信号层面,红-绿差异信号被大幅削弱甚至抹除,三维色彩空间沿红-绿轴被强烈压缩。
为了全方位审视色图表现,团队开发了一款专门的可视化分析工具。该工具能将任意色图绘制在 3D CAM02-UCS 空间中,均匀采样的数据点如果分布不匀,就意味着感知速度不一致。工具还通过对色彩距离求导,直观展示色图的“感知导数曲线”——一个具备感知均匀性(Perceptually Uniform)的理想色图,其导数曲线应当是一条平直的水平线。在这一检测标准下,老旧的 Jet 漏洞百出:导数剧烈震荡、非均匀性极严重,在色盲与黑白打印模式下完全失效。
```mermaid flowchart LR accTitle: 色图知觉导数与均匀性评估 accDescr: 对比理想色图、Jet 与 Parula 在色彩空间导数与知觉均匀度上的表现差异。
A["色彩采样步长"] --> B["CAM02-UCS 空间欧几里得距离"] B --> C["知觉导数分析"] C --> D1["理想色图: 导数水平平直 / 无条带伪影"] C --> D2["Jet: 导数剧烈震荡 / 缺乏感知均匀性"] C --> D3["Parula: 基于 CIELAB 优化 / 邻近颜色知觉有拐点"] ```
随后演讲者将目光转向 MATLAB 引入的新默认色图 Parula。Parula 相比 Jet 虽有显著提升,但导数曲线上存在肉眼可见的波动,甚至在低端暗部有一道突兀的感知明度拐点(Kink)。演讲者直言: > “Like there's definitely—once I saw this, you suddenly noticed there's this weird band at the bottom which once is seen cannot be unseen.”
Parula 之所以产生这种肉眼可见的瑕疵,是因为 MathWorks 在设计时是基于 1976 年的 CIELAB 空间进行均匀化优化的。CIELAB 在评估大跨度的远距离颜色时虽然不错,但在预测“邻近颜色间的细微差异”(Nearby Colors)时表现极其糟糕,而保持局部导数平滑正是实现知觉均匀的关键所在。
---
[14:31](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=871s) 新默认色图设计约束与“给自行车棚挑颜色”的决策困境
既然能精确量化色图表现,也可以反向操作:给定数学约束与几何路径,直接逆向解算出理想的颜色映射。例如设定恒定感知亮度,在水平切面上画一个圆,短短一行调用库的代码背后凝结了上百年的色彩理论成果,即可生成用于展示风向切变或相位变化的环形色图(Circular Colormap)。然而,为 Matplotlib 设计通用的默认色图则面临更严苛的全局几何限制:
1. **色盲友好性**:主色调轴必须沿着“蓝-黄”轴展开,避开红-绿轴; 2. **黑白打印友好性**:感知亮度(Lightness)必须从暗到亮严格单调递增; 3. **空间几何边界**:在知觉色彩空间中,根本不存在“深黄色”到“浅蓝色”的物理实体,唯一的通道是从深蓝走向浅黄。
自顶向下俯视整个色彩几何体,从深蓝到浅黄主要有两条可选的外绕路径。由于 MATLAB 的 Parula 已经选了一条,加上另一侧在色彩空间中有更大的可操作余量,团队决定“走自己的路”,选择反向外绕。
| 评估维度 | 旧默认色图 Jet | MATLAB 默认色图 Parula | Matplotlib 提案 Viridis | |:--- |:--- |:--- |:--- | | **设计色彩空间** | RGB 原生渐变 | CIELAB | CAM02-UCS | | **感知均匀性 (导数)** | 极差,剧烈剧烈震荡 | 较好,但低阶邻近色彩有突兀拐点 | 极高,全程导数曲线平直 | | **色相与明度设计** | 多色调无序循环 | 蓝-黄主轴,包含绿/黄过渡 | 深蓝至浅黄单调明度递增,融入绿相 | | **特殊场景兼容** | 红绿色盲失真,灰度打印崩塌 | 兼容色盲与灰度打印 | 完美兼容色盲与黑白打印 |
团队随后开发了贝塞尔曲线交互式色图生成器,支持设定亮度起止点并在二维切面上拖拽控制点,同时实时监控色域裁剪(Gamut),短短两分钟就能设计一款全新的均匀色图。但这却引发了开源社区管理中经典的“自行车棚效应”(Bikeshedding)——当每个人都能在两分钟内造出一套色图时,众口难调的争吵将导致永远做不出决定。
演讲者自嘲地表示,为了打破僵局,他们精选了三款备选方案并发起社区邮件列表投票,结果发现“民主毫无用处(Democracy is useless)”。此时核心开发者 Eric Firing 提出质疑:为什么不把绿色加进去?团队随后引入绿色并经过微调后恍然大悟:原先的技术指标虽然完备,但漏掉了最具决定性的一条感知标准——“里面必须得有绿色”。正如演讲者直率总结道: > “I don't really care. I just want us to pick something and get rid of Jet.”
```mermaid flowchart TD accTitle: 新默认色图 Viridis 的设计与决策历程 accDescr: 展现从技术约束制定、交互设计到社区反馈最终选定 Viridis 的完整闭环。
A["确立核心约束<br/>(深蓝→浅黄 / 亮度单调)"] --> B["开发贝塞尔曲线设计工具"] B --> C["设计三款初始候选方案"] C --> D["社区投票陷入'自行车棚'争论"] D --> E["Eric Firing 提议: 必须包含绿色"] E --> F["诞生最终方案: Viridis"] ```
最终,团队正式推出了全新的默认色图提案——**Viridis**(拉丁语意为绿色)。为了契合 Python 社区的调性,它以一种绿色的蛇命名(如果不喜欢蛇,也可以当成某种鸟或鱼)。相比于 Parula,Viridis 拥有更大的明度跨度、更柔和的色相过渡,完全消除了 CIELAB 引起的明度突变折痕,并且将在 Matplotlib 的下一个版本中作为全新默认色图全面上线。
[18:08](https://www.youtube.com/watch?v=xAoljeRJ3lU&t=1088s) 确定默认色图、命名计划与 Matplotlib 2.0 展望
在展示了多款候选色图之后,演讲者针对观众可能出现的偏好分歧进行了说明。大家即便更喜欢第二种方案也没有关系,所有候选方案未来都可以供大家选用,而核心任务只是从中敲定一个官方默认选项。现场有人提出这些候选色图急需正式命名的要求,对此演讲者幽默地安抚道,名字肯定会有的,但目前的策略是先确定最终入选的方案,再正式赋予名称。演讲者开玩笑地表示:“You can't name thing and then kill it, you know.”(你总不能给某个东西起了名字,然后再把它给废弃掉吧)。此外,如果展示的这四种候选色图依然无法满足特定需求,用户完全可以借助他们提供的工具自行生成专属色图。
随后,演讲者公布了项目的后续推进规划:Matplotlib 2.0 预计将在接下来的几个月内正式发布。这个大版本在底层兼容性上将与前一个版本保持一致,主要变化在于带来了更优秀的视觉样式规范、全新的默认色图以及其他一系列默认配置优化。针对开源社区热衷于视觉争议的特点,演讲者打趣说很难想象现场会有人没有自己的看法,因此特别邀请大家参与线下讨论:“If you have opinions, we'll have a BoF tomorrow at 1 pm to discuss how Matplotlib should change its defaults to make be better for everyone.”(如果大家有任何意见或想法,我们明天下午 1 点将组织一场 BoF 专题讨论会,共同探讨 Matplotlib 应当如何调整默认设置,让每个人都能获得更好的体验)。演讲在掌声与准时完赛的轻松氛围中顺利收尾。
- **命名与方案选择**:展示的四款候选色图都将保留供社区使用,团队会在最终敲定默认方案后再为其赋予正式名称,避免过早命名后再将其废弃。 - **自定义色图生成**:配套的代码和算法不仅用于生成候选色图,也支持用户根据感知均匀色彩空间构建专属的新色图。 - **Matplotlib 2.0 发布规划**:新版本将于数月后推出,核心更新聚焦在美化默认样式体系(styles)并正式启用全新的默认色图。 - **社区 BoF 讨论会**:大会次日下午 1 点安排了“Birds of a Feather”(BoF)自由讨论环节,针对 Matplotlib 默认配置改革广泛收集用户与开发者的反馈意见。
## Mentioned Nathaniel Smith, Stéfan van der Walt, Eric Firing, Matplotlib, Jet, MATLAB, Parula, CIE 1931 XYZ, CIELAB, CIECAM02, CAM02-UCS, Python, Viridis, SciPy 2015, MathWorks
## Video description Complete SciPy 2015 Talk & Tutorial Playlist here: http://ow.ly/PHjEN
[Source](https://www.youtube.com/watch?v=xAoljeRJ3lU)