色彩是我们感知世界的一扇窗户。在UI设计中，这更是真理。人对色彩的视觉感知，引导着人的思维，改变着大脑的预测、理解和决策过程。

这么说或许有点深奥。其实，从小开始，你就在潜移默化中，掌握了色彩背后的深层含义。走在路上，看到红色的标语，你会停下脚步；看到信号灯上的绿色数字，你会悠闲地通过。阅读时，你会先读黑色字体，再读灰色字体。上网时，你会点击界面的蓝色区域……这是我们对色彩的“直觉”。

这种“直觉”根深蒂固，用户体验产品时也离不开它的影响。 

从表面上看，配色并不难。但是，在大规模的产品设计中，简单的问题也变得非常复杂。假设一家公司有数千名设计师，他们各司其职，各自为产品配色。要保证所有产品配色一致，公司的色彩系统“肩负重任”。而且，在设计师看来，配色这么简单的事情，一次性搞定就够了。所以想做到配色一致非常困难。

我对此深有体会，我所在的团队负责构建和维护 Lyft 的设计系统——“Lyft 产品语言”。今年早些时候，我们几乎淹没在问题的海洋中：如何使用色彩？如何添加色彩？如何修改？如何快捷地配色…… 随着公司设计和工程队伍的壮大，问题的数量与日俱增。

很明显，Lyft 现有的色彩系统已经不堪重负。唯有另辟蹊径，问题才有解决的可能。 为此，我们决定打破对色彩系统的固有认知，重新构建色彩系统。

更系统地命名 

在盘点用过哪些色彩时，我们发现了许多“历史遗留问题”，整个盘点过程如同考验眼力和脑力的考古挖掘。“月球色”、“石板色”和“骨头色”都属于灰色，“桑葚色”、“紫红色”和“紫罗兰色”都属于紫色，但我们很难根据名称进行区分。

对我们而言，这是一个大问题，尤其是 Lyft 标志性的粉色，我们在产品中总共发现了15种不同的粉色（如下图所示）。

首先，我们想搞明白为什么色彩命名如此碎片化。 我们发现，不同的人（尤其是来自不同学科背景的人）描述色彩的方式存在根本差异。 

如今看来，这个发现显而易见，但刚开始时并不是如此。 所以，我们首先要做的是，让设计师和工程师在探讨配色问题时，能够使用统一的词汇。 也就是说，色彩命名不是没有条理的，而是符合逻辑推断的。 从本质上讲，我们需要一门有助于配色工作的语言。 

我们发现，人们在谈论色彩时会传达两个基本信息。 一个信息是色相（hue），对应于色相环上的某个部分。另外一个信息是色彩的亮度（lightness），起修饰作用。 所以，你常常听到“淡蓝色”、“暗绿色”、“深红色”等说法。我们命名时也遵循这一原则。

我们深知，让这门新语言真正成为日常交流的一部分，才是最难做到的。 因此，它必须有较高的性价比，或者说，简单易学，使用效率高。

因此，对于色相的命名，我们尊重人们已有的语言习惯。对于常见的色相，我们直接照搬色彩学术语，例如：蓝色、绿色和红色。 对于更复杂的色相，我们选择较短、易于拼写、易学的单词，如薄荷色（mint）、鸭翅绿（teal）、玫瑰色（rose）等，一门能够长期使用的语言必定是严密的。

所以，我们不放过每一种可以想到的色彩，并找到相应的色相，力求全面。 因为色相只有 360 种，我们不必担心未来色相的数目会增加。我们可以把色相的名称进行组合，无须改动语言的基本结构（比如：霞红色（red-sunset）或粉紫色（pink-purple））。

（Lyft 使用的16色色相环）

至于亮度的描述，我们没找到一个现成的很好的方法。 于是，我们决定从0到100进行赋值，0代表亮度最高，100 代表亮度最低。 唯一要注意的是，赋值时要做到有据可循。例如：如果以后我们突然发现，存在比 100 更低的亮度，有可能每一种色彩都要重新赋值，Lyft的每一个员工都要重新接受培训。 所以我们必须准确定义亮度赋值方法。 后文中我们会加以阐述。

现在，我们有了属于 Lyft 的命名系统。每一种色彩的名称都包含两个信息——色相和亮度。 例如：“红色 60”是中红色，“蓝色 10”是一种非常亮的蓝色。简单易学，表述准确，这两个方面我们都做到了。

更精确地选择色彩 

几乎全部的色彩系统都是相似的，或者说，用的是同一种配色方法。设计师会先用 Illustrator、Photoshop 或 Sketch 等工具选择一种色彩，再用叠加的方法调节亮度，获得想要的效果。这是一种被普遍使用的经典方法。

虽然这种方法短期内有效，但它的成果容易“过期”。 例如：更换色系的时候，我们无法完全重复之前的操作。 即使让同一个设计师来做，他也很可能做不到。这是因为我们配色时纯粹依靠肉眼，但人眼不是精确的机器。饮食、环境、配色工具或方法的变化，都会大大改变人的视觉感知。 因为经典方法不是长期有效的，我们必须找到一种新的方法。

于是，我们转向更严谨的数学方法，尝试用编程解决问题。 但是，我们对现有编程的效果并不满意，因为相同的编程方法应用于不同色相时，得到的结果时好时坏。

注：相同的编程方法，不同的结果：蓝色色系中有较多种可用的色彩，但黄色色系中，除了最上方的其他几种都不可用。

我们发现：这是由不同色域（color space）的巨大差异造成的。常见的编程方法算法单一，而色域的多样性要求我们用更灵活的方法。

正常肉眼可见的黄色和绿色的色域，比蓝色和红色的色域大

我们把这个难题看作一个改进数学方法的机会，问题的关键在于：我们希望配色时更有“控制感”，包括亮度、色相和饱和度三方面的控制。 对于亮度，在界面中，我们不需要做到均匀分布，只会关注0-100 中间的几个亮度值。 相较之下，我们更需要控制好色相和饱和度（saturation）的演变。

常见编程工具的算法都是，在控制色相和饱和度几乎不变的条件下，以固定的亮度值间距逐层推进演算，输出每一层的结果。我们决定更进一步，利用色彩的三维模型构建新的算法。 

小提示：这一小节的后半部分包含较多术语，所以，如果您想了解算法的原理，请继续阅读。 如果您不感兴趣，请跳至下一小节。

色彩最好用三维模型表示，因为我们可以从色相（底面）、饱和度（右侧）、亮度或明度（左侧）三个维度确定一种色彩。

如图所示的三维模型包含了所有可能的色彩，“盒子”中的每个点代表一种色彩。

与任何算法一样，首先，我们要确定算法的输入（inputs）和输出（outputs）是什么。 对于输出，我们希望得到色相相同、亮度不同的一组色彩。 如果要构建一个完整的色彩系统，我们需要重复该算法，得到每种色相对应的色彩。

那么，算法应该输出多少种色彩呢？

在 Lyft，我们的答案是 11 种。也就是说，算法会输出编号为0、10、20 直至 100 的 11 种颜色。

解决了输出数目的问题，我们还要解决输入的问题。首先，我们会在 0-359 之间选择一个整数区间，代表色相的范围。区间的大小取决于色相的种类。如果色相为红色，区间一般较小；如果色相为黄色，区间一般较大，我们也会根据实际需要扩大或缩小区间。

其次，我们需要输入饱和度的范围。 饱和度的取值范围是 0 到 1。在算法中，我们添加了调整饱和度的功能，可以快速优化输出的结果。我们既可以提高品牌标志性颜色的饱和度，也可以降低饱和度，达到灰度滤镜的效果。 

最后，我们需要输入光度值。 光度与饱和度一样，都在 0 到 1 之间取值。 你可能会注意到，当我们调整光度时，其他轴上所代表的指标也会跟着变动。 这是因为在三维模型中，所有色彩指标都是紧密关联、相互影响的。 

一旦我们输入上述三项内容，算法就会输出我们想要的色彩。

有了新的算法，我们不再靠肉眼选择颜色。如今，更换设计师或者工具都不会影响配色结果。我们还能根据不同时期的需要，快速变换或者增减色彩。

无障碍设计？So easy! 

在Lyft，配色最基本的要求是：用户使用时，不存在视觉障碍。我们过去被迫使用第三方工具，手动检查色彩对比度（color contrast ratio，色彩对比度足够高，内容才容易辨识）。我们希望能摆脱对第三方工具的依赖，帮助我们非常轻松地设计出用户体验良好的产品。

为了做到这一点，我们充分利用前两小节所描述的工作成果。我们控制亮度值不变，同时，要求色彩对比度必须达到 4.5:1。算法输出的11种色彩中，编号为0-50的色彩适用于黑色背景，编号为 60-100 的色彩适用于白色背景。

通过编号，我们就足以判断色彩对比度是否达标。 举个例子，设计师或工程师能马上判断“红色 50”在白色背景中不能使用，而“红色 60”可以。

添加系统维护工具 

到此为止，构建色彩系统的目标已基本完成。在之前的色彩系统中，纠错和维护的工具很少。所以，我们为工程师构建了一个在代码库中“穿梭”的迁移工具，可以把现有的色彩代码导入到新系统中。 我们还构建了防火墙，防止代码库中混入新的色彩代码。

现在，轮到你大展身手了 

在 Lyft，我们相信未来是包容开放的，任何人都可以设计产品并获得成功。 我们认为，为了让未来成为现实，我们都需要考虑如何构建更便捷的产品，并付诸行动。

Enjoy!

原文链接：https://design.lyft.com/re-approaching-color-9e604ba22c88

翻译：即能，公众号：即能学习

本文由 @即能 翻译发布于人人都是产品经理。未经许可，禁止转载

题图作者提供