Paletas seguras para daltonismo em figuras científicas: a referência definitiva Okabe-Ito | SciDraw AI - Ferramenta de IA para figuras cientificas | Graphical Abstract e TOC online
2026/06/07
Paletas seguras para daltonismo em figuras científicas: a referência definitiva Okabe-Ito
Códigos HEX exatos da paleta Okabe-Ito de 8 cores, por que ela funciona para deficiências na visão de cores, como aplicá-la e ferramentas para verificar suas figuras.
A cor é uma das ferramentas mais poderosas na comunicação científica — e uma das mais frequentemente mal utilizadas. Aproximadamente 8% dos homens e 0,5% das mulheres de ascendência do norte europeu têm alguma forma de deficiência na visão de cores (DVC). Em um público de pesquisa global, isso pode facilmente significar que um revisor, membro de comitê ou editor em cada dez não consegue distinguir o vermelho cuidadosamente escolhido do seu verde.
Escolher uma paleta segura para daltonismo não é apenas uma gentileza de acessibilidade; é parte da comunicação científica rigorosa. Este guia oferece tudo o que você precisa para fazer essa escolha corretamente, começando com a opção de referência que a maioria dos cientistas usa: a paleta Okabe-Ito.
O que você vai aprender:
Os códigos HEX (e RGB) exatos da paleta Okabe-Ito completa de 8 cores
Por que essas cores são matematicamente seguras para os três tipos mais comuns de DVC
Regras práticas para aplicar a paleta em gráficos de linha, barras, dispersão e figuras com múltiplos painéis
Paletas alternativas seguras para daltonismo e quando preferi-las
Ferramentas gratuitas para simular e verificar a segurança para DVC antes da submissão
A paleta foi proposta por Masataka Okabe e Kei Ito em seu guia de 2008 "Color Universal Design (CUD)", publicado pela organização japonesa sem fins lucrativos Color Universal Design Organization (CUDO). O objetivo era um conjunto pequeno e prático de cores que permanecessem distinguíveis sob as três formas mais prevalentes de DVC:
Deuteranopia / deuteranomalia — sensibilidade reduzida ao verde (a mais comum em homens)
Protanopia / protanomalia — sensibilidade reduzida ao vermelho
Tritanopia / tritanomalia — sensibilidade reduzida ao azul (rara, ~0,003%)
A paleta consegue isso distribuindo cores por regiões do espaço de resposta dos cones LMS que permanecem separáveis após os deslocamentos típicos de resposta dos cones observados em cada condição. Na prática, as cores parecem mais suaves em comparação com paletas saturadas como os padrões do Matplotlib ou do ggplot2 — intencionalmente.
Davie Chen is a researcher at the Faculty of Animation and Intermedia, University of Arts in Poznan, studying generative AI for scientific figure creation, patent illustration, and manuscript drafting. SciDraw AI is one of the research-to-product tools built from this work.
Milhares de pesquisadores usam o SciDraw AI para criar em minutos figuras prontas para publicação em artigos, projetos e submissões a periódicos — sem experiência em design.
A tabela a seguir lista todas as oito cores com seus valores HEX canônicos, tríplices RGB e casos de uso recomendados. Esses códigos HEX correspondem aos valores apresentados no documento original do CUDO e são reproduzidos identicamente nos principais guias de estilo científico (incluindo o guia de cores Wong 2011 da Nature Methods que popularizou um subconjunto de 7 cores).
#
Nome
HEX
R
G
B
Melhor utilização
1
Preto
#000000
0
0
0
Série de dados principal, linhas de referência
2
Laranja
#E69F00
230
159
0
Segunda série; combina bem com azul
3
Azul céu
#56B4E9
86
180
233
Terceira série; altamente distinguível
4
Verde-azulado
#009E73
0
158
115
Quarta série; também chamado teal
5
Amarelo
#F0E442
240
228
66
Destaque, preenchimento; evitar em linhas finas
6
Azul
#0072B2
0
114
178
Acento forte; combina com laranja
7
Vermelhão
#D55E00
213
94
0
Barras de erro, ênfase
8
Roxo avermelhado
#CC79A7
204
121
167
Teto de oito categorias
Dica: Para figuras com no máximo 4 categorias, use primeiro as cores 2 (Laranja), 3 (Azul céu), 6 (Azul) e 7 (Vermelhão) — esse quarteto tem o maior contraste par a par nas três simulações de DVC.
As oito cores Okabe-Ito formam uma faixa de referência harmoniosa e segura para daltonismo que você pode reutilizar em todas as figuras da SciDraw AI.
Tanto na protanopia quanto na deuteranomalia, os canais vermelho e verde se fundem. Cores que diferem apenas em vermelho versus verde são confundidas. A paleta Okabe-Ito evita completamente vermelho puro e verde puro. Em vez disso, ela usa:
Laranja (#E69F00) — percebido como amarelo-laranja mesmo na protanopia
Verde-azulado / Teal (#009E73) — contém canal azul suficiente para sobreviver à fusão vermelho-verde
Vermelhão (#D55E00) — deslocado suficientemente em direção ao laranja para permanecer distinto do teal
A tritanopia confunde azul com verde e amarelo com violeta. O azul da paleta (#0072B2) é escuro e saturado o suficiente para se separar do teal e do amarelo mesmo quando o canal de onda curta está ausente.
Espectadores com DVC frequentemente dependem de diferenças de luminância (brilho) quando o matiz os falha. As cores Okabe-Ito abrangem uma ampla faixa de luminância — desde próximo de zero (Preto) passando por valores médios (Teal, Vermelhão, Laranja) até alto (Amarelo, Azul céu) — fornecendo um canal de separação secundário mesmo quando simulações de DVC colapsam matizes juntos.
Uma paleta segura para daltonismo bem separada (à esquerda) permanece legível, enquanto uma paleta vermelho-verde conflitante (à direita) entra em colapso para muitos espectadores.
Atribua cores na ordem 2 → 3 → 6 → 7 → 4 → 5 → 8, reservando o Preto (#1) para uma série de referência ou nula. Se você tiver mais de 7 séries de dados, considere dividir em subgráficos em vez de adicionar uma nona cor — nenhuma paleta se estende de forma limpa a 9+ categorias sob restrições de DVC.
Use tanto cor quanto forma (ou estilo de linha) para codificação dupla. Um espectador com DVC que imprima em escala de cinza ou veja um PDF de baixa qualidade ainda lerá a figura corretamente.
O amarelo (#F0E442) é fraco em fundos brancos como linha fina, mas eficaz como preenchimento. Combine-o com uma borda escura (#000000 ou #5a5a5a) para garantir visibilidade.
Mantenha consistência de cores em todos os painéis. Se o painel A mostra Laranja = Condição X, todos os outros painéis devem manter esse mapeamento. Inconsistência é a falha de acessibilidade para daltonismo mais comum em figuras com múltiplos painéis — mesmo quando os painéis individuais são seguros para DVC.
Ao construir figuras com múltiplos painéis com o criador de figuras científicas da SciDraw AI, você pode especificar os códigos HEX do Okabe-Ito diretamente no seu prompt para impor consistência automática entre painéis.
Escolher uma paleta segura para DVC é o passo um. Verificar a saída é o passo dois — porque a aplicação incorreta (código HEX errado, gradiente adicionado, sobreposição de opacidade) pode silenciosamente comprometer a acessibilidade.
Converta sua figura para escala de cinza (dessature completamente). Se cada série ainda for distinguível apenas pela luminância, sua figura passa pelo padrão de acessibilidade mais rigoroso. Muitas revistas que aceitam cores online ainda imprimem em escala de cinza — este teste detecta falhas duplas de uma só vez.
O verificador de figuras da SciDraw AI pode sinalizar problemas comuns de paleta em figuras enviadas, incluindo combinações vermelho-verde que são inseguras para protanopia/deuteranopia. Executar uma verificação rápida antes da submissão leva segundos e pode evitar reclamações de revisores.
Simular uma deficiência na visão de cores e converter para escala de cinza revela se uma figura permanece legível para qualquer público.
No GraphPad Prism, clique duas vezes na cor de um conjunto de dados, selecione "Cor personalizada" e insira o código HEX. Não há função de importação de paleta, mas copiar a tabela HEX acima em um documento de referência torna a entrada manual rápida.
Crie uma biblioteca de amostras de cor a partir dos valores HEX. No Illustrator: Janela → Amostras → Novo grupo de cores. Isso garante que você sempre escolha do conjunto seguro sem precisar memorizar códigos.
Geradores de figuras com IA podem aplicar uma paleta de cores específica se você fornecer os códigos HEX no seu prompt de geração. Com a SciDraw AI você pode descrever o conteúdo da sua figura e especificar:
Combinar teal com marrom — Marrom não faz parte da paleta Okabe-Ito; pode ser confundido com laranja escuro por deuteranopes. Mantenha o conjunto definido.
Adicionar transparência / alpha — Preenchimentos semitransparentes sobrepostos criam cores mistas que podem não ter sido testadas para segurança DVC.
Usar amarelo sobre fundo branco ou cinza claro como linha — Amarelo (#F0E442) é praticamente invisível como linha de 1 px. Reserve para preenchimentos ou aumente significativamente a espessura do traço.
Ignorar a conversão CMYK para impressão — Valores HEX definidos para telas RGB podem se desviar durante a conversão CMYK. Forneça valores RGB e CMYK à equipe de produção da revista se a precisão de cores for crítica.
Chamar de "à prova de daltonismo" — Nenhuma paleta é perfeita para todos os indivíduos. A codificação combinada de cor + forma é sempre mais segura do que cor sozinha.
P: A paleta Okabe-Ito é a mesma que a paleta Wong da Nature Methods?
R: Quase. A paleta de 7 cores Wong (2011) publicada na Nature Methods é um subconjunto do Okabe-Ito — ela omite o Preto. Ambas compartilham as mesmas seis cores cromáticas com códigos HEX idênticos. Os termos são frequentemente usados de forma intercambiável.
P: Posso usar o Okabe-Ito para um mapa de calor?
R: Não — é uma paleta categórica projetada para grupos discretos. Para dados contínuos de mapa de calor, use viridis ou cividis, ambos perceptualmente uniformes e seguros para DVC.
P: Minha revista exige cores de marca específicas que não são seguras para DVC. O que faço?
R: Use a cor da marca para um único elemento de destaque (como barra de título ou logo) e aplique cores seguras para DVC em todas as séries de dados. Complemente com codificação de forma e padrão para que a cor não seja o único diferenciador.
P: O Okabe-Ito funciona para todos os 8 tipos de deficiência de visão de cores?
R: Ele é testado e documentado para os três tipos mais prevalentes: protanopia, deuteranopia e tritanopia. Formas raras como monocromatismo (daltonismo completo) requerem acomodações adicionais como textura ou padrão.
P: Quantas categorias posso mostrar com segurança com o Okabe-Ito?
R: Até 8, mas a legibilidade se deteriora acima de 5–6 em figuras pequenas. Para 7–8 categorias, aumente o tamanho dos símbolos e considere tabelas suplementares ao lado da figura.
P: Existe alguma ferramenta gratuita para aplicar automaticamente o Okabe-Ito a figuras existentes?
R: O verificador de figuras da SciDraw AI pode analisar uma figura enviada e sinalizar problemas de DVC. Para regeneração completa com Okabe-Ito aplicado, o criador de figuras científicas permite especificar restrições exatas de paleta desde o início.
