顏色是科學傳播中最有力的工具之一，也是最常被誤用的工具之一。北歐裔男性中約有 8 %、女性中約有 0.5 % 具有某種程度的色覺異常（Color Vision Deficiency，CVD）。對於投向國際期刊的論文而言，審稿人、委員或編輯每十人就可能有一人無法區分你精心挑選的紅色與綠色。
選擇色盲友善的配色方案不只是無障礙設計的禮節，而是嚴謹科學傳播的一部分。本指南提供你正確做出這項選擇所需的一切，從多數科學家首選的黃金標準方案開始：Okabe-Ito 色票。
本文涵蓋：
- 完整 8 色 Okabe-Ito 色票的精確 HEX（及 RGB）色碼
- 這些顏色為何是經過經驗設計、在三種最常見 CVD 類型下仍能保持可區分
- 折線圖、長條圖、散佈圖及多面板圖表的實用應用規則
- 其他色盲友善色票的比較，以及各自適用情境
- 投稿前模擬並驗證 CVD 安全性的免費工具
什麼是 Okabe-Ito 色票？
此色票由岡部正（Masataka Okabe）與伊藤啓（Kei Ito）於 2008 年在日本非營利組織色覺通用設計機構（CUDO）出版的 "Color Universal Design (CUD)" 指南中提出。其設計目標是建立一組小型且實用的顏色集合，在三種最普遍的 CVD 形式下仍能被清楚辨識：
- 第二型色盲／色弱（Deuteranopia / Deuteranomaly） — 對綠色感度降低（男性中最常見）
- 第一型色盲／色弱（Protanopia / Protanomaly） — 對紅色感度降低
- 第三型色盲／色弱（Tritanopia / Tritanomaly） — 對藍色感度降低（罕見，約 0.003 %）
此色票並非源自數學公式，而是經由經驗設計：Okabe 與 Ito 挑選在明度與飽和度上互有差異的顏色，並刻意避開 CVD 混淆最嚴重的黃綠色範圍，再對照色盲視覺驗證整組配色。實際上，這些顏色與 Matplotlib 或 ggplot2 的預設飽和色票相比顯得較為柔和——這是刻意為之的設計。它最貼切的描述是「經驗上色盲安全」，而非數學上保證。
Okabe-Ito 8 色票——精確 HEX 色碼
下表列出所有八種顏色及其標準 HEX 值、RGB 三元組和建議使用場景。這些 HEX 色碼與 CUDO 原始文件中的數值吻合，並在各主要科學格式指南中完全一致地被引用，包括 Bang Wong 的 2011 年 Nature Methods「Points of view: Color blindness」，該文普及了七色子集（Wong 推廣了此色票，但 Okabe 與 Ito 才是原創者）。
| # | 名稱 | HEX | R | G | B | 最佳用途 |
|---|---|---|---|---|---|---|
| 1 | 黑色 Black | #000000 | 0 | 0 | 0 | 主要資料系列、參考線 |
| 2 | 橙色 Orange | #E69F00 | 230 | 159 | 0 | 第二系列；與藍色搭配效果佳 |
| 3 | 天藍色 Sky Blue | #56B4E9 | 86 | 180 | 233 | 第三系列；辨識度極高 |
| 4 | 藍綠色 Bluish Green | #009E73 | 0 | 158 | 115 | 第四系列；亦稱青藍色 |
| 5 | 黃色 Yellow | #F0E442 | 240 | 228 | 66 | 強調、填色；避免用於細線 |
| 6 | 藍色 Blue | #0072B2 | 0 | 114 | 178 | 強調色；與橙色搭配最佳 |
| 7 | 朱紅色 Vermilion | #D55E00 | 213 | 94 | 0 | 誤差棒、重點標示 |
| 8 | 玫紅色 Reddish Purple | #CC79A7 | 204 | 121 | 167 | 八類別上限 |
提示： 若圖表類別在 4 個以內，優先選用 2（橙色）、3（天藍色）、6（藍色）及 7（朱紅色）——這四色在所有三種 CVD 模擬下的兩兩對比度最高。
Okabe-Ito 的八種顏色構成一條和諧、色盲友善的參考色條，可在每一張 SciDraw AI 圖表中重複使用。
為何這些特定顏色有效
第一型與第二型色盲（紅綠色覺異常）
第一型與第二型色盲的紅色和綠色通道會發生混疊。僅靠紅色與綠色差異來區分的顏色會被混淆。Okabe-Ito 色票完全避免了純紅色和純綠色。取而代之的是：
- 橙色（
#E69F00）——即使在第一型色盲模擬下，仍被感知為黃橙色 - 藍綠色（
#009E73）——含有足夠的藍色通道，在紅綠混疊後仍能與橙色區分 - 朱紅色（
#D55E00）——偏移至接近橙色的程度，使其與藍綠色的對比依然明顯
第三型色盲（藍黃色覺異常）
第三型色盲會混淆藍色與綠色、黃色與紫色。色票中的藍色（#0072B2）足夠深且飽和，即使在短波通道缺失的情況下，也能與藍綠色和黃色保持足夠的明度差異。
亮度對比
具有 CVD 的觀察者在色相失效時，通常依賴亮度（明度）差異來辨別資料系列。Okabe-Ito 的 8 種顏色橫跨寬廣的亮度範圍——從接近零（黑色），歷經中間值（藍綠色、朱紅色、橙色），到高亮度（黃色、天藍色）——在 CVD 模擬將色相合併時，仍提供次要的分離通道。
分離良好的色盲友善色票（左）始終清晰可讀，而紅綠衝突的色票（右）對許多讀者而言則完全失效。
實際應用色票的方式
折線圖與散佈圖
按照 2 → 3 → 6 → 7 → 4 → 5 → 8 的順序分配顏色，將黑色（#1）保留給參考線或零假設系列。若資料系列超過 7 個，建議拆分為子圖而非強行加入第九種顏色——在 CVD 限制下，沒有任何色票能乾淨地擴展至 9 個以上的類別。
同時使用顏色與形狀（或線型）進行雙重編碼。即使是以灰階列印或瀏覽低解析度 PDF 的 CVD 讀者，仍能正確解讀圖表。
長條圖與填色區域
黃色（#F0E442）在白色背景上作為細線幾乎不可見，但作為填色效果良好。搭配深色邊框（#000000 或 #5a5a5a）使用，以確保可見度。
熱圖與連續色階
Okabe-Ito 是一種類別型色票，不適用於連續型資料。熱圖建議使用：
- 順序型資料：
viridis、cividis或mako（均為設計上的 CVD 安全色票） - 發散型資料：以白色為中心的
RdBu或BrBG；避免使用RdGn
多面板圖表
維持所有面板之間顏色的一致性。若面板 A 中橙色代表條件 X，其他所有面板都必須保持相同對應關係。即使個別面板本身符合 CVD 標準，跨面板顏色不一致仍是多面板圖表中最常見的色盲可及性問題。
使用 SciDraw AI 科學圖表製作工具 建立多面板圖時，可在提示詞中直接指定 Okabe-Ito 的 HEX 色碼，自動確保所有面板的顏色一致。
其他色盲友善色票
Okabe-Ito 並非唯一的選擇。下表將其與其他常用推薦色票進行比較。
| 色票 | 顏色數 | 類型 | 涵蓋 CVD 類型 | 備註 |
|---|---|---|---|---|
| Okabe-Ito | 8 | 類別型 | 第一、二、三型 | 科學領域廣受推薦的預設方案 |
| Wong（2011） | 7 | 類別型 | 第一、二型 | Okabe-Ito 去除黑色的子集；發表於 Nature Methods |
| Tol Bright | 7 | 類別型 | 第一、二型 | Paul Tol 色票；適合簡報使用 |
| Tol Muted | 10 | 類別型 | 第一、二型 | 最多支援 10 個類別；對比度略低 |
| IBM Color Blind Safe | 5 | 類別型 | 第一、二型 | 簡潔高對比；僅 5 色 |
| viridis | 連續 | 順序型 | 全部類型 | 最佳連續色票；感知均勻 |
| cividis | 連續 | 順序型 | 全部類型 | 專為第二型色盲優化 |
何時選擇 Okabe-Ito 而非其他方案：
- 單一圖表需要最多 8 個類別時
- 圖表將出現於印刷品（此色票兼顧螢幕顯示和 CMYK 印刷設計）
- 希望以單一色票同時涵蓋第一、二、三型 CVD 時
何時考慮 Paul Tol 色票：
- 需要 9 至 10 個以上的類別色時（Tol Muted 支援至 10 色）
- 製作簡報投影片，稍高飽和度的顏色在遠距觀看時更易識別
投稿前的 CVD 安全驗證
選擇符合 CVD 標準的色票是第一步；驗證輸出結果是第二步——因為錯誤的 HEX 色碼、額外添加的漸層或不透明度疊加，都可能悄悄破壞無障礙設計。
模擬驗證工具
| 工具 | 平台 | 使用方式 | 特點 |
|---|---|---|---|
| Coblis（color-blindness.com） | 網頁 | 上傳圖片 | 快速；模擬 8 種 CVD 類型 |
| Sim Daltonism | macOS / iOS | 桌面應用程式 | 即時螢幕疊加模擬 |
| Color Oracle | Win / Mac / Linux | 桌面應用程式 | 全螢幕即時模擬 |
| Adobe Color | 網頁 | 無障礙檢測 | 同時檢核對比度比值 |
| Chromatic Vision Simulator | iOS / Android | 行動裝置 | 相機即時模擬 |
灰階測試法
將圖表完全去飽和（轉為灰階）。若每個資料系列僅憑亮度差異仍能辨識，表示你的圖表通過了最嚴格的無障礙標準。許多接受彩色線上版的期刊仍以灰階印刷——這個測試可同時發現兩種情境下的問題。
自動化圖表檢測
SciDraw AI 圖表檢測工具 可分析上傳的圖表，標記常見的配色問題，包括對第一、二型色盲不安全的紅綠色組合。投稿前花幾秒鐘做一次快速掃描，即可避免審稿人的異議。
模擬色覺異常並轉換為灰階，能揭示一張圖表是否對所有讀者都保持清晰可讀。
在常用工具中套用 Okabe-Ito
R / ggplot2
# 安裝色盲友善調色盤套件
# install.packages("ggthemes")
library(ggthemes)
scale_colour_colorblind() # 自動套用 Okabe-Ito
# 或手動定義：
okabe_ito <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442",
"#0072B2", "#D55E00", "#CC79A7", "#000000")
scale_colour_manual(values = okabe_ito)Python / Matplotlib
okabe_ito = [
"#E69F00", "#56B4E9", "#009E73", "#F0E442",
"#0072B2", "#D55E00", "#CC79A7", "#000000"
]
import matplotlib.pyplot as plt
plt.rcParams["axes.prop_cycle"] = plt.cycler(color=okabe_ito)Prism（GraphPad）
在 GraphPad Prism 中，雙擊資料集顏色，選取「自訂顏色」，輸入 HEX 色碼。Prism 無色票匯入功能，但將上方的 HEX 表格儲存為參考文件後，手動輸入也十分便捷。
Adobe Illustrator / Inkscape
以 HEX 值建立色票庫。在 Illustrator 中：視窗 → 色票 → 新增顏色群組。如此一來，每次選色時都能直接從安全色集挑選，無需記憶色碼。
在 AI 圖表工具中指定 Okabe-Ito
AI 驅動的圖表生成工具若在生成提示詞中提供 HEX 色碼，即可強制套用特定配色方案。使用 SciDraw AI 時，你可以描述圖表內容並指定：
"僅使用 Okabe-Ito 顏色：橙色 #E69F00、天藍色 #56B4E9、藍色 #0072B2、朱紅色 #D55E00"
圖形摘要製作工具 同樣支援顏色限制，當你所在機構或投稿期刊已將 Okabe-Ito 訂為標準配色時特別實用。
常見錯誤避免清單
- 將藍綠色與棕色搭配 — 棕色不在 Okabe-Ito 色集中，第二型色盲可能將其與深橙色混淆。請堅持使用既定的色集。
- 使用透明度疊加 — 半透明填色互相疊加產生的混合色未經過 CVD 安全性測試，安全性未知。
- 在白色或淺灰背景上將黃色用作細線 — 黃色（
#F0E442）作為 1 像素的線條幾乎不可見。僅用於填色，或顯著加粗線寬。 - 忽略 CMYK 印刷轉換偏移 — 為 RGB 螢幕定義的 HEX 值在轉換為 CMYK 時可能偏移。若色彩精確度至關重要，請同時提供 RGB 和 CMYK 數值給期刊製作團隊。
- 稱之為「色盲防護」 — 沒有任何色票對所有人都完美。顏色加形狀的雙重編碼始終比單獨使用顏色更為穩健。
常見問題
問：Okabe-Ito 色票與 Nature Methods 的 Wong 色票是同一個嗎？ 答：幾乎是。Wong 於 2011 年在 Nature Methods 發表的 7 色色票是 Okabe-Ito 的子集，去掉了黑色。兩者共享相同的六個彩色，HEX 色碼完全一致，兩個名稱常被交替使用。
問：Okabe-Ito 適合用於熱圖嗎？
答：不適合。這是一個類別型色票，專為離散資料設計。連續型熱圖資料請改用 viridis 或 cividis，兩者均具備感知均勻性且符合 CVD 安全標準。
問：期刊要求使用特定品牌色，但那些顏色對色盲不友善，該怎麼辦？ 答：將品牌色用於非資料元素（如標題列或標誌），所有資料系列仍使用符合 CVD 標準的顏色。同時以形狀和線型輔助編碼，確保顏色不是唯一的辨識方式。
問：Okabe-Ito 對所有 8 種色覺異常類型都有效嗎？ 答：此色票針對三種最普遍的類型進行了測試和記錄：第一型、第二型及第三型色盲。罕見類型如全色盲（完全色覺缺失）需要額外的調整措施，例如紋理或圖案編碼。
問：使用 Okabe-Ito 最多能安全顯示幾個類別？ 答：技術上限是 8 個，但在小尺寸圖表中超過 5 至 6 個類別時辨識度會明顯下降。7 至 8 個類別時，建議增大符號尺寸，並在圖表旁附上輔助說明的表格。
問：有沒有可以自動將現有圖表轉換為 Okabe-Ito 配色的免費工具？ 答：SciDraw AI 圖表檢測工具 可以上傳分析現有圖表並標記 CVD 問題。若需重新生成並直接套用 Okabe-Ito，科學圖表製作工具 支援在提示詞中直接指定精確的色票限制。
