如何能让人眼前一“亮“:提升视觉效率

简介:

8090后的记忆里都有一个游戏,叫做Where’s Waldo? 如果你没有玩过也不要紧,Where’s Waldo?是一个图画游戏,穿着红白条的Waldo隐藏在画面的某个角落,读者要用最快的速度找到他。正是因为Waldo的身影总是难以寻觅,大小朋友们才乐此不疲地寻找着他。但是,你有没有想过,为什么Waldo这么难找呢?




让我们先做一个实验。首先把你的手臂伸出,竖起大拇指,看着你的指甲盖,你所看到的部位大约占到整个视野的5%:这就是任意时刻你的目光焦点所能关注到的大小。虽然它只占整个视野的5%,但它却消耗了我们视觉处理系统50%的精力。



在寻找Waldo的时候,我们首先把目光聚焦在一个位置,然后识别它的特征,判断它是否与Waldo的特征相符,最后做出判断。这个过程就是视觉查询(visual query)


视觉效率的设计目的就是减少视觉查询的次数,提升视觉查询的速度和正确性,帮助观看者更好地认知画面所传达的信息。


因此,我们发现影响大脑神经调整的四个关键特征是:颜色、形状、距离和运动。


首先大脑接受这四个特征,然后搜寻符合的模式,将它们组合成更大的对象,从而持续在特征层面上扫描。




大脑不停识别物体特征的过程就像从千百块乐高积木中寻找到你所需要的那一块,你所关注的是积木的颜色、大小、形状是否符合你的要求,你的大脑在告诉你:那是块红色的,这是块方形的……



当我们看到下面这张模糊的图片时,大脑先是辨别出图上有两个点,两点下有一条直线,外面有一个圆,圆形上半部分有一团毛绒绒的东西,然后大脑意识到:啊,这是一张脸!



大脑不停地记忆和学习这些模式,直到形成一条能够快速反应的捷径。有时候这条捷径实在太便捷了,导致我们常常在一些意想不到的地方看到一张“脸”。



形成各种各样的思维捷径非常重要。当我们看到各种标志时,大脑几乎不需要思考,立刻就能辨别出这些它们的意思。长期学习而形成的思维捷径让你在陌生的道路上开车时,看到STOP时不假思索就知道:前方无法通行。


因此,设计中的一致性非常重要,通过对观看者大脑的训练,观看者能够迅速知道设计所传达的意思。


设计中的重要信息还要能够脱颖而出。


你可以利用颜色、形状、距离和运动四大特征的对比。红与绿、蓝与黄、黑与白都是对比色,其中黑与白的对比度最强。合理使用对比色能够突出所要传达的信息,同时要确保需要强调的内容在整个设计中的对比度最强。



使用以上四个特征时,尽量一次只使用其中之一。在下面的图中,也许你能很快分辨出蓝色和黄色的图形,或是方形和圆形,但是你很难同时把颜色和形状信息结合在一起去找到蓝色的方块。




但是换一种方法来运用它们效果就不同了。就像下面这张图一样:形状与颜色各代表一个维度的信息,从而四种类型的图形表达了四种相互关联的在信息。



在设计中要降低视觉干扰,不要把你的信息堆积在一起,尽量保证背景干净整洁。下面这张图清楚呈现了简洁的重要性。



现在在回想一下,为什么Waldo那么难找呢?



因为Waldo违反了我刚才说的每一个设计原则:

· 使用易辨认的特征

· 让重要的信息脱颖而出

· 每次只使用一种特征对比

· 保持一致性,训练你的观看者



当然,最重要的是要记住:视觉效率就是降低视觉查询的次数,而好的设计就是为了提升视觉效率,让人眼前一“亮”。


原文发布时间为:2015-09-07

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
编解码 计算机视觉
OpenCV(三十六):霍夫直线检测
OpenCV(三十六):霍夫直线检测
392 0
|
机器学习/深度学习 编解码 人工智能
AI短视频制作一本通:文本生成视频、图片生成视频、视频生成视频
AI短视频制作一本通:文本生成视频、图片生成视频、视频生成视频
2222 0
|
Shell C语言
C语言实例——小球自由下落
【1月更文挑战第16天】C语言实例——小球自由下落。
302 0
|
9月前
|
传感器 分布式计算 网络协议
《解构分布式软总线极简协议:传统网络协议的进化密码》
在数字化时代,传统网络协议因分层架构复杂、交互繁琐及适应性差等问题逐渐显露不足。分布式软总线的极简协议应运而生,通过精简协议栈、优化报文与包头设计、革新交互机制以及智能应对流量和拥塞,显著提升了通信的高带宽、低时延和高可靠性。它不仅推动了分布式应用的蓬勃发展,还为网络通信技术的未来变革提供了新方向,助力实现高效互联的数字世界。
300 2
|
9月前
|
弹性计算 机器人 应用服务中间件
AppFlow支持Qwen3开源版本调用
近期,Qwen3正式发布并开源全部8款“混合推理模型”,包括两款MoE模型(Qwen3-235B-A22B与Qwen3-30B-A3B)和六个Dense模型。目前,AppFlow已支持上述所有模型调用,您可在钉钉或微信等多渠道使用这些模型满足业务需求。本文将介绍如何配置及集成这些模型至钉钉机器人和企业微信应用中,包括创建应用、设置权限、生成连接流以及配置相关参数的详细步骤。完成配置后,用户可通过钉钉或企业微信直接与Qwen3应用互动交流。
396 6
AppFlow支持Qwen3开源版本调用
|
数据采集 Web App开发 JavaScript
Selenium爬虫技术:如何模拟鼠标悬停抓取动态内容
本文介绍了如何使用Selenium爬虫技术抓取抖音评论,通过模拟鼠标悬停操作和结合代理IP、Cookie及User-Agent设置,有效应对动态内容加载和反爬机制。代码示例展示了具体实现步骤,帮助读者掌握这一实用技能。
625 0
Selenium爬虫技术:如何模拟鼠标悬停抓取动态内容
|
机器学习/深度学习 计算机视觉 Python
opencv环境搭建-python
本文介绍了如何在Python环境中安装OpenCV库及其相关扩展库,包括numpy和matplotlib,并提供了基础的图像读取和显示代码示例,同时强调了使用Python虚拟环境的重要性和基本操作。
|
存储 负载均衡 Cloud Native
【微服务系列笔记】Nacos
Nacos 是阿里巴巴开源的项目,用于构建云原生应用的动态服务发现、配置管理和服务管理平台。它支持动态服务发现、服务配置、服务元数据和流量管理,旨在更敏捷和方便地构建、交付和管理微服务平台。可作为注册中心与配置中心。
514 5
|
前端开发 网络安全 开发工具
前端开发环境配置
前端开发环境配置
330 0