Galaxias del grupo M81 interactuando Imagen en pseudocolor de la interacción de dos galaxias del grupo M81, utilizando la paleta espectral. Las sombras azul claro son nubes de hidrógeno. Fuente: Tal como se puede ver en la página sobre M81 del National Radio Astronomy Laboratory en Socorro, NM, USA Pulsa sobre la imagen para agrandarla

En el artículo número 184 Recomendaciones sobre el uso del color, describíamos la propuesta de Cynthia Brewer para la selección de paletas de color. También reconocíamos algunas de las limitaciones del planteamiento.

En nuestro ámbito de aplicación una paleta es un conjunto de colores disponibles para su uso en un programa de visualización (véase la definición en el glosario). Las paletas son especialmente útiles para cartografiar una o más variables con un amplio rango de valores a un rango correspondientemente amplio de colores.

Color Mapping

La técnica que permite asociar una gradación de colores a los valores de una o varias variables se denomina asignación o cartografía de color (color mapping) y es una de las técnicas clave de la visualización de información cuando se trata de representar una secuencia continua o por lo menos con un amplio rango de valores. Esta técnica también recibe el nombre de pseudocoloreado (pseudocouloring).

Hay muchísimos ejemplos del uso del pseudocolor en visualización científica, particularmente en Astronomía, Dinámica de Fluidos y en imágenes médicas provenientes de técnicas como la resonancia magnética nuclear o la tomografía axial. Como muy bien resalta el reciente artículo Rainbow Color Map (Still) Considered Harmful* de David Borland y Russel Taylor, en la mayoría de ellos se utiliza la paleta espectral (la que contiene todos los colores del arco iris en su ordenación física, siguiendo la longitud de onda de cada color).

Por ejemplo, más del 50% de los artículos de IEEE Visualization Conference Proceedings entre los años 2001 y 2005 la usaban. El hecho de que gran parte de los sistemas de visualización ofrezcan esta paleta por defecto, sólo viene a complicar la cosa. Para Borland y Taylor, el uso de esta paleta es similar al uso de la sentencia goto en la programación que plagaba los programas hace ya unas décadas y por tanto nuestro objetivo ha de ser erradicar el uso indiscriminado de esta paleta.

¿Por qué es engañosa la paleta espectral? 

Debido a que no representa una secuencia con sentido para nuestro sistema perceptivo. Como explica Colin Ware, en en su libro Information Visualization esto se puede demostrar suministrando a un conjunto de personas una serie de trozos de papel pintado con distintas gradaciones de gris (o de un color cualquiera). Si se les pide que las ordenen, crearan una secuencia ordenada yendo de claro a oscuro o viceversa. Si en vez de eso les proporcionamos unos trozos pintados de amarillo, verde, azul y rojo y le pedimos lo mismo, el resultado es variable, ya que a diferencia de la gradación en luminancia que evoca una ordenación de menos a más, los distintos colores no tienen un orden perceptivo evidente.

Así pues la paleta espectral no tiene un correspondiente perceptivo que nos permita asignar valores ordenados a los colores. Peor aún, la transición entre algunos colores, como por ejemplo entre amarillo y verde es muy rápida en la paleta espectral, lo que produce artefactos visuales que sugieren bandas, fronteras o saltos bruscos inexistentes en el conjunto de datos y que desaparecen usando una escala perceptiva. 

Escalas Perceptivas

Sombreado, Paleta Espectral y Paleta Perceptiva.  Fuente: Tal como se puede ver en el artículoWhy Should Engineers and Scientists be Worried about Color Pulsa sobre la imagen para agrandarla

En una escala perceptiva la ordenación de las datos se corresponde de forma visualmente identificable con la de los colores, de forma obvia para el sistema visual. La diferencia entre usar una paleta espectral o una perceptiva se puede comprender fácilmente viendo la figura incluida en el recomendable artículo de Rogowitz y Treinish Why Should Engineers and Scientists be Worried about Color*. 

En la matriz de visualizaciones se pueden ver, ordenadas por filas, 5 visualizaciones, incluyendo entre ellas una geográfica, otra médica, y una simulación de dinámica de fluidos. En cada una de las tres columnas vemos los mismos datos representados como un sombreado, mediante la paleta espectral y finalmente mediante una paleta perceptiva. Las ventajas de esta última sobre la anterior son claras. 

A la hora de seleccionar una secuencia de pseudocolores, es habitual* utilizar la taxonomía de Stevens de las escalas de medida que distingue entre 

• Nominal: aquella escala diseñada para permitir la rápida visualización de regiones donde sus valores no tienen un orden particular. Típicamente son datos categóricos en los que los colores se escogen para diferenciar unas regiones de otras, por ejemplo los países de un mapa político.
  
  
• Ordinal: en este caso la escala permite diferenciar perceptivamente la ordenación de los valores de los datos asociados a los colores. Si a un valor 1 le corresponde un color A, y a un valor 3 le corresponde un color C al valor 2 le debe corresponder un color B perceptivamente situado entre A y C.
  
  
• Intervalo: es aquella en la que cada intervalo dentro de la secuencia representa un mismo cambio en la magnitud de la variable que estamos representando 
  
  
• Racional (Ratio): es una escala en la que se pueden representar razones y en la que existe un valor cero absoluto. En estas escalas un valor puede ser un múltiplo o una fracción de otro y el signo puede ser positivo o negativo.

Nosotros incluimos Intervalo y Racional en una súper categoría Cuantitativa que se diferencia de Nominal y Ordinal en que sobre ella se pueden realizar operaciones aritméticas, es decir está compuesta por números.

Bergman, Rogowitz y Treinish proponen en su artículo A Rule-based Tool for Assisting Colormap Selection un conjunto de reglas para la selección de escalas de color basadas en la consideración de los siguientes aspectos:

• Tipo de datos, siguiendo la taxonomía arriba explicada (Nominal, Ordinal, Intervalo, Racional)
  
  

  Sensibilidad al color y la luminancia en función de la frecuencia espacial. Fuente: Tal como se puede ver en la web de Connexions.org Pulsa sobre la imagen para agrandarla.

• Frecuencia espacial. La frecuencia espacial se refiere a la variación de las características de los datos en función de su localización (variación espacial). Por ejemplo imaginemos una superficie cuya altura este asociada al valor de un dato. Una alta frecuencia espacial nos indica que en poco espacio el dato varia fuertemente mientras que una baja frecuencia indicaría un cambio de propiedades mucho más suave. 
  
  Hay que resaltar que la sensibilidad humana a la variación espacial es mayor para el tono del color a bajas frecuencias (poco detalle) y en cambio se corresponde mejor con la luminancia (brillo o intensidad) a altas frecuencias espaciales (mucho detalle). Aunque la frecuencia espacial se puede considerar un continuo, aquí se distinguen sólo dos posibilidades
  
  
  • Alta. En este caso la paleta que se escoja se beneficiará si modificamos la luminancia de un solo color 
    
    
  • Baja. A bajas frecuencias la codificación de la variable asociandola a la variación de la tonalidad de color es   más apropiada que la variación de la luminancia
    
    
• Tarea a realizar. Dentro de la tarea que se pretende realizar con la visualización se distinguen tres posibilidades
  
  
  • Isomórfica. Según los autores, una tarea isomórfica es aquella cuyo objetivo es reflejar fielmente la estructura presente en los datos.
    
    
  • Segmentar. La segmentación pretende dividir los datos en categorías distintas desde el punto de vista perceptivo.
    
    
  • Resaltar. El objetivo de resaltar es llamar la atención sobre aspectos particulares o singulares en el conjunto de datos

La conjugación de los tipos de datos junto con la frecuencia espacial y la tarea a realizar produce unas recomendaciones en cuanto a Luminancia, tonalidad del color (Tono) y Saturación del mismo que provienen de la propia experiencia de los autores y de literatura anterior. Reproducimos aquí una tabla equivalente, acorde con los párrafos anteriores para comodidad de los lectores y remitimos a los interesados en ahondar en este tema al artículo de referencia.

¿Qué tipo de escala usar, pues? Como hemos visto ello depende de diversos factores como la frecuencia espacial, la tarea que se pretende realizar. Como sucede en tantos campos no hay una respuesta única ni una paleta que universalmente sea mejor que las demás. Sin embargo si que hay una paleta que es universalmente menos apropiada y que paradójicamente es la más usada: la paleta espectral, el arco iris. 

*Why Should Engineers and Scientists be Worried about Color,, by Rogowitz, B and Treinish, L del IBM Thomas J. Watson Research Center,  Yorktown Heights New York, USA

* On the Theory of Scales of Measurement by Stevens, S.S Science 7 June 1946 pages: 677-680. Por ejemplo Colin Ware en Information Visualization, Robert Spence en su libro también denominado Information Visualization, y otros lo utiliizan

A Rule-based Tool for Assisting Colormap Selection by Bergman, D; Rogowitz, B and Treinish, L del IBM Thomas J. Watson Research Center,  Yorktown Heights New York, USA

Enlaces de este artículo: