5D Library › 计算美学、视觉显著性图谱与人机界面认知工程 · English
第六章 能否度量「好看」:字号阶梯、审美度量与复杂度
前五章讨论的是能否被看见、被找到、被点中。本章转向一个更难的问题:一个布局「好看」能否度量?我们依次讨论三种尝试:用韦伯定律推出字号比例,伯克霍夫的审美度量公式,以及用压缩长度代替柯尔莫哥洛夫复杂度;最后看视觉复杂度与第一印象的实证研究。
字号阶梯:惯例还是定律
设计系统常用「模块化比例」安排字号:从基准字号出发,每一级乘以一个固定的比例,例如 1.2(小三度)、1.25(大三度)、1.333(纯四度)或 1.618(黄金比)。作者框架把这称为「韦伯—费希纳字体阶梯律」。这里需要区分两件事。
韦伯定律说,刚好能分辨的差异与原有刺激量成比例:。用到字号上,它预测两个字号之比超过 时可以分辨。第 34 本已经说明,从韦伯定律到费希纳的对数定律还需要「每个最小可觉差主观上等大」这一额外假设,而这一假设在响度等维度上并不成立;这里只回顾。更重要的是:韦伯定律只给出一个下限——比例必须大于 ——它并不偏爱 1.2、1.25 或 1.618 中的任何一个。音乐音程的名字只是借来的标签,不表示字号与音高之间有任何物理或心理上的对应。
下面的程序是作者的模型。我们不知道在真实布局中判断字号层级时的韦伯分数是多少(它取决于字体、距离、两段文字是否相邻等),所以取 0.03、0.06、0.10 三个假设值,计算每种比例在 12–72 像素之间有几级,每一级相当于几个最小可觉差,以及取整到整数像素后的实际步长。
推导
# Modular type scales and size discrimination (the author's model). A scale with ratio r
# gives sizes base * r^k. Under Weber's law a size difference is noticed when
# |s2/s1 - 1| > k_w; the Weber fraction k_w for judging text size in a layout is NOT a
# known constant here: 0.03, 0.06 and 0.10 are illustrative assumptions. Count, for
# each ratio, the steps from 12 px to 72 px, the JNDs per step (ln r / ln(1 + k_w)),
# and what integer-pixel rounding does to the smallest ratios.
import math
RATIOS = [("minor second", 16 / 15), ("major second", 1.125), ("minor third", 1.2),
("major third", 1.25), ("perfect fourth", 4 / 3), ("perfect fifth", 1.5),
("golden ratio", (1 + 5 ** 0.5) / 2)]
def scale(r, base=16, lo=12, hi=72):
up = [base * r ** k for k in range(0, 40) if base * r ** k <= hi]
down = [base / r ** k for k in range(1, 40) if base / r ** k >= lo]
return sorted(down) + up
if __name__ == "__main__":
print("ratio r sizes 12-72 JNDs per step, k_w = .03 .06 .10")
for name, r in RATIOS:
jnd = [math.log(r) / math.log(1 + k) for k in (0.03, 0.06, 0.10)]
print(f" {name:14s} {r:6.3f} {len(scale(r)):8d} {jnd[0]:21.1f} {jnd[1]:4.1f}"
f" {jnd[2]:4.1f}")
print("integer-pixel rendering (base 16 px): smallest and largest rendered step")
for name, r in RATIOS[:3]:
px = [round(x) for x in scale(r)]
st = [b / a - 1 for a, b in zip(px, px[1:])]
print(f" {name:14s} {px[:8]} ...")
print(f" {'':14s} steps {min(st):.1%} to {max(st):.1%} (nominal {r - 1:.1%});"
f" {sum(x < .06 for x in st)} of {len(st)} under 6 %")
print(f"levels in 12-72 px ~ ln 6 / ln r = {math.log(6):.3f} / ln r: a larger ratio")
print(" buys clearer steps with fewer levels; Weber's law singles out no ratio")
# ratio r sizes 12-72 JNDs per step, k_w = .03 .06 .10
# minor second 1.067 28 2.2 1.1 0.7
# major second 1.125 15 4.0 2.0 1.2
# minor third 1.200 10 6.2 3.1 1.9
# major third 1.250 8 7.5 3.8 2.3
# perfect fourth 1.333 7 9.7 4.9 3.0
# perfect fifth 1.500 4 13.7 7.0 4.3
# golden ratio 1.618 4 16.3 8.3 5.0
# integer-pixel rendering (base 16 px): smallest and largest rendered step
# minor second [12, 13, 14, 15, 16, 17, 18, 19] ...
# steps 4.2% to 10.5% (nominal 6.7%); 7 of 27 under 6 %
# major second [13, 14, 16, 18, 20, 23, 26, 29] ...
# steps 7.7% to 15.0% (nominal 12.5%); 0 of 14 under 6 %
# minor third [13, 16, 19, 23, 28, 33, 40, 48] ...
# steps 17.9% to 23.1% (nominal 20.0%); 0 of 9 under 6 %
# levels in 12-72 px ~ ln 6 / ln r = 1.792 / ln r: a larger ratio
# buys clearer steps with fewer levels; Weber's law singles out no ratio在 12–72 像素之间,小二度(1.067)有 28 级,大二度(1.125)15 级,小三度(1.2)10 级,纯四度(1.333)7 级,纯五度与黄金比各 4 级;级数约为 。每一级相当于几个最小可觉差,取决于假设的韦伯分数:韦伯分数为 0.06 时,小二度每级只有 1.1 个最小可觉差,相邻两级勉强可分;小三度为 3.1 个,黄金比为 8.3 个。取整到整数像素还会让小比例的步长不均匀:小二度的实际步长在 4.2% 到 10.5% 之间,27 步中有 7 步小于 6%;大二度为 7.7% 到 15.0%,小三度为 17.9% 到 23.1%。
结论是一个取舍,而不是一个定律:比例越大,层级越分明,但可用的级数越少;比例越小,级数越多,但相邻级可能分不清,整数取整还会放大不均匀。韦伯定律只告诉我们比例不能太小,不能选出最优比例。
伯克霍夫的审美度量
数学家伯克霍夫 1933 年的《审美度量》提出,审美价值可以写成「秩序」与「复杂度」之比 (Birkhoff 1933)。他对多边形、花瓶、旋律与诗歌分别给出了具体的计分方法。对多边形, 是承载各边的不同直线的数目,: 为竖直对称(0 或 1), 为平衡(−1、0 或 1), 为旋转对称(按旋转阶数计分), 为与水平—竖直网格的关系(0、1 或 2), 为「不令人满意的形式」的扣分 (Douchová 2015)。
推导
# Birkhoff (1933) M = O/C for polygons, O = V + E + R + HV - F, C = number of distinct
# lines carrying the edges (V vertical symmetry, E equilibrium, R rotational symmetry,
# HV relation to a horizontal-vertical network, F unsatisfactory form). Then a
# computable stand-in for "complexity": Kolmogorov complexity K(x) is uncomputable, but
# any lossless compressor gives an upper bound K(x) <= |zlib(x)| + O(1). Applied to
# 96 x 64 binary layouts: blank, a strict grid, grid + text lines, the same with random
# jitter, and noise (30 % ink; Shannon bound H(0.3) = 0.881 bit per pixel).
import random, zlib
POLY = [("square", 1, 1, 2, 2, 0, 4),
("rectangle, ordinary ratio (incl. 1.618)", 1, 1, 1, 2, 0, 4),
("equilateral triangle, base down", 1, 1, 1.5, 0, 0, 3)] # R = q/2, q = 3
def bits(img):
flat = [v for r in img for v in r]
return bytes(sum(flat[i + j] << j for j in range(8)) for i in range(0, len(flat), 8))
def layout(kind, rng, w=96, h=64):
img = [[0] * w for _ in range(h)]
if kind == "blank":
return img
if kind == "noise":
return [[rng.random() < 0.3 for _ in range(w)] for _ in range(h)]
for row in range(2):
for col in range(3):
x0, y0 = 4 + 31 * col, 4 + 30 * row
dx = rng.randint(-3, 3) if kind == "jittered grid + text" else 0
dy = rng.randint(-3, 3) if kind == "jittered grid + text" else 0
for y in range(y0 + dy, y0 + dy + 14):
for x in range(x0 + dx, x0 + dx + 26):
img[y][x] = 1
if kind != "strict grid":
for k in range(3):
n = rng.randint(14, 26) if kind == "jittered grid + text" else 22
for x in range(x0 + dx, x0 + dx + n):
img[y0 + dy + 17 + 3 * k][x] = x % 3 != 2
return img
if __name__ == "__main__":
print("A. Birkhoff polygons V E R HV F C M=O/C")
for name, V, E, R, HV, F, C in POLY:
m = (V + E + R + HV - F) / C
print(f" {name:40s} {V} {E:2d} {R:4.1f} {HV} {F:2d} {C:2d} {m:5.2f}")
print(" (every rectangle that is not too elongated scores 1.25: no special 1.618)")
rng = random.Random(1933)
print("B. zlib upper bound on description length, 96 x 64 binary layouts")
print(" layout raw bytes zlib bytes ratio")
for kind in ("blank", "strict grid", "grid + text", "jittered grid + text", "noise"):
z = len(zlib.compress(bits(layout(kind, rng)), 9))
print(f" {kind:26s} {768:9d} {z:11d} {z / 768:6.2f}")
print(f" (raw = 96 x 64 / 8 bytes; the zlib wrapper is 6 bytes, and empty input"
f" -> {len(zlib.compress(b'', 9))} bytes)")
# A. Birkhoff polygons V E R HV F C M=O/C
# square 1 1 2.0 2 0 4 1.50
# rectangle, ordinary ratio (incl. 1.618) 1 1 1.0 2 0 4 1.25
# equilateral triangle, base down 1 1 1.5 0 0 3 1.17
# (every rectangle that is not too elongated scores 1.25: no special 1.618)
# B. zlib upper bound on description length, 96 x 64 binary layouts
# layout raw bytes zlib bytes ratio
# blank 768 15 0.02
# strict grid 768 35 0.05
# grid + text 768 51 0.07
# jittered grid + text 768 125 0.16
# noise 768 749 0.98
# (raw = 96 x 64 / 8 bytes; the zlib wrapper is 6 bytes, and empty input -> 8 bytes)A 部分按这一定义计算了三种多边形:正方形 ,一般比例的长方形 ,底边朝下的正三角形 。第二行是本章与第一章的连接点:伯克霍夫的度量对一般比例的长方形给出同一个分数,它不能区分黄金长方形与其他长方形,而且给正方形更高的分数。(据道霍娃的转述,伯克霍夫的「不令人满意的形式」项 在顶点间最小距离小于最大距离的十分之一时扣分;对长方形,这相当于长宽比超过 ,此时 降为 1.0。该项中「不规则」一款是否会惩罚接近正方形的长方形,原文转述不清,本书不作判断 (Douchová 2015)。)所以,即使接受伯克霍夫的框架,也推不出「黄金比最美」。伯克霍夫的公式提出后受到许多批评,常见的一点是各项计分规则由他凭直觉规定;它与实验测得的偏好之间的关系本书没有系统核对,这里不展开。
复杂度:从柯尔莫哥洛夫到压缩长度
伯克霍夫的 是为每类对象专门规定的。一个更一般的复杂度概念是柯尔莫哥洛夫复杂度 :能输出字符串 的最短程序的长度。它在理论上很优雅,但不可计算:不存在一个算法能对任意 求出 (Li and Vitányi 2008)。不过,任何无损压缩器都给出一个上界:,其中常数是解压程序的长度。所以压缩长度可以作为复杂度的上界代理,但不能当作复杂度本身——压缩器发现不了的规律(例如一段由简单伪随机数生成器产生的「噪声」),压缩长度会严重高估。
程序 B 部分用 zlib 压缩五种 96×64 的二值布局(原始 768 字节)。空白页压缩到 15 字节(其中 6 字节是 zlib 的封装:2 字节头加 4 字节 Adler-32 校验和;空输入压缩后也要 8 字节),严格网格 35 字节,网格加文字行 51 字节,加上随机错位后 125 字节,30% 墨量的随机噪声 749 字节(压缩比 0.98,约 0.975 比特/像素,仍比香农熵的界 比特/像素高约 11%:zlib 对无结构的噪声几乎无法压缩)。这个顺序符合直觉:错位让布局失去了重复性,压缩长度增加了一倍多。
证据
视觉复杂度与第一印象(摘要)。 东德里 2006 年的综述讨论了视觉复杂度的各种度量,包括图像文件的压缩长度与主观复杂度评分的关系 (Donderi 2006)。林德高等 2006 年做了三项研究:第一项 22 名学生看 100 个主页各 500 毫秒并两次评分,两次评分的一致性很高;第三项 40 名被试随机分为 50 毫秒与 500 毫秒两组,看同样的 50 个主页,两组平均评分的相关为 0.947(第一轮)与 0.953(第二轮),但 50 毫秒组评分者之间的一致性较低(平均 r 约 0.34–0.40,500 毫秒组约 0.56–0.60)(Lindgaard et al. 2006)。图赫等 2012 年用 119 个网站截图,发现视觉复杂度与原型性在 50 毫秒内就影响审美评分,在 17 毫秒时复杂度与原型性仍都有影响,但原型性的影响较弱;复杂度低、原型性高的网站评分最高 (Tuch et al. 2012)。赖内克等 2013 年收集 548 名志愿者对 450 个网站的评分,用计算得到的复杂度与色彩度加上人口特征,解释了 500 毫秒观看后吸引力评分约一半的方差 (Reinecke et al. 2013)。加工流畅性理论认为,容易加工的刺激被体验为更美 (Reber et al. 2004),可以解释「低复杂度、高原型性」的优势,但它是一种解释框架,不是一个可以直接计算的公式。
这些研究的共同点是:它们测量的是几百毫秒内的审美评分,不是购买、注册或任何行为结局。「50 毫秒形成第一印象」是对林德高等研究的合理概括,但不能进一步推成「50 毫秒决定转化」。其次,「复杂度越低越好」也不是线性的:图赫等的结果是复杂度与原型性共同起作用,一个过于空旷、不符合用户对某类网站预期的页面,未必得到高分。
假说 · 尚未验证 · 压缩长度与第一印象
作者的假说(尚未确立): 对同一类网站(例如电商首页)的截图,按灰度化后的 PNG 压缩长度排序,压缩长度处于中等的页面在 500 毫秒审美评分上高于压缩长度最低与最高的页面(倒 U 形)。什么样的结果能证明它是错的: 在事先登记的评分研究中,压缩长度的二次项系数的置信区间包含零或为正,或者评分随压缩长度单调变化。
本章小结
模块化字号比例是设计惯例:韦伯定律只要求比例超过一个阈值,不能选出最优比例;比例的选择是层级清晰度与级数之间的取舍,整数取整还会让小比例的步长不均匀。伯克霍夫的 对一般比例(不过分细长)的长方形给出同一分数 1.25,正方形更高(1.50),所以推不出黄金比的特殊地位。柯尔莫哥洛夫复杂度不可计算,压缩长度只是上界代理。视觉复杂度与原型性在几十毫秒内影响审美评分(林德高等 2006、图赫等 2012、赖内克等 2013),但这些研究测量的是短时评分,不是行为结局。
参考文献
Fan, Y. (2026). Computational Aesthetics, Visual Saliency Maps and Cognitive Ergonomics in User Interface Design: From the Hick–Hyman Law and Spatial Frequency Channels to Saccadic Trajectory Modelling, Read Beside the Kaogongji and Classical Treatise on Architectural Methods [计算美学、视觉显著性图谱与人机界面认知工程] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23836258 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).