Vælg farve
#a52a2a
≈ Mexican Red
Blindhedssimulator
Tjek hvordan en farve opfattes af personer med forskellige typer farveblindhed for at skabe mere tilgængelige designs. Forståelse af farveopfattelse hjælper med at sikre, at dit indhold er tilgængeligt for alle.
Indvirkning
8% af mænd og 0,5% af kvinder har en form for farvesynsmangel.
Typer
Rød-grøn farveblindhed er mest almindelig og påvirker, hvordan røde og grønne farver opfattes.
Design bedre
Brug kontrast og mønstre sammen med farver til at formidle information.
Original farve
#a52a2a
Mexican Red
Sådan ser farven ud med normal farvesyn.
Rød-grøn farveblindhed (Protanopia)
Protanopi
1,3% af mænd, 0,02% af kvinder
Sådan ser det ud
#82812a
Protanomali
1,3% af mænd, 0,02% af kvinder
Rød-grøn delvis (Deuteranopia)
Deuteranopi
1,2% af mænd, 0,01% af kvinder
Sådan ser det ud
#878e2a
Deuteranomali
5% af mænd, 0,35% af kvinder
Blå-gul farveblindhed (Tritanopia)
Tritanopi
0,001% af mænd, 0,03% af kvinder
Sådan ser det ud
#a12a2a
Tritanomali
0,0001% af befolkningen
Komplet farveblindhed
Achromatopsi
0,003% af befolkningen
Sådan ser det ud
#585858
Achromatomali
0,001% af befolkningen
Bemærk: Disse simuleringer er tilnærmelser. Faktisk farveopfattelse kan variere mellem individer med samme type farveblindhed.
Forståelse af farveblindhed
Skab inkluderende designs ved at teste farveadgang
Farveblindhed påvirker cirka 1 ud af 12 mænd og 1 ud af 200 kvinder verden over. Denne simulator hjælper designere, udviklere og indholdsskabere med at forstå, hvordan deres farvevalg ser ud for personer med forskellige former for farvesynsdefekter.
Ved at teste dine farver gennem forskellige farveblindhedssimulationer kan du sikre, at dine designs er tilgængelige og effektive for alle brugere. Dette værktøj simulerer de mest almindelige typer af farvesynsdefekter, herunder Protanopia, Deuteranopia, Tritanopia og komplet farveblindhed.
Hvorfor det er vigtigt
Farver alene bør aldrig være den eneste måde at formidle information på. Test med denne simulator hjælper med at identificere potentielle problemer.
Anvendelsesmuligheder
Perfekt til UI-design, datavisualisering, branding og alt visuelt indhold, der er afhængigt af farvedifferentiering.