Grommet项目通知组件图标颜色对比度优化方案
2025-05-27 17:20:38作者:尤峻淳Whitney
背景介绍
在Grommet设计系统中,通知组件(Notification)的状态图标颜色对比度被发现不符合WCAG 2.2标准中的非文本对比度要求。根据规范,用于向用户传达信息的图标需要达到至少3:1的对比度比例。
问题分析
经过详细检查,发现当前版本中存在多个状态图标的颜色对比度不足的情况:
- 成功状态(status-ok):原色值#00C781对比度仅2.02:1
- 警告状态(status-warning):原色值#FFAA15对比度仅1.77:1
- 未知状态(status-unknown):原色值#CCCCCC对比度仅1.53:1
这些低对比度设计会影响视觉障碍用户的识别体验,特别是对于色盲或低视力用户群体。
解决方案
设计团队经过多轮测试和验证,提出了以下优化方案:
颜色调整方案
-
成功状态(status-ok)
- 原色值:#00C781
- 新色值:#009E67
- 效果:对比度提升至3.06:1(浅色模式)和5.5:1(深色模式)
-
警告状态(status-warning)
- 原色值:#FFAA15
- 新色值:#C27B00
- 效果:对比度提升至3.07:1(浅色模式)和5.67:1(深色模式)
-
未知状态(status-unknown)
- 原色值:#CCCCCC
- 新色值:#919191
- 效果:对比度提升至3.01:1(浅色模式)和5.84:1(深色模式)
关键状态(status-critical)的特殊处理
虽然关键状态的原色值#FF4040已经满足3.06:1的对比度要求,但为了与表单错误提示保持一致性,设计团队建议将其调整为#EB0000。这一调整同时满足:
- 通知组件中3.15:1的对比度要求
- 深色模式下4.36:1的对比度表现
技术实现要点
- 对比度测量方法:采用图标颜色与10%透明度背景色的对比度测量方式
- 跨模式兼容性:确保颜色方案在浅色和深色模式下都能满足对比度要求
- 视觉一致性:在提升可访问性的同时,保持与原有设计风格的一致性
实施建议
对于使用Grommet设计系统的开发者,建议:
- 及时更新到包含此优化的版本
- 在自定义主题时,参考这些颜色标准确保可访问性
- 定期使用对比度检测工具验证UI元素的可访问性
总结
这次颜色优化不仅解决了通知组件的可访问性问题,也为整个设计系统的颜色规范提供了参考标准。通过科学严谨的颜色选择,Grommet设计系统在保持美观的同时,进一步提升了产品的包容性和可用性。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
663
4.27 K
deepin linux kernel
C
28
15
Ascend Extension for PyTorch
Python
506
612
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
941
868
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
394
292
暂无简介
Dart
911
219
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.54 K
894
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
124
198
昇腾LLM分布式训练框架
Python
142
168
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
557