IEEE曲线图只靠红绿区分，灰度打印后怎样仍看得懂

算法论文的四条曲线分别是红、绿、蓝、黄，屏幕上看很清楚。把图缩到论文单栏宽度、转成灰度后，红绿两条几乎重合，审稿人无法辨认哪个模型在哪个区间表现更好。IEEE作者中心提醒，色觉差异可能使某些颜色组合难区分，建议检查图在灰度打印时是否仍能解读，并同时利用颜色和形状传达数据系列。可访问性不只是美观问题，曲线对应错了会直接影响论文结论的阅读。

先定义每条线的身份

为每个模型固定一套线型和数据点标记，例如实线配圆点、虚线配方块、点划线配三角；不要只在颜色图例里区分。关键线加足够粗度，缩到期刊常见的一栏宽时标记仍可见。颜色明度也应拉开，避免两条不同色但灰度值相近的线叠成一条。若系列很多，可把曲线末端直接标上模型名称，减少读者在图例与线之间反复来回寻找。

绘图时还需想清重叠情形。若两条线大部分重合，简单改颜色或线型可能仍看不出差异；可以用局部放大、差值图或说明两者重合程度，但不能为了易看而悄悄错开数据点。若使用局部放大图，要让放大框的坐标范围和原图位置有明确连接，并在图注交代；否则读者可能误把局部微小差别当作整段趋势。对散点密集的图，点形状可能彼此覆盖，此时可采用适当透明度、分面或抽样展示，并在图注说明处理。若线图包含误差带，线和带应使用不同明度，灰度下仍能看出区间边界。最后核对论文的显著性叙述是否真的由图上的误差范围支持，不能因线条颜色醒目就强化结论。图例里的线段也应显示同样的线型和标记，避免正文图与图例各用一套视觉编码。阴影置信区间也要有边界和图例，避免彩色填充变灰后遮住主线。图中线型、标记与正文叙述用同一名称；不要正文叫“基线模型”，图例却缩写成读者不认识的内部代号。

用失去颜色的版本做验收

把最终导出的图，而非绘图软件预览，转换成灰度并缩到实际排版宽度。请一位未参与制图的合作者在不看正文的情况下指出每条线、关键交叉点和误差范围。如果回答不出来，就调整线型、标记、明度或布局。再检查彩色版本是否有足够对比度，以及黑白打印是否造成文字与背景混淆。

发表后的图可能出现在手机屏幕、低对比度投影或纸质复印件。最终验收时把图打印成灰度：若仍能指出每条线的名称与关键比较，再采用这一版。