第 04 章 图与底：注意力是怎么被分配的
先讲一件小事。
有一天你加班到很晚回家，屋里没开灯。你推开卧室门，摸黑往里走。卧室的门是白色的平板门，门后那个挂钩上，挂着一件黑色的连帽卫衣——帽子挂在钩子上，袖子垂着，衣摆自然往下坠，离地大概二十厘米。
你推开门的那一刻，心跳漏了一拍。
你”看见”门口站着一个人。低着头，穿着深色连帽衫，帽子把脸遮住了。
然后你抬手摸到开关，灯亮了。是件衣服。
我要你认真回想这零点几秒。因为这里头藏着本章的全部。
第一，你看见的不是”一件形状有点像人的衣服”，你看见的就是一个人。 跟第三章那个路锥一样，你的知觉不给模糊答案，它给断言。
第二，你有没有”决定”让那件卫衣当主角？ 没有。你的心跳比你的判断快。等你反应过来”那是衣服”，事情已经结束了。图底判定是在你意识到之前完成的。
第三，也是最要命的一条——门才是那个”更大、更实在、更该被注意到”的东西。 门是房子的一部分，是实心的，占了两平方米。卫衣只是挂在门上的一块布，可能占零点三平方米。可是在那零点几秒里，卫衣成了”主角”，门成了”背景”。
为什么会这样？为什么那块布赢了那扇门？
这就是这一章的题目。
一、图与底：一场在你意识到之前就结束的分配
先立两个词。
画面上被你知觉为”主体""前景""有个东西在这儿”的那部分，叫图（figure）。其余的、被知觉为”它后面那片""延伸出去的""没东西的”部分，叫底（ground）。
（“底”在中文里也常叫”背景”，但我这一章要劝你别用这个词，理由第四节讲。）
这套东西被系统地研究，是从丹麦心理学家埃德加·鲁宾（Edgar Rubin）开始的，他在一九一五年前后做了一整套关于”视觉上被知觉到的图形”的实验。在他之前，大家默认”你看到什么就是什么”；鲁宾指出：你看到的”什么”里，有一半是”它后面那片是什么”这个决定给出来的。 这两个决定是同一件事的两面，你不可能只做其中一个。
回到那扇门。
“导师，我懂了，卫衣因为小、因为颜色深，所以它成了图。”
先别急着下结论。我要先把这个结论里隐含的一个错误假设挖出来，因为它害了无数新手。
大多数人（包括刚学设计的你）心里有一个默认模型，大概长这样：画面里最重要的信息，应该最显眼。
这句话听着天经地义，对吧？而且它导致了一种极其常见的做法：设计师知道”限时五折”是这张海报最重要的信息，于是他把”限时五折”放在了画面上，然后就……没有然后了。他觉得重要性本身会让它显眼。
这是错的。这是这一章我要纠正的第一个念头。
重要性是语义层面的属性，它产生不了任何一丝一毫的视觉力量。视觉系统根本不知道你那个”限时五折”有多重要，它不是读字的，它是看形状、明度、边界、位置、运动的。
换句话说：“图”这个身份不是被”授予”的，是”赢”来的。
画面上每一块区域都在竞争”图”这个位置，竞争的依据是一堆纯粹形式上的证据——谁小、谁封闭、谁对称、谁凸、谁在下面、谁被认出来了、谁在动。赢家通吃：它拿到深加工、拿到记忆、拿到情绪；输家退成底，被浅加工，然后被忘掉。
你的”限时五折”如果形式上的票数不够，它就会输给旁边那张比它大、比它亮、比它封闭的产品照片。而观众看完之后记住的，会是那张照片。
所以正确的表述应该是这样：
你希望观众看什么，你必须用形式手段让它在竞争里赢。
重要性不能代替票数。这句话值这一章的价钱。
再往下走一层。为什么”赢家通吃”？为什么不能两块区域都当图、都拿到深加工？这个问题鲁宾之杯会回答，我放到第三节。
这里先给你一个能立刻用的推论，让你感受一下这套东西的威力：
被判成”底”的东西，观众会看见它，但记不住它。
注意这个措辞——不是”看不见”。眼睛扫到了，视网膜上有它，但因为它被判为底，它拿不到深加工，进不了记忆。所以你可以在观众眼皮底下藏东西，只要你能让那东西被判为底。
这就是迷彩的原理，也是隐藏图形的原理，也是你版面上那些”客户要求加上但其实没人会看”的小字的最终归宿。
好，现在来看那场竞争是怎么判的。
二、谁有资格当图：七个因素，以及每个凭什么算数
下面这七个因素，是视觉系统在几百分之一秒里投出的七张票。我逐个讲，并且每个都要回答同一个问题：它凭什么算数？ 因为只有知道它凭什么，你才知道怎么人为地给它加权或削弱它。
1. 面积：小的更容易当图
规则：两块重叠或相邻的区域，小的那块更容易被知觉为图，大的那块退成底。
凭什么：因为物体通常比它所在的环境小。
这是大脑对世界的一个基本赌注。一只杯子比桌子小，一个人比房间小，一只鸟比天空小。你在视网膜上看到一小块被一大块包围的区域，最可能的解释就是”小的那个是东西，大的那个是它所在的地方”。
什么时候失效：当小面积规则跟别的因素打架时，它经常输。最典型的是满版构图——一张特写人像，脸占满了整个画面，那张脸依然是图，因为它靠的是别的东西（封闭性、对称性、熟悉度）。
还有一个你每天都见到的反例：夜空。星星面积极小，天空面积极大，但你通常把天空看成”底”、把星星看成”图”——这里面积规则确实生效了。可是一朵形状奇特的云，面积巨大，你照样会把它看成图，因为它赢在熟悉度和形状上。
设计上怎么用：想让一个元素弱下去？缩小它。想让一块区域退成背景？让它大、让它铺满、让它延伸到画面边缘之外（暗示”它还在继续，画框只是切断了它”）。最后这一招尤其有效——一个延伸到画外的区域，几乎不可能被当成图，因为它没有完整的边界。
2. 封闭性：有完整轮廓的更容易当图
规则：边界闭合的区域更容易成为图。
凭什么：一个封闭的轮廓意味着”这里有一样东西，它的边界走了一圈回来了”。这是”物体”这个概念的最低要求。
（关于闭合性的机制——大脑为什么会把断开的轮廓自动补上，以及补上之后会发生什么——我在第三章已经讲透了，这里不重复。）
我要在图底这个语境下补一句第三章没说的：封闭性在图底竞争里最核心的体现，是”轮廓线的归属权”。 一条边界线被判给谁，谁就有了形状，另一方就失去了形状。这是鲁宾之杯的核心机制，第三节展开。
3. 对称性：对称的形状更容易当图
规则：在条件相近的情况下，对称的区域更容易被知觉为图。
凭什么：因为自然界里，对称的东西几乎都是生物。
这是一条被严重低估的线索。你回想一下：动物的身体左右对称，人的脸左右对称，昆虫、鱼、鸟，全对称。而岩石、云、水、泥土、树皮——这些”环境”——几乎都不对称。
于是”对称”成了一个极便宜的生命检测器。在演化上，检测生命的重要性排在最前面：会动的东西要么能吃，要么能吃你。所以视觉系统对对称有专门的敏感性，一检测到就往上提权重。
还有一个次级的理由：对称的形状描述起来短。 你描述一个对称图形只需要说一半，另一半是镜像。这符合第三章讲的简洁律——对称的结构压缩率高，省记忆，省算力。两个理由同向叠加，所以对称这张票分量不轻。
设计上怎么用：想让一个元素跳出来？给它对称的形状（居中的圆形、对称的图标、左右平衡的排版）。反过来，想让一块区域安分地当底？打破它的对称——让纹理不规则，让色块不对称，让它的边缘是随意的、不重复的。
顺便说一个反直觉的推论：完全对称的构图，会让”图”和”底”都变得很强、很僵，画面容易死板。 因为对称同时加强了两边。这就是为什么很多成熟的版式是”大致对称、局部打破”——关于这一点，后面讲张力与平衡的那一章会展开。
4. 凸性：鼓出来的比凹进去的更容易当图
规则：轮廓向外凸的区域，比轮廓向内凹的区域更容易成为图。
凭什么：这是我认为七个因素里解释最漂亮的一个。
你想：一个向外鼓的轮廓意味着什么？意味着有一块东西被”加”在这里，它的边界向外扩张、把自己包起来了。
而一个向内凹的区域意味着什么？意味着有一整块东西被”咬掉”了一口，那一口是缺的。缺的部分不是”东西”，它是”东西的缺席”。
所以面对同一个圆弧，你会把它解释成”一个球贴在这儿”（凸），而不是”一块平板上挖了个圆洞”（凹）——除非有别的证据（阴影、透视、熟悉度）强烈指向洞。
生活里的验证：墙上的一块凸出的瓷砖 vs 墙上的一个洞。两者的轮廓在二维投影上可能一模一样，但你几乎总是先看成立体的那个。只有阴影、透视这些深度线索能把这个判断翻过来。这也是为什么”画得像不像”这件事里，光影比轮廓更关键——关于这一点，讲光影的那一章会专门说。
设计上怎么用：一个元素的轮廓如果到处是凹口、缺口、内凹的弧，它会失去”图”的资格，容易被读成”背景被挖掉一块”。所以 logo 设计里有个经验：外轮廓尽量少做凹口。 你去看那些强识别度的标志，外轮廓绝大多数是凸的或者平直的，凹的地方极少而且都很小心。
5. 下方性：靠下的更容易当图
规则：画面下方的元素比上方的更容易成为图，上方的更容易退成底。
凭什么：两个理由，都跟重力有关。
第一，东西落在地上。 地面上的物体在下方，天空、天花板、远山在上方。我们几百万年来看的世界，永远是”上面是空的，下面是有货的”。
第二，下面是近的。 在一个正常的、站在地面上的视角里，画面越靠下，对应的现实空间离你越近（地面向你脚下延伸过来）；越靠上，越远（直到地平线和天空）。所以”下 = 近 = 实物”，“上 = 远 = 背景”。
这两个理由叠在一起，让下方性成为一张相当稳的票。
生活里的验证：随便看一张风景照。下方的岩石、草、路，你一眼就知道是”东西”；上方的天空，你一眼就知道是”背景”。你从来不会犹豫。
设计上怎么用：这条对版式的影响比你想的大。
想让一个元素显得”实”、显得”有分量”、显得”是主角”？往下放，或者至少不要放到最上面。
反过来，最上面那条区域天然地会被当成”背景／标题区／天空”，所以横幅、页眉、顶部的色带，天然适合当底而不适合当图。
这里有个新手常踩的坑：把最重要的行动按钮（“立即下单""提交”）放在页面顶部右侧。位置上它在”上”，下方性给它投了一张反对票，而它通常面积又小（面积给它投了赞成票）——两票抵消，它就不够强了。这就是为什么主行动按钮放在内容区下方或者跟随内容流，效果往往更好。
注意一个例外：这条规则在”界面”里的表现跟”海报”里不一样。界面是被”操作”的，用户对手指够得着的区域有额外的偏好（拇指热区）。这时候”可达性”这张票会压过下方性。所以你说”下方性”是不是铁律？不是——它只是一张票，别的票足够多时可以推翻它。
6. 熟悉度：你认得的东西更容易当图
规则：能被识别为某个已知物体的区域，更容易成为图。
凭什么：因为识别本身就是一种”胜出”。
这是七个因素里唯一一个”自上而下”的——它不是从画面里算出来的，是从你的记忆里匹配出来的。机制是这样的：视觉系统在很多个候选解释之间竞争，一旦某个候选在你的记忆库里找到了一个模板对上号（“哦，这是张脸”），这个候选会瞬间获得巨大的额外权重，直接碾压其他解释。
这条规则的威力大得惊人。它可以一个人压过面积。
一片巨大的、斑驳的墙面上，有一小块水渍恰好长得像一张侧脸——尽管那块水渍可能只占画面的百分之二，你还是会先看见那张脸，而且一旦看见，你就再也看不见别的地方了。
这就是为什么我们会在云里看见狗、在插座上看见脸、在火星的照片里看见人脸。也解释了第三章开头那个路锥：为什么你看见的是”人”而不是”橙色的锥体”？因为”人”这个模板在你记忆库里的权重是最高的，一旦有那么一点点匹配，它就直接抢走了”图”的位置。
设计上怎么用：这条有两面。
正面：你用熟悉度做”钩子”。一个能被立刻认出来的图形（一张脸、一个箭头、一只手、一个苹果），会自己从背景里跳出来，不需要你给它加描边、加阴影、加亮色。这是最省力的强调手段。
反面（也是危险的一面）：熟悉度不受你控制。它取决于观众的生活经验，而你和你的观众的经验可能完全不一样。
一个六十年代的图案，在你的年轻用户眼里只是”花里胡哨的纹样”（底），在你的中年用户眼里是”啊，那个年代”（图）。一个行业内的图标，在你的同行眼里是明确的语义，在外行眼里是一坨不明形状。你无法设计一个”对所有人都熟悉”的东西。
所以我的建议是：熟悉度是你可以借用但不能依赖的一张票。 用它可以，但永远要有别的票（面积、封闭性、明度对比）兜底，确保即使观众认不出来，你的层级依然成立。
7. 运动：动的东西当图
规则：运动的区域成为图，静止的区域退成底。
凭什么：这条最不需要解释，因为它在演化上最古老。
在视觉系统还很原始的时候，视网膜上就已经有一类细胞专门检测”变化”。运动的检测发生在非常早的阶段，快到几乎没有加工。第三章讲共同命运时说过：从运动里把物体从背景中抠出来，直接关系到吃与被吃，所以这套机制被实现得极靠前、极自动化、极难被意识覆盖。
静态画面里怎么办：你的海报不会动，但”运动”有静态等价物。视觉系统会把下面这些读作”它在动／它刚动过／它要动”：
- 斜线（偏离水平和垂直的方向，天然带有不稳定和趋势）
- 动态模糊（边缘被拉虚，是运动的物理痕迹）
- 速度线／拖尾（文化约定，但极其有效）
- 倾斜的、失衡的构图（暗示”接下来要发生什么”）
- 被裁切的、正在出画的物体（暗示运动方向）
所以摄影里一个经典手法是：让主体有运动模糊，让背景清晰——这在物理上是反的（手持拍摄时通常是背景糊），但它在图底竞争上是对的：模糊反而帮主体拿到了”运动”这一票。
关于这七张票，最后一件必须说清楚的事
它们是投票，不是条件。
没有哪一个是必要条件。不是”面积大就一定是底”，不是”不对称就当不了图”。每一张票只是往天平上加一点重量，最后看总账。
这就是为什么图底问题难——它不是一个可以查表的规则，它是一次加权求和。你改变任何一个因素，都可能改变结果，但也可能不改变，取决于别的因素给了多少。
这也解释了设计师最常有的困惑：“我明明把它放大了，怎么它还是不突出？“因为你可能同时犯了另外三个错：把它放到了画面顶部（下方性反对）、给了它一个内凹的轮廓（凸性反对）、把它放在了一块纹理很花的背景上（底在跟它抢）。放大加的那一票，被三张反对票抵消了。
所以不要问”我该用哪一招”，要问”这七张票，我现在有几张，缺哪几张”。
三、鲁宾之杯：一条边界只能有一个主人
现在讲那个最著名的图。
**鲁宾之杯（Rubin’s vase）**的画面很简单：一条曲线从画面顶部走到底部，把画面分成左右（或内外）两块区域。
你看着它，会看到两种东西，但不能同时看到：
- 解释 A：中间那一块是一个花瓶（或高脚杯），两侧是空的背景。
- 解释 B：两侧那两块是两张相对的侧脸剪影（额头、鼻梁、嘴、下巴，全都朝着画面中间），中间那块是空的背景。
两个解释共用同一条轮廓线。那条线在解释 A 里是花瓶的左右边缘，在解释 B 里是两张脸的轮廓。
好，关键问题来了：为什么你不能同时看到两个？
“因为它们本来就不能同时存在啊，那块地方要么属于花瓶要么属于脸。”
这个回答是循环论证。“为什么不能同时属于两边”正是我要问的问题。
边界的归属权
鲁宾本人的洞见在这里：图拥有轮廓，底没有形状。
这句话要这样理解——
当你把那条边界判给”花瓶”，花瓶就获得了形状：它有了边界，它被包起来了，它是一个可以被命名、被记忆、被想象的物体。而两侧那两块，此时不是”两块侧脸形状的区域”，而是向外延伸出去的、无定形的、跟画外连成一片的背景。你完全说不出它们是什么形状，因为这时候它们没有形状——它们的边界被征用了。
当你把边界判给”两张脸”，情况反过来：脸有了轮廓，成了图；中间那块失去了边界，变成了”背景的一部分”，不再是花瓶。你这时候说不出中间那块是什么形状。
所以**“底没有形状”不是说它几何上没有形状，是说它的形状不被知觉为一个物体。** 边界被拿走了，形状就跟着走了。
而一条边界，在这一刻只能被一个主人拥有。
我用你能一秒懂的方式说：这就像 Go 里一个无缓冲 channel 里的值——它被某一个 goroutine 接收之后，另一个 goroutine 就再也收不到了。 不是”两个各收到一半”，是”一次发送，一次接收，独占”。视觉系统里的边界归属也是这个结构：一次归属，独占，另一方拿不到。
这个”独占”不是因为大脑算力不够，是一个有意的设计取舍，下一小节讲为什么。
为什么会翻转
如果你盯着鲁宾之杯看十几秒，你会发现它自己会翻。你没想让它翻，它翻了。
原因有两个半：
第一，神经疲劳（适应）。 支持当前那个解释的神经群持续放电，会疲劳、会衰减。同时，被抑制的那一方的神经群在悄悄恢复。等平衡被打破，另一方就翻上来了。这是个自动过程，你挡不住。
第二，自上而下的因素。 如果我在你看到这张图之前跟你说”注意看那两张脸”，你第一眼看到的就是脸。你的预期、你刚看过的东西、你当下的任务，全都会影响第一票投给谁。（这也解释了第一章那个”看不见的大猩猩”：你的任务是数传球，所以”穿白衣的传球者”这个解释被预先加权了，大猩猩被判给了底，于是它在你视网膜上待了好几秒，却没进你的记忆。）
第三（半个），你可以在一定程度上主动切换。 你能通过努力让花瓶变成脸。但你会发现两件事：这件事很费劲，而且维持不了——你一放松，它就翻回去了。
为什么要有这个取舍：注意力是单线程的
现在到了我最想让你理解的一层：大脑为什么要把自己设计成”一次只能有一个图”？
答案是：深度加工是独占资源的。
当你把一块区域判为图，视觉系统会对它做一整套昂贵的操作：精细的形状分析、识别、跟记忆比对、语义激活、情绪评估。这套操作需要把资源集中过去。
如果两块区域同时被判为图，资源就得一分为二，结果是两块都只做了半吊子加工——你既没看清花瓶，也没看清脸。两个都半懂，不如一个全懂。
那么”一个全懂”的风险是什么？是可能选错。选错了，你可能盯着花瓶而错过了旁边那张脸——而那张脸（假如是只老虎）才是要命的。
大脑的取舍是：宁可看错，不可看慢。
在一个有捕食者的世界里，反应的延迟比反应的错误更致命。你看错了，还有机会纠正（走近发现是路锥）；你看慢了，就没有第二次机会了。所以演化毫不犹豫地选了”快速、独占、可翻转”，而不是”慢速、并行、一次到位”。
而这个取舍，给你留下了一个巨大的设计杠杆：
你把什么判成图，什么就会拿到深加工、进入记忆、产生情绪。你把什么判成底，什么就被浅加工、被忘掉——哪怕它就在观众眼前。
这不是修辞。这是机制。你的每一次图底安排，都是在替观众决定”你会记住什么、忘掉什么”。
顺带解决一个第一章留下的问题
还记得”看不见的大猩猩”吗？一半以上的人数着传球，完全没看见一只装成大猩猩的人在画面正中间捶胸。
现在你能解释它了：数传球这个任务，预先给”穿白衣的人”这个解释加了权重，于是白衣球员成了图，画面上其他一切——包括那只又大又黑又动的大猩猩——被判给了底。底会被眼睛扫到，但不进记忆。 大猩猩的影像清清楚楚地落在了他们的视网膜上，然后被丢弃了。
所以，“注意力”这个词其实不太准。更准的说法是：注意力是一次分配，而分配的结果决定了什么是图。 反过来也成立：什么是图，决定了注意力在哪。这两句话是同一件事。
四、底不是背景，底是形状
好，前面都是原理。这一节是这一章最值钱的部分，也是我认为新手和高手之间最实在的一条分界线。
我先说结论，然后证明它：
底不是”图后面的那块空地方”。底是有形状的，而观众会看见那个形状。你设计它，它就为你工作；你不管它，它就长成一个随机的、破碎的、丑的形状，然后回过头来破坏你的画面。
为什么底一定有形状
这是句废话，但废话里有个推论不废：底的形状 = 画面的形状 − 图的形状。
这意味着你每放一个元素，你就在改变底的形状。你不是在”往一张纸上加东西”，你是在”从一整块底上挖掉一块”。
新手的思维是加法：我在这个空白画面上加一个标题、加一张图、加一段文字。
高手的思维是减法：我有一整块完整的底，现在我要决定从哪里挖走什么，让剩下的那块形状依然好看。
这两句话描述的是同一个物理动作，但它们指向完全不同的注意力方向。前者的注意力在”元素”上，后者的注意力在”剩下的那块”上。
而观众看到的，从来都是两者同时——他看到元素，也看到元素周围那块被挖剩下的形状。
“没画的地方”和”决定不画的地方”
我再给你切一刀，这一刀很关键。
底不是你”没画”的地方，底是你”决定不画”的地方。
这两个说法看着差不多，其实差了一个职业档位。
“没画”意味着：你没注意到它，你的注意力全在元素上，剩下的地方是遗漏。遗漏的产物一定是随机的——随机的形状在视觉上一定是难看的，因为随机意味着没有结构、没有意图、不能被压缩、不能被理解（还记得第三章简洁律吗）。
“决定不画”意味着：你看见了它，你评估过它，你有意识地把它留下了。这时候底是被设计的——它有形状、有比例、有边界，它跟元素之间的关系是被安排过的。
一块被设计的底和一块被遗漏的底，在观众眼里是两种东西。 前者让人觉得”干净、高级、透气”，后者让人觉得”空、没做完、寒碜”。而这两种感受的差别，观众说不出来，但一定感觉得到。
怎么”看底的形状”：四个具体动作
方法讲一百遍不如给四个能立刻做的动作。
动作一：把图涂黑。
在任何软件里，把你的元素全部填成纯黑，底留白。然后只看白的。
你会立刻看到那个底的真实形状。它是不是一整片？它有没有被切成一堆碎块？它有没有被困在元素之间的死胡同里？正着看的时候，你的大脑被元素的内容吸走了，根本不会注意底；涂黑之后内容消失，底的形状第一次真正显形。
动作二：描底。
拿一张半透明的纸（或者在任何软件里新建一层），把底的形状描出来，单独看它。
这是个笨办法，但它极其有效，因为描的过程强迫你的眼睛沿着底的边界走一圈。走完这一圈，你会对这个形状有个非常具体的判断：它像个什么？
一个健康的好底，通常像个规整的几何形或者几笔就能画完的形：一大块矩形、一条 L 形、一个 C 形。
一个生病的底，通常像一块被咬烂的饼干：边缘全是锯齿、忽宽忽窄、到处是尖角和小碎块。
动作三：数底有几块。
眯起眼睛（第一章教过），看你的画面。然后数：画面上有几块独立的空白区域？
数字越少越好。三到四块以内，通常说明你的底是完整的、有主张的。到了七八块，说明你的底被切碎了，画面会显得乱、碎、没有呼吸。
注意，这个数字不是绝对的（信息密集的版面自然块数多），但它是一个非常灵敏的相对指标：你把一版设计改两稿，数一下块数，块数少的那一稿，通常就是更好的那一稿。
动作四：检查底能不能”流出去”。
这一招最实用，我单独强调。
看你的画面：底（那片空白）能不能从画面的一边，一路连通地流到另一边？还是它被元素堵住了，形成了一些封闭的小水洼？
我说的”死水洼”就是那种被两三个元素围在中间、四面都走不出去的小块空白。它是版面的病灶。
为什么？因为它是一块”被困住的底”。观众的眼睛走到那儿会被卡住——它既不是图（太小、没内容），也不是底（它不通向任何地方，它是个孤岛）。它在视觉上是一种噪声，会让人无端地觉得”这里有点挤""这里有点乱”，但说不出为什么。
一条我建议你背下来的判断：健康的底应该是连通的，并且能流到画面边缘之外；凡是”走不出去的空白”，都要么消灭它（把旁边的元素挪走、合并），要么让它真正地封闭起来并给它一个存在的理由（变成一个有意的间隙、一个装饰元素）。
图底分离失败的三种典型症状
现在你可以自己诊断了。我把最常见的三种病列出来，每种给机制和判断法。
症状一：元素糊在一起，分不清谁跟谁一伙。
机制：元素之间的间距小于（或接近）元素内部的间距，底形没有形成连续的通道，图与图之间的边界消失。
判断法：用”动作四”。看底能不能流过去。如果两个元素之间的空白窄到像一条缝、而且一头宽一头窄（楔形），那它们就是在打架。楔形底是版面里最常见的恶性肿瘤——它意味着”这两个元素既没分开也没合上”，处在一个最难受的中间状态。
解法：要么分开（拉大间距，让底痛快地流过去），要么合上（缩小间距，让它们明确地成为一个组）。永远不要停留在”差一点点”的状态。 差一点点分，比明确地合上或分开都要糟糕得多。
症状二：层次发闷，画面灰扑扑的，没有重点。
机制：图与底之间的对比不够，尤其是明度对比不够。
（明度为什么是色彩三个维度里的老大，讲配色的那一章会专门展开，这里你先接受结论：在图底竞争中，明度差是最强的一票，比色相差强得多。）
一个常见的错误：设计师为了让画面”柔和”，把图做成浅灰、底做成稍深的浅灰。结果是图底之间没有足够的明度差，分离失败，整个画面糊成一块。
注意这里有个陷阱，很多新手踩：遇到”发闷”，第一反应是把图做得更重——加深颜色、加描边、加阴影。这是”增大信号”。它能管用，但代价是引入了新的视觉重量，画面会变”吵”。
还有一个方向，而且通常是更好的方向：削弱底。让底更淡、更平、更没脾气。这是”降低底噪”。它不增加任何新的视觉重量，却同样能拉开图底差距。
症状三：看几秒才找到重点，眼睛在画面上来回跳。
机制：候选图太多。
画面上有四五个元素，每个都拿到了两三张”图”的票：都封闭、都对称、都大小差不多、都挺清楚。于是它们轮流当图——你的眼睛在它们之间来回跳，每跳一次，图底判定就要重做一次，每一次都要花掉一两百毫秒。
几秒钟之后，观众累了。他可能什么都没记住，只留下一个印象：“这个东西看着有点乱。”
判断法：眯眼看。眯眼之后，画面上还能看到几个”块”？如果超过三个，而且它们大小、明度都差不多，那你就有”候选图过多”的问题。
解法不是”删掉几个”，是”让票数集中”。 你需要做两件事，缺一不可：
第一，给那个真正的主角加权：放大它、给它更高的明度对比、给它一个封闭的轮廓、把它放到下方、让它是画面上唯一对称的东西。让它拿到五张票。
第二，主动削弱其他候选：降低它们的对比、去掉它们的边框、缩小它们、让它们的明度向底靠拢。让它们从”三票”降到”一票”。
只做第一件事，你会陷入”军备竞赛”——你把主角放大，别的东西也得跟着放大才看得见，最后整个画面塞满。必须同时做第二件事。加法要配着减法用，否则就是通胀。
三个反例
反例一：给底加装饰。
这是新手最爱做的事，也是最容易毁掉画面的。
画面留白太多，觉得”空”，于是给底加一层纹理、加个渐变、加一张淡淡的图。
结果：底开始跟图竞争。它有了内容，就有了被识别的可能（熟悉度），有了明度变化（对比），有了形状（封闭性）。它从”底”变成了”半个图”。于是画面发闷、层级消失。
不是不能加，是加了必须付出代价。 代价就是：你必须相应地降低这个底的对比度。具体做法通常是：压低它的明度对比（让纹理的深浅差别变得很小），或者给它盖一层半透明的色纱把它往后推，或者让它极度虚化（消除细节，从而消除熟悉度）。
你给底加多少”内容”，就要同时加多少”后退”。 这两件事必须成对出现。只加内容不加后退，等于主动制造图底战争。
反例二：元素贴边，四边留一样窄的边。
这是版式里最常见的一种”看起来很规矩其实很难受”的错。
画面四周各留 15 像素的白边，所有元素都在这条框里面。结果是什么？底变成了一圈又细又均匀的框。
这一圈细框是个极其尴尬的形状：它太窄了，没法被知觉为”一块底”；它又是连续的、封闭的，所以它又确实有形状。它的效果是给整个画面套了个紧箍咒，让画面显得憋、小气、紧张。
要么顶到边（出血），要么大大方方地留一大片。 中间状态——留一点点、留得又均匀又窄——是最糟的选择。
这条在 PPT 和文档排版里尤其常见，因为软件的默认页边距就是四边一样宽的。默认不是设计，默认只是没人动过它。
反例三：把所有的”次要信息”都挤到角落里。
客户要求加的免责声明、备案号、合作方 logo、二维码，全都缩在四个角上，字号极小。
新手以为把它们缩小就等于让它们当底。其实不然。缩小给它们投了”面积”这一票（赞成当图），而它们往往被挤在一起、彼此重叠，形成了一团又小又密的碎块。
这团碎块在视觉上是一种特殊的噪声：它不是图（看不清），也不是底（它有内容、有边界、而且跟别的东西抢边界）。观众的眼睛会被它轻微地吸引过去，然后什么也没得到，然后再被拉走。
正确做法：把它们收拢成一个整体，让它们共享同一个尺寸、同一种灰度、同一条对齐线——用第三章讲的相似性把它们并成一个组，然后整体降到一个明确的灰度，让它们作为一个单一的、弱的图存在，而不是一团碎屑。
五、反转的主动运用：把底变成第二个图
前面讲的多半是”怎么避免图底出问题”。现在讲怎么主动利用它。
既然”底没有形状”只是”边界被征用了”的另一种说法，那么只要你能让一条边界同时服务两个解释，你就能在一个画面里塞进两层信息。这就是图底反转在设计里的价值。
三种做法
第一种：借用已有笔画之间的空隙。
这是字标设计里最常见的手法。
最出名的例子是联邦快递（FedEx）那个 logo：紫色的 “Fed” 和橙色的 “Ex” 并排，在 “E” 和 “x” 之间的那块白色空隙，恰好是一个向右的箭头。
注意这个手法的精髓：那个箭头不是画上去的，它是剩下的。设计师通过精确调整字母的形状和间距，让那块”不得不存在的空隙”长成了一个有意义的形状。
这类设计的判断标准很硬：它必须是”顺便”的。 好的负形手法，是让那块空隙长成箭头；坏的做法，是为了塞进一个箭头而把字母切得七零八落。前者让人觉得”巧妙”，后者让人觉得”这字母怎么这么别扭”。
第二种：两个轮廓共用一条边界（互为正负）。
就是鲁宾之杯那一路。两个图形，一条共享的边界，各自在对方的”底”里。
这类设计常见于：一只鸟和一个叶子共用一条弧线；一个手形和一个心形共用一段轮廓；一个动物剪影和另一个物体互相嵌套。
它的难点在于两边都得认得出来。很多学生作业做出来的共用轮廓，正面看着挺好，翻过来那一面完全认不出是什么。那就不叫正负形，那就只是一个形状加上一块奇怪的空白。
第三种：底的局部被”染色”，形成第二层图。
这是最实用、也是被讲得最少的一种。
在一个”深绿底 + 烫金方框 + 框内品名”的茶叶包装上，实际上存在三层：
- 最外层：深绿，是底
- 烫金方框：对深绿来说它是图，对框内的字来说它是底
- 框内的字：是烫金方框这张底上的图
每一层，对下一层是图，对上一层是底。 这就是”层级”这个词在视觉上的真实含义。
这条认知非常重要，因为它告诉你：层级不是”重要程度排序”，是”一层层的图底嵌套”。 你要让观众看到三层信息，你就要建立三层图底，而每一层都要满足”图能赢过它下面那层”的条件。
很多新手做的层级是假的：他把三级信息用了三个字号，但它们的底色、明度关系、边界条件全都一样，于是三层全都堆在同一个底上——看起来有三个字号，实际只有一层图底。观众读完第一层就不知道往哪走了。
（这个话题讲视觉层级的那一章会接着往下挖。）
为什么反转讨人喜欢
因为**“发现”这个动作本身是愉悦的**。
观众第一眼只看到花瓶，第二秒突然看见了两张脸。这个突然的重组，跟第三章讲的”闭合性的参与感”是同一件事——观众的大脑参与了一次主动的组织，而这个组织是他自己完成的，所以他会觉得这个作品”聪明”，而且记得特别牢。
（参与感这个机制在第三章讲闭合性时已经展开过了，这里不重复。）
三个陷阱
陷阱一：负形不够清晰，等于不存在。
这是最常见也最致命的。设计师花了三个小时调那个空隙，调完之后他觉得”太明显了”。可是他调了三个小时，他当然觉得明显——他已经没法用新鲜的眼睛看它了。
所以我给你一个硬性的检验标准：找一个完全不知情的人，把图给他看三秒，然后问：“你在这上面看到了几个东西？”
不要给任何提示。 提示之后谁都能看见。
如果他只说出一个，你的负形就失败了。不管你觉得它有多明显，它就是失败的——因为真实观众不会有三小时的时间去”发现”它。
陷阱二：负形破坏了正形的可读性。
这是我见过最多的学生作业通病：为了塞进一个巧妙的负形，把字母的笔画削掉一块，或者把字的间距拉得稀奇古怪。
优先级永远是：正形的可读性 > 负形的巧妙。
一个 logo 首先要能被认出来、能被读出来。如果为了隐藏一个箭头而让人认不出这个词，那你做的是谜语，不是设计。
陷阱三：藏得太深，变成自嗨。
有些双关藏得极深，深到只有设计师本人和看过说明的人能发现。
我给你一个判断：如果这个双关永远不被人发现，这个作品还成立吗？
如果答案是”还成立，它只是个额外的彩蛋”——那很好，做个彩蛋是加分的。
如果答案是”不成立，那就只是个平庸的图形”——那你把设计的赌注押在了一个大多数观众不会触发的事件上。这是赌博，不是设计。
好的双关应该是：不发现它，作品依然完整好用；发现了它，作品多一层回味。
六、跨场景：图底在不同画面里的样子
案例一：弹窗和它的遮罩（界面）
看一个弹窗。画面：屏幕正中一块白色圆角卡片，宽约 400 像素，里面有标题、两行说明文字、两个按钮（“取消”灰底，“确认”蓝底）。卡片背后，是页面原本的内容，但被一层半透明的黑盖住了，大约 40% 的不透明度。
这层半透明黑在干什么？
新手的理解是”把背景变暗，让弹窗更显眼”。这个理解不算错，但太浅了。
它在做的事情是：取消背景当”图”的资格。
背景上有按钮、有文字、有图片、有高亮的链接——这些东西每一个都在竞争”图”。如果你不处理它们，弹窗只是”又多了一块东西”，观众的眼睛会在弹窗和背景之间来回跳。
那层黑做的事是：压低整个背景的明度对比，让背景上的所有元素都失去”图”的票。于是背景整体退成一个无定形、无内容的底。这时候弹窗成了画面上唯一的候选图——不战而胜。
这里有个细节很见功力：遮罩不能太重。
如果你把遮罩调成 90% 不透明的黑，背景几乎全黑了。这时候会发生什么？弹窗会**“飘”起来**——它失去了跟页面的空间关系，你不知道它是”浮在页面上”还是”换了一屏”。观众会有一瞬间的空间迷失。
好的做法是留一点点：让背景的轮廓还能隐约看见（能看出下面有个列表、有个导航栏）。这样底还在，它只是退后了。这种”还在但退后”的状态，比”彻底消失”要好得多——因为它保住了上下文，观众始终知道自己在哪。
同一个案例里的第二个问题：卡片疲劳。
现在看另一个画面：一个卡片式的页面，灰色底，上面排了十二张白色卡片，每张都有圆角、阴影、标题、摘要、缩略图。
问题来了：十二张卡片，每张都拿到了同样的”图”的票——都封闭（圆角矩形）、都凸（阴影）、都对称、都大小一样。
结果：它们互为底。 注意力没有地方落。观众的眼睛扫过十二个一模一样的东西，一个都没抓住。
这就是”卡片疲劳”，也是现代界面设计里最普遍的图底病。
解法：削弱一部分卡片的”图”的资格。
具体做法：去掉阴影（夺走凸性和部分封闭感）、去掉边框（夺走边界）、把卡片的白色改成跟底一样的灰（夺走明度对比），只靠留白和间距来分隔它们。这时候这些卡片就从”十二个图”变成了”一片底上的十二个区域”，而你可以把其中一两张真正重要的卡片保留完整的卡片样式——于是它成了画面上唯一的图。
你看，解法不是”把重要的那张做得更花哨”，是”把不重要的那些削弱”。 又是那个结论：降底噪比增信号有效。
案例二：人像照片里的那面墙（摄影）
一张人像。模特站在墙前，墙是那种老砖墙，有斑驳的纹理、有深浅不一的砖缝、有剥落的地方。
拍出来一看，总觉得”人不够突出”。摄影师的第一反应通常是：把人放大一点，或者后期提亮人脸。
先别动手。用七张票查一遍：那面墙拿了几张图底竞争的票？
- 面积：墙大，人小 → 墙投了底的票（对人有利）
- 封闭性：墙铺满整个背景，延伸到画外 → 墙投了底的票（有利）
- 熟悉度：砖、砖缝、剥落的痕迹，全都是能被识别的东西 → 墙投了图的票（不利）
- 明度对比：砖墙的明暗变化幅度很大，甚至可能超过人脸的明暗变化 → 墙投了图的票（不利）
- 对称：墙的纹理随机，不对称 → 投底的票（有利）
- 运动：都不动 → 平
结果：墙靠着”熟悉度”和”强明度变化”拿到了两张实打实的票，它在跟人抢。
三种解法，对应不同的削弱方向：
虚化（大光圈）：模糊消除了细节，而细节是熟悉度的基础——认不出来，熟悉度这张票就没了。同时模糊还压缩了明度变化的幅度（高频的明暗对比被抹平）。一招削掉两张票。
换一面纯色墙：直接消灭纹理，同样是消灭熟悉度和明度变化。代价是画面少了质感。
压暗背景：保留纹理和细节，但整体降低背景的明度，让人脸（亮）和背景（暗）拉开明度差。这一招保留了质感，代价是需要打光或后期。
这个案例里还有一个摄影师最常犯的图底事故：深色的头发压在深色的背景上。
模特的黑发，背景是深灰的墙。两者明度接近，边界消失——图底分离失败发生在了主体自己的轮廓上。结果是人”糊”在了背景里，脑袋的边界不见了。
这种照片你一看就觉得”不对”，但很多人说不出是哪里不对，只会说”感觉不够立体”。
解法：给头发打一道轮廓光（把边界用亮线勾出来），或者换一个背景，让头发的明度跟背景拉开。
同一类事故在街拍里更常见：你拍了一个很有意思的路人，但背景里有一块亮得多的广告牌、一个高饱和的灯箱、或者一块反光的玻璃幕墙。观众的第一眼，一定落在那块最亮的地方。
你的主体再有意思也没用——它输了。
这是我在开篇说的那句话的实证：重要性不产生视觉力量。 那个路人对你来说是整个画面的意义所在，但在图底竞争里，他输给了那块更亮、更大、更封闭的广告牌。
案例三：货架上的那一包（包装）
包装设计有个特殊性：它的”底”不是它自己的背景，是货架。
想象一包薯片，立在超市的三层货架上。它的左右是三十个 competitor，上下是两排同类，货架的金属层板是银灰色，头顶是惨白的日光灯，旁边还立着一张黄色的促销爆炸贴。
在这个环境里，你的包装只有大约零点三秒。
新手做包装，眼睛盯着的是”跟旁边那包比，我的好不好看”。 这个视角是错的，至少是不够的。
正确的视角是：我的包装，跟”整个货架”这个底比，能不能分离出来？
因为在这个场景里，真正跟你竞争”图”这个位置的，不只是旁边那包薯片，是整个货架的视觉噪声——几十个包装、价签、灯光反光、促销贴纸。
一旦你从这个角度看，很多包装设计的”套路”就说得通了：
为什么那么多货架包装用大面积的纯色块？ 不是为了好看，是为了制造一块跟货架的碎噪声完全不同的、巨大的、统一的区域。货架是碎的、杂的、高熵的；你的包装是一整块纯色，是低熵的。低熵的区域在高熵的底上，会像磁铁一样把眼睛吸过去。
为什么它们的 logo 都那么大、对比都那么强？ 因为在这个底上，中等对比等于没对比。
为什么很多包装在中间有一条横向的强色带？ 因为货架是横向排列的，一条横向色带会跟相邻包装的色带连成一条线——这看起来像”自杀”（帮了邻居），但实际上它让你的包装在竖向上跟上下两排区分开来了。这是在利用”底”的结构。
一个反例，几乎每个新手都会犯：把包装做得”很精致、很有层次”——细腻的渐变、丰富的插画细节、微妙的同色系层次。
在屏幕上看，好看。在货架上，死。因为这些细腻的东西在两米外全部糊成一团灰。包装在货架上能依靠的，只有大块的明度对比和大块的色彩对比。
所以包装的检验方法不是”放在电脑屏幕上看”，是”贴在货架照片上看”，最好是”缩小到指甲盖大小看”。 缩到那个尺寸还认得出来的包装，才是货架上能活的包装。
案例四：一面墙上的五幅画（家居）
回到家里。一面四米宽、两米八高的白墙，你要挂五幅小幅的画（每幅大约 30 × 40 厘米）。
新手的挂法：把五幅画沿着墙均匀排开，间距差不多，整体居中，每幅画离地一米八。
结果：像酒店走廊。或者像标本陈列。
问题出在哪？ 用图底的语言说：五幅画各自拿到了相同的”图”的票（都封闭、都对称、都大小一样），而墙（底）被它们切成了六块——左边一块竖条、画与画之间四块竖条、右边一块竖条。
底碎了。而画与画之间的那些窄竖条，全是”走不出去的空白”吗？不，它们是能走出去的（上下是通的），但它们是六条一模一样的窄条，这种重复的窄条本身就是一种噪声，而且它们让五幅画读起来像”五个独立的东西”而不是”一组画”。
改法一（推荐）：把五幅画当成一个整体来处理。
缩小它们之间的间距（比如统一 8 厘米），让这个间距明显小于它们到墙边缘的距离（比如 60 厘米以上）。第三章讲的接近性立刻生效：五幅画被合并成一个组。
于是图底关系变了：图是”那一整组画”（一个大的、形状可以是不规则的群落），底是”周围那一整片连续的墙”。底从六块变成了一块（或者两块，如果你挂在偏一侧）。
墙完整了，画组成了一个有力的整体。这时候你甚至可以把它们挂得偏左一点、或者高低错落一点，都不会乱——因为”一个图 + 一块底”的结构已经建立起来了。
改法二（反面教材）：画挂得太高、太小。
一面四米宽的白墙上，正中间挂一幅 30 厘米的小画，中心离地两米。
这时候墙（底）是巨大的、完整的、压倒性的，而画小得像个补丁。图底比例失衡到这个程度，画面会显得空、冷、没有主张。
判断起来很简单：眯眼看这面墙，那幅画占据的”视觉面积”是不是连十分之一都不到？ 如果是，它就不是主角，它是个污点。要么换大画，要么做成一组，要么换一面更小的墙。
案例五：一页 PPT 里的三层战争（PPT）
一页 PPT。背景是一张全屏的写字楼照片（玻璃幕墙，蓝灰调）。为了”让字看得清”，设计师在上面盖了一层半透明的深蓝色块，透明度 60%。然后放上标题（白色，40 号）、三行正文（白色，20 号）、右下角一个公司的 logo（白色）。
现在数一数这页上有几层在竞争”图”：
- 背景照片：有内容、有细节、有明度变化（玻璃幕墙的反射明暗对比很强）→ 它想当图
- 半透明深蓝色块：它是一整块、有明确的边界（全屏）、形状规整 → 它也想当图
- 白色文字：小、封闭、高对比 → 它想当图
- logo：小、封闭 → 它也想当图
四层在打，谁也没赢。 观众的眼睛在这四层之间来回跑，看完一页，什么都没记住。
这就是最常见的 PPT 图底事故。 而且它特别顽固，因为每一层单独看都”有道理”——背景是为了好看，色块是为了可读性，文字是内容，logo 是规范。四件”对的事”加在一起，变成了一件错的事。
怎么改？ 按层级分配票，让每一层只对下一层当图：
第一步，处理背景。 它是这一页的最底层，它必须是彻底的底。所以要：大幅压暗（压到很低的明度），或者极度虚化（消灭细节和明度变化），或者两者都做。判断标准：眯眼看这页，背景上还能看到几个”块”？ 如果超过两个，背景还在抢。
第二步，重新考虑那个半透明色块。 如果背景已经被压暗虚化到足够当底，你根本不需要这个色块——去掉它，画面立刻干净一层。如果你一定要保留（比如背景太花压不住），那就让它只覆盖文字区域，而不是全屏。全屏色块是一个巨大的、规整的、有边界的形状，它自己就是个强图；只覆盖文字区域的小色块，会跟文字合成一个”图组”。
第三步，处理文字。 标题拿大票（字号 + 明度对比 + 位置），正文拿中等票，logo 拿最少的票——把它缩到最小，并且降低它的明度（从纯白改成浅灰）。让它明确地退到”第三层”。
改完之后，这页的结构应该是：虚化的暗背景（底）→ 文字组（图）。两层，清楚。
顺带说一个 PPT 里最细碎也最普遍的病：文字块四周的留白不均匀——左边 40 像素，右边 55 像素，上面 30 像素，下面 45 像素。
这时候底的形状是什么？是一圈忽宽忽窄的、没有主张的边框。它不够窄（不像那条”紧箍咒”），也不够宽（不成其为一个有力量的底）。
观众说不出哪里不对，但他会觉得这页”不精致”。精致感的很大一部分，就来自这些底的宽度是不是有明确的主张（要么很窄很精确，要么很宽很从容）。
心法
这一章的心法，我想讲一件关于”加法”的事。
你做设计的第一反应，几乎一定是加法。
画面空了，你想加东西。重点不突出，你想加个色块。层级不清楚，你想加个边框。信息分不开，你想加条线。
这不怪你。加法是本能，因为加法是”做事情”的手感——你动了手，有产出，有控制感。减法呢？减法是”不做”，而”不做”让人心虚，让人觉得自己没在干活。
但图底关系这件事，本质上是减法。
为什么？回到定义：图之所以是图，是因为有东西在它后面托着它。没有底，图就不存在——这不是修辞，是机制。图是从底里”抠”出来的，你把底糊掉，图也就跟着糊了。
所以：你削弱底，就等于削弱图。你保护底，就等于保护图。
这句话的推论很反直觉，但很硬：想让主角更强，最快的办法往往不是动主角，是动它周围那圈东西。 把旁边的元素压暗一点、把背景的纹理抹平一点、把那些可有可无的装饰删掉一点——主角自己什么都没变，但它突然就跳出来了。
信噪比
我给你一个你会立刻懂的框架。
图是信号，底是噪声。观众能不能抓住重点，取决于信噪比，而不取决于信号的绝对强度。
提高信噪比有两条路：
第一条：增大信号。 把主角放大、加亮、加粗、加描边、加阴影、加动画。
第二条：降低底噪。 把背景压暗、虚化、简化、去掉纹理、去掉多余的装饰、拉开间距让底连贯。
新手几乎只会走第一条。而第一条有个致命的副作用：它引入新的视觉重量。
你把主角放大了，旁边的东西相对就小了——但它们还在那儿。你给它加了描边，画面上就多了一条线，那条线需要被组织、需要跟别的线协调。你给它加了阴影，画面就多了一层深度暗示，而这层暗示可能跟你其他地方的处理不一致。
加法是有利息的。你每加一样东西，都要为它付后续的组织成本。
而第二条路——降底噪——几乎不引入任何新东西。你只是把已经存在的东西往后推。画面变得更少，而不是更多，但信噪比提高了。
所以我的建议是一个工作顺序：先降噪，后增信号。
每次你觉得”重点不够突出”，先别动主角。先问：我能从背景里拿走什么？这个纹理有必要吗？这块颜色能不能更淡？这几个元素能不能合并？这条线能不能删掉？
把这些做完了，如果还不够突出，再去动主角。你会发现，大多数时候，降噪做完就够了。
投入和产出的错配
我要再说一个可能让你不太舒服的观察。
新手做设计，百分之八十的力气花在”图”上——挑字体、调颜色、找素材、抠细节、加效果。而”底”呢？底就是”剩下的地方”，通常没人管。
可是观众的体验呢？观众体验到的大部分东西，来自图与底的关系。
一个观众看完你的作品，他不会说”这个字体选得好”，他会说”看起来很清爽”或者”看着有点挤”。前者是底干净、连贯、有主张的结果；后者是底被切碎、被堵住的结果。这些感受全部来自底，而他完全意识不到。
你把百分之八十的力气，投在了产出百分之二十的地方。
这就是为什么有些人做了一个月的设计，进步很慢——他一直在图上打磨，而决定成败的那个东西，他一眼都没看过。
一个立场转换
所以”看底的形状”这个方法，表面上是个技巧，底下其实是一次立场转换。
它要求你把脑子里那个问题，从
“我要在这里放什么？”
换成
“我要让什么消失？”
这两个问题指向同一个结果，但它们让你看的是画面的不同部分。前者让你盯着元素，后者让你盯着元素周围。
而设计水平这件事，很大程度上就是你能在多大程度上，把注意力从”元素”移到”元素之间的关系”上。
第一章我说过，决定版面好不好看的，往往是那些空的形状。这一章我把这句话的机制补全了：底之所以重要，不是因为”留白高级”，是因为底是图能被看见的那个条件，而且它自己是有形状的，观众一定会看到它。
最后，把开篇那句话还给你，但换一个说法：
底不是你没画的地方，底是你决定不画的地方。
前者是遗漏，后者是决策。遗漏的产物是随机的，随机的东西一定难看，因为大脑无法组织它。决策的产物是有结构的，有结构的东西才能被顺利地知觉。
从今天开始，每次你做完一版，多花三十秒，只做一件事：
把元素涂黑，只看剩下的那块白色。问自己：这个形状，是我设计的，还是我剩下的？
小结
这一章从一件挂在门后的黑卫衣开始。
你推开门的那零点几秒，你的视觉系统做了一次完整的分配：那块布成了图，那扇门成了底。这件事在你意识到之前就完成了，而且你无法拒绝它。
我把这件事拆成了四层。
第一层，图是赢来的，不是授予的。 画面上每一块区域都在竞争”图”这个身份，竞争的依据是七张纯粹形式上的票：面积小、封闭、对称、凸、靠下、被认得出来、在动。而”重要性”不产生任何视觉力量——你把最重要的信息放在那里，不意味着观众会看见它。
第二层，一条边界只能有一个主人。 鲁宾之杯揭示的是：图拥有轮廓，底失去形状，而归属是独占的。这背后是一个有意的取舍——注意力是单线程的，深度加工是独占资源的，大脑宁可看错也不肯看慢。代价是：被判成底的东西，即使被眼睛扫到，也不会进入记忆。
第三层，底不是背景，底是形状。 你放每一个元素，都是在从一整块底上挖掉一块。观众一定会看见那个剩下的形状，所以你不管它，它就长成一块随机的、破碎的东西，然后回来破坏你的画面。判断方法给了四个：涂黑看、描出来、数块数、检查底能不能流出去。以及三种症状：糊在一起（底没有通道）、发闷（明度差不够）、找不着重点（候选图太多）。
第四层，反转可以被主动使用。 三种做法（共用边界、借用空隙、分层嵌套），三个陷阱（不够清晰等于不存在、破坏正形可读性、藏太深变自嗨）。
你带走的一句话：想让主角更强，先别动主角，先动它周围那圈——底是图能被看见的条件，你削弱底，就等于削弱图。
下一章我们把”图底”和”格式塔”合起来用一次：既然一次只能有一个图，而观众的注意力又必须按某个顺序走完全场，那么”顺序”这件事该怎么设计？这就是视觉动线。
【思考题】
-
回想一个”你以为自己是主角，结果不是”的经历。可以是你拍的照片（你想拍的东西被别的东西抢了）、可以是你做的页面（你最想让人点的地方没人点）、也可以是你参加的一场合影或者一次汇报。请描述画面里实际有什么，然后列出：那个”意外的主角”靠哪几张票赢了？
-
鲁宾之杯里，两个解释共用一条边界，所以不能同时出现。那么，如果一个画面里有两组元素，它们不共用任何边界（各自有独立的、完整的轮廓），观众能不能同时把两组都当成图？为什么？
-
找一个你常用的 App 首页，用”眯眼看”的方法看它。数一数画面上有几个”候选图”（眯眼后仍然独立可见的块）。然后思考：这个数字，跟这个 App 希望你做的事，匹配吗？
-
有人说：“我把背景做得很素，就是为了让主体突出。素到什么程度算够？越素越好吗？“请回答”素到什么程度算够”，并给出一个你自己能操作的判断标准。
-
衣服穿搭里有个说法叫”上浅下深显稳重，上深下浅显轻快”。请用图底关系的语言解释：为什么上下明度的分配，会影响”稳重／轻快”这种感受？（提示：想想下方性和图底分离。）
-
找一张你认为”看着有点闷”或者”找不到重点”的图（自己的或别人的），用这一章的三种症状去对照诊断：它是”糊在一起”、“发闷”，还是”候选图太多”？说出你的判断依据，并给出一条具体的改法。
【参考答案】
-
我拿一个最常见的例子拆给你看，你照这个结构去拆你自己的。
例子：你在一条老街上拍了一张照片。你想拍的是街角那个修鞋的老人——他蹲在墙角，面前摆着工具箱，光线很柔和。你很满意，回家一看，发现照片里最抢眼的是老人身后那面墙上的一张红色海报，还有从画面右侧斜插进来的一盏路灯。
画面里实际有什么：老人蹲在左下角，深色衣服，占画面大约百分之八的面积；他身后是一面灰墙，占了上半部分的一大半；灰墙上贴着一张红色的海报（A4 大小），上面有黄色的大字；右侧有一根黑色的路灯杆，斜着从右上角插到画面中间；地面是灰色的水泥。
那张红色海报靠什么赢了？
逐张票算：
- 面积：海报大概占百分之三到四，比老人还小 → 海报拿了一票（对老人不利）
- 封闭性：海报是个规整的矩形，四条边完整；老人蹲着，轮廓跟墙和地面糊在一起 → 海报再拿一票
- 对称性：海报是矩形，对称；蹲着的人不对称 → 海报再拿一票
- 明度／色彩对比：这是关键。灰墙是中灰，老人的深色衣服是暗，海报是大红配明黄——海报跟周围的明度差和色相差，远大于老人跟周围的差。在第三章我讲过，“运动”是最硬的分组证据；而在静止画面里，明度差就是最硬的图底证据。海报在这一票上是碾压式的。
- 熟悉度：海报上有字，字会被识别，识别本身就是一种胜出 → 再拿一票
- 下方性：老人在画面下方，按理说这一票是他的。但只有一票，抵不过海报的四五票。
结局：海报赢了。而老人输得最惨的地方不是”小”，是他的轮廓跟背景糊在一起了——深色的衣服压在灰墙上，如果明度差不够，边界就消失了。
怎么救这张照片？ 两个方向：一是走到侧面拍，让老人跟那面墙之间产生更大的明度差（比如让他背后是亮的街道而不是灰墙）；二是用更浅的景深，把墙连同那张海报一起虚化掉——虚化会同时夺走海报的熟悉度和明度对比这两张最重的票。
你拆自己的例子时，务必把”票”逐项列出来，不要只写”因为它更显眼”——“更显眼”是结论，不是要素。列出票数，你才知道该削哪一张。
-
能，但有严格的条件，而这些条件在真实画面里很难同时满足。
先说”能”的部分。如果两组元素各自有独立的完整轮廓，那么它们不争夺同一条边界，理论上它们可以各自成为图。你确实能同时看到”一个红色的圆”和”一个蓝色的方”——它们各自封闭、各自有边界、互不冲突。
这就是”图底”和”分组”的区别：第三章讲的分组，处理的是”哪些元素属于一伙”，多个组可以并存；这一章讲的图底，处理的是”谁占据加工资源的中心”，它更接近串行。
但真实情况要复杂得多，有三个限制：
第一，加工深度会分摊。 你能同时”看见”两个图，但你对每一个的加工深度，都比只有一个图时要浅。有研究指出注意力的资源是有限的，当你试图同时加工两个对象时，两者都会退化。所以观众能告诉你”上面有个圆有个方”，但他说不清那个圆的具体细节。
第二，它们会在”注意力中心”这个层面上继续竞争。 你可以同时看见两个，但你不可能同时盯着两个。你的中央凹只有一个，眼球一次只能对准一个点。所以只要你要求观众做”仔细阅读”这个级别的加工——读一段文字、辨认一个表情、判断一个按钮能不能点——就还是得排队。
第三，也是最实际的：它们会互相削弱。 两个同样强的图摆在一起，每一个都没有单独一个图那么强。因为”强”是相对的：图相对于底才强。两个都很强，就互相成了对方的竞争对手，信噪比一起下降。
所以真实的设计结论是：你可以有多个图，但你必须给它们排优先级，并且用形式手段把这个优先级表现出来。
具体怎么表现？让第一个图拿到五张票，第二个图只拿到三张，第三个两张。这样观众能同时看见三个，但他的眼睛知道先看哪个——而”知道先看哪个”，正是下一章视觉动线要解决的问题。
顺带说，这也解释了为什么”所有元素都一样重要”的版面一定失败。不是因为元素太多，是因为它们的票数完全一样，观众的注意力没有梯度可以顺着走。
-
这题我要你自己做，但我告诉你通常会出现的结果，你拿去对照。
大多数成熟的 App 首页，眯眼之后你能数出的”块”通常在三个到五个之间。这不是巧合，这是一个被反复验证过的区间。
少于三个：画面可能太单调，或者信息密度太低，用户会觉得”这 App 没什么内容”。
三到五个：这通常是健康的状态。用户扫一眼就能把握”这一屏有几块”，然后开始选择。
超过七个：用户会放弃扫描。他不会逐个看完，他会随便点一个，或者直接划走。
现在做第二步：把这个数字跟 App 的目的对照。
比如一个外卖 App 的首页。它的目的是让你尽快下单。那么它最希望你做的事，要么是”搜索”（顶部搜索框），要么是”再来一单”（历史订单入口），要么是”看推荐”（商家列表）。
你眯眼数出来的那几个块里，最突出的那一个，是不是这三个之一？
很多 App 在这里是错位的：眯眼之后最抢眼的是顶部那个巨大的轮播广告（面积大、色彩饱和、而且在画面上方偏中），而搜索框和商家列表反而更弱。这意味着：这个 App 的图底安排，服务于广告主的曝光，而不是服务于用户的下单效率。
这不是”设计得不好”，这是一个有意识的商业取舍——它把广告判成了图，把功能判成了底。作为用户你可能觉得烦，但作为设计师，你得能看出这个取舍是有意的，而不是失手的。
怎么区分有意和失手？我在第一章给过一个判断法，这里照样适用：看有没有别的手段在补偿。 如果主任务虽然不在最强的图上，但它占了最顺手的位置（拇指热区）、或者被留白孤立起来、或者用了唯一的强对比色，那大概率是有意的。如果主任务既不是最强的图，位置也随意，周围还挤着一堆东西，那就是失手。
能做出这个区分，你就能看懂商业产品的设计逻辑了——而这是从”做得好看”走向”做得有效”的关键一步。
-
“越素越好”是错的，而且是个很常见的错。
我先给结论，再给判断标准：素的程度，应该刚好让主体成为”唯一的候选图”，而不是让画面变得空无一物。
为什么越素不好？三个理由：
第一，过素的底会让主体失去空间。 图是从底里”抠”出来的，底需要提供足够的”环境信息”让图有地方待着。一个纯白的底上放一个产品，产品会显得”飘”——它不在一个空间里，它是被贴上去的。这时候你需要底提供一点点暗示：一道极淡的投影、一个微弱的地平面、一点点环境色。这些不抢戏，但它们让主体”落地”了。
第二，过素会损失质感和情绪。 底不是敌人，底是氛围。一个高端护肤品的广告，如果背景是纯白，产品会显得廉价而临床；如果背景是一种极微妙的暖灰渐变，产品会显得”贵”。这个差别观众说不出来，但感受得到。
第三，过素会让画面没有纵深。 一点点的背景层次（哪怕只是明度从左上到右下的极缓过渡）就能制造空间感。全平的底，图就是贴纸。
那么，判断标准是什么？ 我给你两个，都是能当场操作的：
标准一：眯眼数块法。 眯眼看你的画面（连同主体一起），数一数有几个独立的块。理想数字是”主体算一块，加上一到两个次要块”。如果你数出来只有一块（只有主体），说明底被压得太狠了，画面缺少环境。如果你数出来有四块以上，说明底还在抢。
标准二：遮住主体法。 用手把主体完全遮住，只看剩下的部分。问自己：剩下的这块，它还是不是一张”有内容”的画面？
- 如果它是一块死白／死灰，什么都没有，那你的底压过头了。它现在是”空”，不是”底”。
- 如果它有微妙的层次、有质感、能看出是个空间，但没有一处能抓住你的眼睛，那就是恰到好处的底。
- 如果它有某处明显地抓住了你的眼睛，那它还不够素。
第二个标准更好用，因为它把”度”变成了一个能直接观察的事实：底应该有内容但不吸引人。它有东西看，但不拉你的眼睛。这个状态，就是”素得刚好”。
-
这个说法是对的，但流传的解释大多是错的。常见的解释是”深色显瘦所以放下面""浅色显得轻快”——这些是结果，不是机制。
用图底的语言，机制是这样的：
前提一：下方性。 画面下方的元素更容易成为图（因为地面上的实物在下方，且下方意味着更近）。所以下半身天然地比上半身更容易被当成”图”——它更容易被注视、被记住、被当作主体。
前提二：图底分离的强度取决于对比，尤其是明度对比。 上下半身之间的那条腰线，如果两侧明度差很大，就会形成一条极强的图底边界——上下被明确地分成两块；如果明度差很小，边界就弱，上下更容易融成一个整体。
现在把两个前提合起来，看两种情况：
情况 A：上浅下深。
下半身是深色，而且它在下方——下方性给了它”图”的票，深色又给了它跟背景之间的强明度对比。于是下半身成了一个明确、结实、有分量的图，而上半身的浅色弱化成了次要部分。
视觉上，这意味着”重心在下”。而”重心在下”是我们从物理世界里学到的一组强关联：重的、稳的、有根基的东西，重心都在下面；轻的、飘的、不稳定的东西，重心在上面或者到处都是。
所以”上浅下深”让你觉得稳重——不是因为深色显瘦，是因为它把”图”的位置和视觉重量都放到了下方，而这个结构在视觉上等价于”稳”。
顺带还有一个次级的效应：腰线那条强边界，把人从中间切成了两段，而一段在上、一段在下。这个”切开”会让人显得矮（整体的连续性被破坏了，参看第三章讲的连续性）。所以”上浅下深”确实更稳，但往往不显高。
情况 B：上深下浅。
上半身是深色，它拿到了”强对比”这一票（跟背景和下半身都拉开了），但它的位置在上方，下方性给它投了反对票。两票相抵，上半身成了一个中等强度的图。
而下半身是浅色，跟背景的明度差小，图底分离弱，边界模糊——它开始向底靠拢，甚至部分地融进背景里。
结果是：人的”图”的部分集中在上半身并且边界没那么死，下半身则轻、虚、往背景里退。重心上移，脚下发虚——这在视觉上等价于”轻快""飘""年轻""不那么严肃”。
而且情况 B 有个额外的好处：腰线那条分割变弱了（明度差小），上下更容易被读成一个连续的整体，所以人不容易被”切成两段”，因此在视觉上反而更显高。
所以这套穿搭建议的完整格式塔版本是：
- 想稳重、有分量、有根基感 → 让下面那块成为更结实的图（下深）
- 想轻快、年轻、显高 → 让下面那块向底靠拢（下浅），并弱化腰部的分割线
同一个机制还解释了另一件事：为什么”上下同色”最显高？因为它把上下合并成了一个大的、连续的图，消灭了腰线那条分割，同时这个图在垂直方向上是连贯的——于是人成了一个”整体”，而整体的高度被完整地读出来了。
-
这题的价值在于：三种症状长得像，但改法完全不同。用错药方比不改还糟。
我给你三个诊断依据，你对照着判断：
判断是不是”糊在一起”：看底。
眯眼，然后看元素之间的空白。这些空白是不是窄、是不是宽窄不一、是不是有的地方形成了”走不出去”的小水洼？
如果是，那就是糊在一起。注意，这种情况下画面往往不难看，它只是”分不清”。观众的反应通常是”这里有点挤”或者”这几个是不是一伙的？”
改法：不要去调元素本身，去调间距。要么拉开（让底痛快地流过去），要么合上（让它们明确成为一组）。关键提醒：不要停留在”差一点点”的中间状态，那是最难受的。
判断是不是”发闷”：看明度。
把图去色（变成灰度），然后看：主体和背景之间，明度差够不够？你眯眼之后，能不能一眼指出”哪块是主角”？
如果去色之后整个画面糊成一片灰，那就是发闷。观众的反应是”看着没精神""灰扑扑的""不够抓人”。
改法：先降底噪，再增信号。 优先做的是压暗／压淡背景、去掉背景的纹理和细节。如果还不够，再提亮主体或者加深主体。顺序不要反——反过来的话，你会把主体做得越来越重，画面越来越吵，而闷的问题其实一点没解决。
判断是不是”候选图太多”：数块。
眯眼，数画面上有几个大小差不多、明度差不多、都挺清楚的块。超过三个，就是这个病。
这个病的特征反应是”看几秒才找到重点”或者”眼睛不知道往哪放”。注意它跟”糊在一起”的区别：糊在一起是分不清边界，候选图太多是边界都很清楚但谁也不服谁。
改法：票数集中。 做两件事，缺一不可：
第一，给真正的主角加权——放大、加强明度对比、给它一个封闭的轮廓、把它放到下方、让它是唯一对称的东西。让它拿到五张票。
第二，主动削弱其他候选——降饱和、降明度对比、去掉边框、缩小、让它们的明度向底靠。
只做第一件事一定会失败，因为你会陷入军备竞赛：主角变强了，别的为了”还看得见”也得跟着变强，最后整个画面塞满，问题依旧。
最后给你一个自检顺序，以后遇到”说不出哪里不对”的图，就按这个顺序查：
- 眯眼，数块（是不是候选图太多？）
- 去色，看明度差（是不是发闷？）
- 看空白，找水洼和楔形（是不是糊在一起？）
三步走完，你基本能定位到问题。剩下的只是动手改。
【动手练习】
-
涂黑练习：看你版面的”底”长什么样
找一版你以前做过的东西（PPT 一页、一张海报、一个界面、一张文档封面都行）。做两件事：
- 把上面所有”元素”（文字、图、图标、按钮）全部涂成纯黑，底留白。截图。
- 然后只看那张截图，回答三个问题：白色部分是一整片还是被切碎了？有几块？有没有”走不出去”的小块空白？
如果白色部分被切成了五块以上，或者有明显的楔形、锯齿、死水洼，就动手改：把某些元素挪一挪、合一并、或者干脆删掉一个，目标是让白色部分的块数减少至少两块。
自评标准：改完之后再涂黑一次，白色部分的块数减少了，而且线稿图的整体感觉从”碎”变成了”整”——具体说，你应该能用一句话描述出白色部分的形状（比如”一整块 L 形”或者”上面一条带，下面一大块”）。如果你描述不出来，只说”就是一些空白”，说明它还是碎的。
-
降级练习：让一个元素退后，不动其他任何东西
找一张有三个以上”看起来差不多重要”的元素的图（自己的最好，找不到就用一张信息图或者一页杂志版面）。
只做一件事：选出一个你认为是”最不重要”的元素，用尽一切办法让它退到后面去，但不允许改变它的位置、不允许改变它的内容、也不允许给它加任何新的东西（不能加框、不能加底色、不能加描边）。
你能动的手脚只有：改它的大小、改它的明度、改它的饱和度、改它的字重、去掉它原有的边框或底色。
做完之后，把前后两张图并排放，眯眼看，比较一下：它的”图”的资格下降了几档？
自评标准：给一个没看过原图的人看改后的版本，问他”这上面哪几样东西是你一眼看到的”。如果他没提到那个被你降级的元素，练习成功。如果他还是提到了，说明你降得不够狠——再降一档（明度再向底靠 20%，或者饱和度再降一半），直到它从”一眼看到的清单”里消失。
这个练习真正要你体会的是：削弱一个东西，往往比加强一个东西更容易、更便宜、而且效果更好。你什么都没加，画面却变清楚了。
-
货架模拟：把你的设计缩到指甲盖大小
做一个”主角测试”。
随便设计一个简单的东西——一张小卡片、一个 banner、一个图标、或者一个包装正面（什么软件都行，甚至手绘拍照也行）。做完之后，做三次检查：
- 缩小到 2 厘米宽（大约指甲盖大小），看一眼：还能不能立刻说出”主角是什么”？
- 去色变成灰度，看一眼：主角和背景的明度差还够不够？
- 贴在杂乱的底上：把它放进一张真实的照片里（书架上、桌面上、街景里、任何杂乱的背景），看一眼：它还能不能从那个底里分离出来？
三次检查里，只要有任意一次”找主角超过两秒”，就回去改。
自评标准：三次全过（每次都在两秒内指出主角），才算合格。特别要注意第三次——很多设计在纯白背景上看起来很清楚，一旦放进真实环境就糊了。真实环境永远是杂乱的，你的作品从来不会在一个纯白的展示台上被看到。
如果你第三次没过，改的方向不是”把主角做得更花哨”，而是：降低那个杂乱底的干扰——给你的作品加一圈留白、给它一个明确的底色块、让它跟背景之间有一道清晰的明度断层。注意，这跟”给底加装饰”是反过来的操作：你是在隔离底，而不是装饰它。