外观相似的元素被感知为同类
别名: 相似性原则 · Gestalt similarity
概念解释
一批元素只要在某个视觉属性上取值相同——同一种颜色、同一种形状、同一个大小、同一种纹理或朝向——就会被看成属于同一类，即使它们散落在版面各处、彼此并不相邻。这条线索叫相似性（similarity）。
它和接近性回答的是不同问题：接近性靠的是空间距离这个连续量，相似性靠的是某个离散属性上"取值是否相同"，不涉及距离。两个相隔很远但同色的图标，会因为相似性被联系在一起；这层联系不需要它们挨在一起才成立。
机制
相似性分组依赖的是视觉系统里相对独立的几条特征通路——颜色、朝向、大小、形状各自有专门的早期加工机制，会分别提取出"这个元素在这条通路上的取值"。当一批元素在某一条通路上取值一致时，这条通路就会把它们标成一类，这个标记先于对元素身份或含义的识别就已经发生。
正因为各条通路是分开计算的，相似性分组通常只在单一属性上最稳固：颜色相似但形状不同的一组元素，主要按颜色分类；形状相似但颜色不同的一组，主要按形状分类。多个属性同时改变、又不一致时，分组结果会变得不那么确定，因为几条通路给出的答案彼此不一致。
怎么研究
相似性分组常通过纹理分割类范式来测量：在一片背景元素中嵌入若干在某个属性（朝向、颜色、大小）上不同的元素，考察这些元素能不能被自动、快速地从背景中分离出来，用检出时间或准确率衡量该属性的分组强度。这类范式的一个经典发现是，某些属性（比如颜色、明确的朝向差异）能产生几乎不需要逐个搜索就能完成的分割，而另一些属性组合则需要逐一比对才能分清。
在界面研究里，这套方法通常用来检验一套视觉编码（例如用颜色区分状态、用形状区分类型）是不是真的能让用户不经过逐项阅读就完成分类判断。
边界
相似性给出的是"看起来像同一类"的知觉判断，不保证这些元素在功能或语义上真的属于同一类——这层落差是它最主要的使用风险，具体表现和后果由这一组里的另一条单独展开。
当画面里同时有强烈的空间聚类（间距差异很大）时，相似性判断容易让位给空间线索；相似性更适合用在元素本身分散、无法靠位置分组的场景。
怎么落地
- 需要让用户不经逐项阅读就能把一批元素分类时，选一个视觉上区分度高的单一属性（颜色或形状二选一为主），而不是同时变动多个属性又不完全一致，否则分组会显得混乱。
- 同一类元素即使分散在页面不同区域，也可以用统一的颜色或图形语言把它们视觉上连成一类，不必依赖把它们排在一起。
- 验证办法：把版面缩小到只能看清色块和轮廓的程度（模糊或远距离查看），检查目标类别能不能不靠阅读文字就被快速指认出来。