可视化|可视化的类型与模型
可视化|可视化的类型与模型
叶一片一、可视化的类型
- 科学可视化
运用计算机图形学和图像处理的研究成果创建视觉图像,替代那些规模庞大而又错综复杂的数字化呈现形式,帮助人们更好地理解科学技术概念和科学数据成果。
- 信息可视化
信息可视化就是利用计算机支撑的,交互的,对抽象数据的可视表示,以增强人们对这些抽象信息的认知,是将非空间数据的信息对象的特征值抽取、转换、映射、高度抽象与整合,用图形、图像、动画等方式表示信息对象内容特征和语义的过程。信息对象包括文本、图像、视频和语音等类型,它们的可视化分别采用不同模型方法实现。
科学可视化
科学可视化最初称为“科学计算之中的可视化”(Visualization In Scientific Computing,VISC) 运用计算机图形学和图像处理的研究成果创建视觉图像,替代那些规模庞大而又错综复 杂的数字化呈现形式,帮助人们更好地理解科学技术概念和科学数据结果。
科学可视化 的研究重点有两个
一是判断可视化对象的类别,判断类别之后才能确定如何用计算机 来进行可视化表现;
二是将研究对象以最接近真实事物的效果快速地绘制出来,不仅以 单纯展示的方式显现出来,而且能通过虚拟空间的方式让人们身临其境,用视觉、触觉 等交互方式进行观察、理解和研究。
科学可视化 >> 发展方向
科学可视化 >> 分类
体可视化
- 研究对象主要是体数据,即三维采样数据,是工程领域及医学领域等各类科学领域中常见的数据类型。
- 体可视化技术包括等值面的抽取技术(Iso-surfaces Extraction Technique)、直接体绘制(Direct Volume Rendering)等
流场可视化
运用计算机图形学和图像处理技术,将流场数据转换为二维或三维图形、图像或动画进行呈现,并详细分析其模式和相互关系,是计算流体力学研究与工程实践中不可缺少的手段。
大规模数据可视化研究的重点是如何高效快捷地对海量数据进行处理。
科学可视化 >> 常用方法
- 颜色映射方法
- 用颜色表示数据场中数据值的大小,即在数据与颜色之间建立一个映射关系,把不同的数据映射为不同的颜色。
- 等值线方法
- 等值线是制图对象某一数量指标值相等的各点连成的平滑曲线,由地图上标出的表示制图对象数量的各点采用内插法找出各整数点绘制而成。每两条等值线之间的数量差额多为常数,可通过等值线的疏密程度来判断现象的数量变化趋势。
立体图法
- 立体图像已逐渐成为国内外相关领域的研究热点,其应用前景非常广泛,如3D TV、自由视点TV、3D照相机等,这些领域不仅仅需要高质量的图像信号,对图像的附加信息要求也很高。
矢量数据场的直接法和流线法
- 矢量数据主要是指大比例尺地形图。
- 矢量数据一般通过记录坐标的方式来尽可能将地理实体的空间位置表现得准确无误。
科学可视化 >> 科学可视化系统的组成
科学可视化系统大致由以下几个部分组成:
- 数据的管理与过滤;
- 提取几何图元和建立模型;
- 绘制、显示和播放。
目前,众多的科学可视化系统采用“可视化流水线”作为理论模型,如图:
信息可视化
信息可视化 >> 现代信息可视化发展
- 文本信息可视化
- 层次信息可视化
- Web信息可视化
- 可视化数据挖掘
- 多维信息可视化
信息可视化 >> 数据分类
- 一维线性数据
- 二维数据
- 三维数据
- 多维数据
- 时态数据
- 层次数据
- 网络数据
信息可视化 >> 信息可视化技术
信息可视化 >> 信息可视化技术1:
- 多维数据可视化技术
- 平行坐标系
- 散点图
- Andrews曲线法
信息可视化 >> 信息可视化技术2:
- 层次数据的可视化
- 节点连接图
- 树图
信息可视化 >> 信息可视化技术3:
- 网络数据可视化
- 力导向布局
- 分层布局
- 网格布局
信息可视化 >> 基本过程及特征
- 信息可视化模型中,信息可视化过程可以划分为3个数据转换的过程:
- 原始数据到数据表的转换
- 数据表到可视化结构的转换
- 可视化结构到视图的转换
信息可视化 >> 基本过程及特征
- 信息可视化完整过程通常是指:信息组织与调度、静态可视化、过程模拟、探索性分析。
- 信息可视化技术的核心是为用户提供直观的、可交互可视化的信息环境。与一般科学计算可视化相比,主要特点:
- 位置特征
- 直观形象性
- 多源数据的采集和集成性
- 交互探讨性
- 信息的动态性
- 信息载体的多样性
信息可视化 >> 应用领域
- 可视化数据挖掘
- 可视化技术在空间信息挖掘中的应用
- KM可视化
- 知识管理体系
- 几种已有的知识可视化工具
- 可视化知识建模
- 语言信息可视化商品
二、 可视化的模型
- 顺序模型
- 数据可视化的流程分为了七步:获取、分析、过滤、挖掘、表示、修饰、交互。为了使这个流程更便于理解,把这七步归纳为三大部分,即原始数据的转换、数据的视觉转换以及界面交互。
- 分析模型
- 数据表示与转换
- 数据的可视化呈现
- 用户交互
- 分析推理
- 循环模型
- 探索循环
- 验证循环
- 知识产生循环
顺序模型
- 原始数据的转换
- 包括7个阶段里的获取、分析、过滤和挖掘
- 数据的视觉转换
- 包括7个阶段里的表示和修饰
- 界面交互
- 包括7个阶段里的表示和修饰
分析模型
- 数据表示与转换
- 数据的可视化呈现
- 用户交互
- 分析推理
循环模型
在上图包含人和计算机两个部分。在计算机部分中,数据被绘制为可视化图表,同时也通过模型进行整理和挖掘。在人的部分中,提出了3层循环:探索循环、验证循环、知识产生循环。
- 探索循环
- 它描述分析师如何与可视化分析系统进行交互,以产生新的可视化模型和分析数据。
- 验证循环
- 它引导探索循环确定假设或者是形成新的假设。
- 知识产生循环
- 分析师通过他们在问题领域的知识来形成猜测,而且通过制定和验证假设来获取新的知识
在探索循环中,人们通过模型输出和可视化图表寻找数据中可能存在的模式,基于此采取一系列行动。这样做的动机是在验证循环之中,人们通过模式洞察到数据的特点,产生可能的猜测。这些猜测的验证是基于探索循环中的行动。最后在验证循环之上有知识循环,不断的收集验证循环中已被验证的猜测,总结为知识。