187 lines
7.5 KiB
Markdown
187 lines
7.5 KiB
Markdown
---
|
||
title: "Základy vizualizace"
|
||
description: "TODO"
|
||
---
|
||
|
||
> [!NOTE]
|
||
> Základní metriky pro hodnocení kvality vizualizace, vizuální proměnné. Základní vizualizační techniky pro 1D, 2D, 3D a 4D data. Objemová data – vizualizace explicitních a implicitních povrchů. Geovizualizace – choropletové mapy, kartogramy.
|
||
> <br>
|
||
> _PV251, PA214_
|
||
|
||
|
||
Neexistuje jednotná definice vizualizace, ale může to být například "Proces předávání dat grafickou formou", nebo "Nástroj, který umožňuje uživateli vhled do dat".
|
||
|
||
## Základní metriky pro hodnocení kvality vizualizace
|
||
|
||
Pro hodnocení kvality vizualizace můžeme použít následující metriky, které se snažíme maximalizovat.
|
||
|
||
### Efektivita (Effectiveness)
|
||
|
||
Efektivita je vysoká, pokud je
|
||
|
||
1. Správně a rychle interpretována
|
||
2. Rychle vyrenderována
|
||
|
||
$M_{eff} = \frac{1}{1 + \text{interpret} + \text{render}}$, kde $0 \leq M_{eff} \leq 1$.
|
||
|
||
Pokud je $M_{eff} \sim 1$, pak je čas na interpretaci a renderování krátký.
|
||
|
||
### Expresivita (Expressiveness)
|
||
|
||
$M_{exp} = \frac{\text{displayed information}}{\text{information to be expressed}}$, kde $0 \leq M_{exp} \leq 1$.
|
||
|
||
- Pokud je $M_{exp} = 1$, pak je expresivita ideální.
|
||
- Pokud je $M_{exp} < 1$, pak zobrazujeme méně informací, než jsme zamýšleli.
|
||
- Pokud je $M_{exp} > 1$, pak zobrazujeme více informací, než bychom měli.
|
||
|
||
## Vizuální proměnné
|
||
|
||
Vizuální proměnné se snaží maximalizovat efektivitu a expresivitu vizualizace. Základní vizuální proměnné definuje Bertin a jsou to:
|
||
|
||
|
||
|
||
### Pozice
|
||
|
||
Best case: Každý bod má jednoznačnou pozici.\
|
||
Worst case: Všechny body se překrývají.
|
||
|
||
Lineární vs. logaritmická škála
|
||
|
||
### Velikost
|
||
|
||
Bývá problematické rozlišit velikost, pokud je rozdíl malý.
|
||
|
||
### Tvar
|
||
|
||
Může být použit pro kategorické proměnné. Tvar zahrnují i písmena, typy čar, atd.
|
||
|
||
### Jas (value)
|
||
|
||
Podobně, jako u velikosti je obtížné rozlišit jas, pokud je rozdíl malý.
|
||
|
||
### Barva (hue)
|
||
|
||
Lze použít pro kategorické i numerické proměnné.
|
||
|
||
**Numerické proměnné:**
|
||
|
||
Je důležité vybrat správnou barevnou škálu. Důležité je myslet na čitelnost i pro barvoslepé.
|
||
|
||
|
||
|
||
Ve zdravotnictví se často používá "Rainbow color scale", která ale může vytvářet neexistující rozhraní kolem některých barev, neboť není "perceptually uniform".
|
||
|
||
|
||
|
||
**Kategorické proměnné:**
|
||
|
||
Je důležité vybrat vhodnou paletu barev, která bude snadno rozlišitelná. Více, jak cca 12 barev je v podstatě nemožné spolehlivě rozlišit.
|
||
|
||
### Orientace
|
||
|
||
### Textura
|
||
|
||
### Pohyb
|
||
|
||
Někdy se přidává k základním 7 vizuálním proměnným. Lze ho připojit k jakékoli z vizuálních proměnných.
|
||
|
||
## Základní vizualizační techniky prostorových dat
|
||
|
||
> [!TIP]
|
||
> V téhle otázce se autor pravděpodobně maličko jinak kouká na to, co znamená dimenze dat, než je uvedeno ve slidech z PV251. Zde se dimenze dat chápe jako počet proměnných, nikoliv jako počet prostorových dimenzí. Zde uvedená 1D prostorová data mají tedy 2 a více dimenzí, 2D prostorová data mají 3 a více dimenzí a 3D prostorová data mají 4 a více dimenzí.
|
||
|
||
|
||
### 0D (neprostorová) data
|
||
|
||
Množina hodnot, které nemají žádnou prostorovou interpretaci.
|
||
|
||
**Numerické proměnné:**
|
||
|
||
- **Histogram** (seskupíme hodnoty do intervalů a zobrazíme počet hodnot v každém intervalu)
|
||
|
||
**Kategorické proměnné:**
|
||
|
||
- **Bar chart** (každá kategorie má svůj sloupec, nebo pruh)
|
||
- **Pie chart** (kruhový graf, kde každá kategorie má svůj podíl na celku)
|
||
|
||
### 1D prostorová data
|
||
|
||
Sekvence jednodimenzionálních dat s jednou proměnnou.
|
||
|
||
- **Graf**
|
||
- **Barevný pruh**
|
||
|
||
|
||
|
||
Pro více proměnných lze použít **Juxtapositioning = Postavení vedle sebe** (více grafů vedle sebe, např. více barevných pruhů pod sebou) a **Superimpositioning = Překrývání** (více dat v jednom grafu, např. více různobarevných čar v jednom grafu).
|
||
|
||
### 2D prostorová data
|
||
|
||
- **Scatter plot** (body rozmístěné ve 2D prostoru, proměnné zobrazujeme barvou, tvarem, velikostí, ...)
|
||
- **Mapa** (podobně, jako scatterplot, jen používáme jako podklad mapu a skutečné geografické souřadnice, navíc může používat nejen body, ale i čáry a plochy)
|
||
- **Obrázek** (proměnné se mapují na barvu / jas v obrázku, hodnoty mezi datovými body interpolujeme)
|
||
- **Cityscape** (3D bar chart, kde výška sloupce reprezentuje hodnotu proměnné)
|
||
- **Vrstevnice, izobary** (pro zobrazování 2D povrchů)
|
||
|
||
|
||
|
||
Pro více proměnných:
|
||
|
||
- Juxtapositioning: naskládáme na sebe více 2D vizualizací, takže vytvoříme 3D vizualizaci
|
||
- Superimpositioning: Překrýváme 2D vizualizace, např. pomocí barvy
|
||
|
||
2D data je často třeba zjednodušit, např. pomocí agregace, nebo pomocí vizualizace hustoty (histogram).
|
||
|
||
### 3D prostorová data
|
||
|
||
- Vizualizace explicitních povrchů (seznam vrcholů, hran a ploch)
|
||
- Implicitní povrchy (zero-contour funkce, která definuje, kde je "uvnitř" a "vně" objektu, chceme vykreslit povrch tam, kde je funkce nulová)
|
||
- Volumetrické vizualizace
|
||
|
||
## Volumetrické vizualizace
|
||
|
||
Využíváme voxely (3D datové body), kde každý voxel má hodnotu (nebo více hodnot).
|
||
|
||
Pokud nejsou datové body na mřížce, použijeme tzv. **Resampling** (převzorkování) - interpolace hodnot mezi body.
|
||
|
||
### Slicing
|
||
|
||
Použijeme rovinu (nebo více rovin), pomocí které provedeme řez objektem. Efektivně tím snižujeme počet dimenzí. Jednotlivé řezy potom můžeme znovu zobrazit ve 3D, připadně umožnit uživateli s nimi interagovat.
|
||
|
||
|
||
|
||
### Isosurface
|
||
|
||
Vytvoříme povrch, kde hodnota je konstantní. Na vytvoření isosurface můžeme použít algoritmy jako Marching Cubes.
|
||
|
||
### Direct volume rendering
|
||
|
||
Vykreslíme objemová data přímo. Můžeme použít různé techniky, jako např. ray casting, nebo splatting.
|
||
Detailní fungování je popsané v otázce [PGV06](../PGV06_vykreslovani_objemovych_dat).
|
||
|
||
## Geovizualizace
|
||
|
||
Mohou zobrazovat nejen body, ale i čáry a plochy.
|
||
|
||
### Choropletové mapy
|
||
|
||
Zobrazení hodnoty pro jednotlivé plochy (státy, okresy, ...). Barva plochy reprezentuje hodnotu proměnné. Barva může být buď numerická, nebo kategorická (i kategorizovaná numerická).
|
||
|
||
Problémem mohou být malé oblasti, které jsou na výsledné mapě tak malé, že z nich nic nevyčteme (například hustě osídlené oblasti).
|
||
|
||
|
||
|
||
### Kartogramy
|
||
|
||
Snaha potlačit problémy choroletových map. Měníme velikost regionu v závislosti na hodnotě proměnné.
|
||
|
||
Kartogramy jsou několika typů:
|
||
|
||
1. **Nekontinuální (Noncontinuous) kartogramy** - Nezachovávají topologii, regiony jsou naškálované uvnitř původních oblastí, které omezují maximální zvětšení
|
||
2. **Nesouvislé (Noncontiguous) kartogramy** - Škálujeme polygony na požadovanou velikost, polygony tak nezachovávají globální topologii a sousednost
|
||
3. **Kontinuální (Continuous) kartogramy** - Zachovávají topologii, mění tvar regionů, ale zachovávají sousednost. Ze všech kartogramů nejlépe zachovávají globální topologii.
|
||
4. **Kruhové (Circular) kartogramy** - Každý region je nahrazen kruhem, jehož velikost reprezentuje hodnotu proměnné
|
||
5. **Obdélníkové (Rectangular) kartogramy** - Každý region je nahrazen obdélníkem, jehož velikost reprezentuje hodnotu proměnné, snaha umístit obdélník co nejblíž původní pozici.
|
||
|
||
|