Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung Vorlesung 9 Mapping auf Farbe, Geometrie und Objekte.

Ähnliche Präsentationen


Präsentation zum Thema: "Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung Vorlesung 9 Mapping auf Farbe, Geometrie und Objekte."—  Präsentation transkript:

1 Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung Vorlesung 9 Mapping auf Farbe, Geometrie und Objekte

2 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Übersicht  Wiederholung und Vertiefung  Mapping auf Geometrie / Objekte  Glyphenbasierte Vis.-Techniken  Retinale Techniken Farbe Textur

3 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Visuelle Variablen  8 Visuelle Variablen nach Bertin, 1982 Position (x und y)Textur Fläche, GrößeNeigung, Orientierung HelligkeitForm, Gestalt Farbe

4 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Visuelle Variablen  Zusätzliche visuelle Variablen LängeVolumen FarbtonSättigung WinkelVerbindung Enthaltung

5 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Visuelle Variablen Zusätzliche visuelle Variablen BewegungBlinken

6 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Eigenschaften Visueller Variablen  Selektiv Spontane Gruppierung beim menschlichen Betrachter Besonders nützlich zur Visualisierung nominaler Daten Weitere Unterscheidung: Assoziativ vs. Nicht assoziativ  Assoziativ: alle Variablen haben bei Benutzung dieser Variablen weiterhin die gleiche Sichtbarkeit  Ordinal Spontane Anwendung einer Ordnung beim menschlichen Betrachter Besonders nützlich zur Visualisierung ordinaler Daten  Proportional Spontane Anwendung einer Ordnung beim menschlichen Betrachter Direkte Assoziation eines Wertes Besonders nützlich zur Visualisierung ordinaler und quantitativer Daten

7 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Effektivität Visueller Variablen QuantitativOrdinalNominal Geringe Effekt. Hohe Effektivität Position Länge Winkel Neigung Fläche Volumen Helligkeit Sättigung Farbton Textur Verbindung Enthaltung Form Position Helligkeit Sättigung Farbton Textur Verbindung Enthaltung Länge Winkel Neigung Fläche Volumen Form Position Helligkeit Sättigung Farbton Textur Verbindung Enthaltung Länge Winkel Neigung Fläche Volumen Form Nach Mackinlay 1986 mit Adaptionen

8 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Bisher kennen gelernte Diagrammtypen  Liniengraph  Punktediagram (=Scatterplot)  Säulendiagramm  Balkendiagramm (= Bar Chart) (Sonderform Histogramm)  Kreisdiagramm (=Pie Chart)  Gantt Diagramm © Detlef Krömker

9 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Weitere Diagrammtypen  Flächendiagramm  Ringdiagramm  Kursdiagramm  Blasendiagramm  Netzdiagramm  Flächendiagramm  Kegel, Zylinder, Pyramidendiagramm © Detlef Krömker

10 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Blasendiagramme

11 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Strukturdiagramm Vorstand Abteilung A Abteilung B Abteilung C KasseVerwaltung Gott Vater Heiliger Geist Sohn

12 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Ablaufdiagramm Prozess A Prozess D Prozess C Prozess B a b c

13 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 ListeTabelleKurven- diagramm Säulen- diagramm Aufzählung X Zuordnung X Absolute Werte XX Anteil Verlauf/ Ablauf X Aufbau/ Struktur Gegen- überstellung X

14 Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Grundlegende Visualisierungstechniken

15 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Mapping Methodik des MappingsWahrnehmungs- fähigkeit des Visuelle Variable Menschen Geometrie: Position, Größe, Richtung, Orientierung Helligkeit und Farbe Textur (Muster) Bewegung, Raum Wechselwirkung Müssen visuelle Wahrnehmung kennen, um gut zu visualisieren © Detlef Krömker

16 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Überblick  Mapping auf Geometrie Helligkeit Farbe Textur Objekte © Detlef Krömker

17 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Mapping auf Geometrie

18 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Elementare Mappingverfahren Grundverfahren des Mappings auf Geometrie: Position Größe Winkel © Detlef Krömker

19 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Positionen  1-dimensional, 2-dimensional, 3dimensional einsetzbar  Skalierung der Achsen möglich entsprechend der Werte  Vergleiche möglich, aber auch Größenschätzungen  eine gemeinsame Achse ist effizienter als relative Achsen  auch für ordinale und nominale Daten nutzbar © Detlef Krömker

20 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Längen, Flächen  Längen werden gut geschätzt (Ungenauigkeit entsprechen dem Weberschen Gesetz)  auch die Abbildung auf Flächen ist möglich:  VORSICHT: Geschätzt (interpretiert) wird die Fläche – nicht der Radius oder die Kantenlänge FALSCH © Detlef Krömker

21 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Kreisdarstellungen für Quantitative Größen Flächenwahrnehmung erfolgt gemäß der Steven‘schen Potenzfunktion mit Exp. 0,7 Korrigierte Darstellung mit Kreisflächen © Detlef Krömker

22 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Orientierungen und Winkel  Zeigermetapher  Winkel zwischen 0 und 90 Grad werden vergleichsweise genau geschätzt  Stumpfe Winkel oder Winkel mit horizontaler Winkelhalbierenden werden überschätzt  Spitze Winkel oder Winkel mit einer vertikalen Winkelhalbierenden werden unterschätzt  Für ordinale Größen höchstens 6-8 Hauptrichtungen wählen © Detlef Krömker

23 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9

24 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Mapping auf Objekte

25 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Glyphenbasierte Techniken  Glyph: Begriff in der Visualisierung gebräuchlich manchmal auch Ikonen (beachte Icons im UI- Bereich)  Visualisierungsprimitive, die exakt positioniert werden können und Werte von Variablen in geometrische Charakteristika wie zum Beispiel Länge, Winkel oder Form bzw. in Darstellungsattribute wie Farbe oder Transparenz verschlüsseln. © Detlef Krömker

26 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Glyphenbasierte Techniken Ein nichttriviales Problem ist das Auffinden effektiver Kodes. Einige Regeln: Die einzelnen Merkmale sollten in einer Ikone gut kombinierbar und unterscheidbar sein. Ikonen sollten separat erkennbar sein. Ikonen sollten sich erkennbar unterscheiden, wenn die zugehörigen Merkmalsausprägungen differieren. © Detlef Krömker

27 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Stick-Figure nach Pickett und Grinstein Ziel: Erzeugung von Texturen 2D vier-armige Figur Parameter: Armlänge Armbreite Winkel der Arme zur Hauptachse Weitere Varianten siehe Pickett 88 und Wong 97 © Detlef Krömker

28 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbikone Color Icon nach Levkowitz  Quadrat (Rechteck) in Teilflächen einteilen Teilflächen unterschiedlich färben wirkt trennend  Variante: Kanten einfärben und Flächen bilinear interpolieren wirkt kontinuierlich © Detlef Krömker

29 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbikone Weitere Varianten  Anzahl der unterteilenden Kanten bzw. der Teilflächen Hiermit wird die Anzahl der darstellbaren Variablen bestimmt.  Form der Ikone Anstelle eines Quadrates lassen sich Sechsecke oder andere regelmäßige Polygone verwenden.  Hervorhebung bestimmter Kanten Hiermit lassen sich Variablen gruppieren oder hervorheben.  Abbildung der Datenwerte auf bi- und trivariate Farbskalen Erhöhung der Anzahl der darstellbaren Variablen © Detlef Krömker

30 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Chernoff Ikone nach Chernoff 1973  12 Merkmale werden abgebildet auf Form und Größe von Kopf Nase Mund Augen und Brauen © Detlef Krömker

31 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Beispiel: Nutzung von Chernoff Ikonen © Detlef Krömker

32 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Kreispalette  Datenwerte werden auf Größe und Farbe von Kreisen abgebildet © Detlef Krömker

33 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Data Jacks nach Hearn 1991  Datenwerte werden auf Gliederlänge und Farbe abgebildet  Variante: Übergang in den 3D  Ggf. als Moving Icon, um Effekte durch Verdeckungen zu minimieren © Detlef Krömker

34 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Shape Coding nach Beddow 1990 Nennt man auch Autoglyph Jeder Gitterzelle wird ein Merkmal zugeordnet Die Ausprägung des Merkmals (vorwiegend nominale Größen) wird durch Farbe verschlüsselt Die Autoglyphen werden in einem rechteckigen Feld angeordet Hautziel: Erkennen von Korrelationen  Muster © Detlef Krömker

35 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Beispiel Shape Coding Mikrobiologischer Datensatz 8 verschiedene Resistenzmerkmale für 210 Proben © Detlef Krömker

36 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Zusammenfassung Glyphenbasierte Techniken  Werden häufig eingesetzt  Wichtigster Vorteil: Ikonen lassen sich auf der Ebene oder im Raum positionieren multivariate Daten in mehrdimensionalen Räumen  Darstellung der Daten sehr kompakt  Übersichtsfunktion  Insbesondere Stick und Farbikonen erzeugen Texturen © Detlef Krömker

37 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Übersicht  Wiederholung und Vertiefung  Glyphenbasierte Vis.-Techniken  Retinale Techniken Farbe Textur

38 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Retinale Techniken  Retinale Techniken Verwendung weiterer visueller Variablen in Verbindung mit Standard-Graphen basierend auf der Variation von Positionen und Größen  Wichtigste retinale Techniken Farbe Textur

39 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Allgemeine Fragen  Welche Arten von Daten/Informationen/Eigenschaften können mittels Farbe dargestellt werden?  Welche Formen von Korrelationen können in solchen Abbildungen identifiziert werden und wie effektiv ist der Einsatz von Farbe in diesem Kontext?  Welche Farben haben eine vordefinierte Bedeutung? Wie können diese Bedeutungen zum effektiven Einsatz von Farbe effektiv eingesetzt werden?

40 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einsatzgebiete für Farbe  Farbe kann für folgende Aufgaben eingesetzt werden Lenken der Aufmerksamkeit Gruppierung von Merkmalen durch Visualisierung qualitativer Aspekte Visualisierung ordinaler Daten Visualisierung quantitativer Daten

41 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbe und nominale Daten  Mögliche Aufgaben Suchen und Identifizieren, „Labeling“  Anforderungen Farben müssen leicht unterschieden und erinnert werden  Ansatz Wahl von Farben, die einen deutlich trennenden Charakter haben

42 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbekodierung und Unterscheidbarkeit  Verschiedenheit (Distinctness) Kodierungen mit Farbabständen zwischen 45 und 65 in CIELUV-Farbdifferenzeinheiten haben sich als effektiv erwiesen  Zu beachten Große Farbabstände werden von CIELUV oder CIELAB leicht fehlerhaft repräsentiert CIELUV/CIELAB gelten für 2 o -Beobachter  Für kleinere Flächen Kleinfeldkorrektur benutzen! Für schnelle Unterscheidungen sollte eine Farbe außerhalb der konvexen Hülle der benachbarten Farben liegen

43 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbekodierung und Unterscheidbarkeit Grau liegt in der konvexen Hülle  schwerer unterscheidbar Rot liegt außerhalb der konvexen Hülle  leicht unterscheidbar Regel kann auch im 3D-Farbraum (z.B. YU*V*) benutzt werden! Schnelle Unterscheidung von Daten (Bauer)  Wahl von Farbkodierungen außerhalb der konvexen Hülle (z.B. im CIELUV-Diagramm) der bereits verwendeten Farben

44 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbkodierungen und ausgezeichnete Farbtöne  Ausgezeichnete Farbtöne (Unique Hues) Schwarz – Weiß Rot – Grün – Blau – Gelb Bezug zu Farbnamen (vgl.) Empfehlung  Aus keiner Kategorie 2 Farben wählen (z.B. zwei Grüntöne), auch wenn sie farbmetrisch einen großen Abstand aufweisen  Ausgezeichnete Helligkeiten Unterscheidung und Bezeichnung von höchstens 4 Helligkeiten schwarz – dunkelgrau – hellgrau – weiß

45 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbe und Hintergrund  Hintergrundkontrast Kontrast zum Hintergrund beeinflusst ebenfalls die Erkennbarkeit Durch Simultankontrast können sich ggf. stark verschiedene Farbeindrücke ergeben  Folgerungen Wenige Farben benutzen! Keine Farben nutzen, die nur Chrominanz- unterschiede aufweisen Verwendung neutraler Hintergründe (schwarz, weiß, grau)

46 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Anzahl der nutzbaren Farben  Anzahl der nutzbaren Farben begrenzt Paralleles Suchen (spontane Unterscheidung)  5-8 Farben (max. 10 Farben inkl. Weiß und Schwarz, Healey) Magical Number 7 (plus/minus 2) (Miller 1956)  Allgemeine These: Der Mensch kann 7 (+/- 2) Dinge gleichzeitig memorieren oder unterscheiden  Ursprünglicher Artikel bezieht sich allerdings auf das Kurzzeitgedächtnis

47 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Empfehlungen für Farbkodierungen 1. Rot 2. Grün 3. Gelb 4. Blau 5. Schwarz 6. Weiß 7. Rosa 8. Cyan 9. Grau 10. Orange 11. Braun 12. Lila Bei sechs oder weniger Werten wähle man nur aus Empfohlene Farbkodierungen für nominale Daten nach Ware 2000

48 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Empfehlungen für Farbkodierungen FarbbezeichnungCIE-x-WertCIE-y-Wert (1) rot (7) pink (12) lila (4) blau (2) grün (3) gelb (10) orange (11) braun Zahlen in Klammern entsprechen der Nummerierung nach Ware Empfohlene Farbkodierungen nach Smallman

49 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Empfehlungen für Farbkodierungen FarbbezeichnungCIE-x-WertCIE-y-Wert rot rot-pink*0,430,31 pink pink-lila*0,310,25 lila lila-blau*0,23 blau (8) blau-grün*0,250,39 grün grün-gelb*0,390,50 gelb gelb-orange*0,500,44 orange orange-rot*0,530,36 * durch Interpolation gewonnen Erweitere Tabelle mit Farbkodierungen auf Basis der Empfehlungen von Smallman (Schumann, Müller 2000)

50 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Erweiterte Tabelle mit Farbkodierungen Hinweis:  Farbabstände besser im u‘v‘- Diagramm beurteilbar

51 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbe und Größe  Flächengröße Minimale Größe von Farbstimuli für verschiedene Aufgaben Art der dargestellten Information Vergleichende Farbunter- scheidung (2-7 Farben) Absolute Farbidentifi- zierung (2-4 Farben) Helligkeit des Symbols kritische Information, variable Position  20’  1 fL kritische Information, feste Position  16’  20’  1 fL unkritische Information  12’  16’  1 fL

52 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbe und Größe  Ergänzende Regeln Für gelb-blau Differenzen sollten die Flächen sogar mindestens ein halbes Grad groß sein Kleine Flächen  stark gesättigte Farben mit möglichst großem Farbabstand Größere Flächen  weniger gesättigte Farben (ggf. auch mit geringerem Farbabstand)

53 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Kriterien  Beispiel für die Nutzung von Farben bei großen Flächen:  Geringe Sättigung  große Helligkeit Interferenzen mit schwarzen Detailinformati- onen (Text) sind gering Import java.applett.Applett; Import jawa.awt.Graphics; Import jawa.awt.Color Public class ColorText extends Applett { public void init () { red = 100; green = 255; blue = 20; } public void paint (Graphics g) { Gr.setColor (new Color (red,green, blue)); Gr.drawString (“Colored Text“.30,50); } private int red; private int green; private int blue; }

54 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Kriterien Import java.applett.Applett; Import jawa.awt.Graphics; Import jawa.awt.Color Public class ColorText extends Applett { public void init () { red = 100; green = 255; blue = 20; } public void paint (Graphics g) { Gr.setColor (new Color (red,green, blue)); Gr.drawString (“Colored Text“.30,50); } private int red; private int green; private int blue; }

55 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Zusammenfassung  Bei der visuellen Suche nach Zielobjekten sind Farbkodierungen effektiver als monochromatische Darstellungen  Wenn es auf Schnelligkeit ankommt, wähle man die Farben nach Bauer`s Regel (Konvexe Hülle)  Man wähle die Farbflächen groß genug!

56 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einsatzgebiete für Farbe  Farbe kann für folgende Aufgaben eingesetzt werden Lenken der Aufmerksamkeit Gruppierung von Merkmalen durch Visualisierung qualitativer Aspekte Visualisierung ordinaler Daten Visualisierung quantitativer Daten

57 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Ordinale Daten  Je nach Aufgabe: Suchen und Identifizieren:  Wahl wie bei nominalen Daten Übersicht oder Vergleichen:  Abbildung auf Farbskalen wie bei quantitativen Daten  Beispiel: modifizierter Farbkreis  Problem: Werden diese Größen dann auch als quantitative Größen interpretiert?

58 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Quantitative Daten Beachte: Immer nur einen Teil der Buntton-Skala Benutzen Die zwei unteren Verfahren erlauben den Einsatz von Farbtabellen (Color-Look-Up-Table)

59 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbskalen  Typen von Farbskalen Grauwertskalen: Variation der Helligkeit Farbskalen: Variation der Farbart (Sättigung und Farbton)  Aspekte von Farbskalen Abbildung auf RGB i.d.R. nicht effizient und wenig effektiv Abbildung auf HSV, HLS, o.ä. möglich Spezielle Farbskalen i.d.R. effizienter

60 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 RGB ist wahrnemungsmäßig nicht gleichabständig FB(250,220,50) FC(200,220,100) Orange Olivgrün FA(200,220,50) Olivgrün FE(200,170,50) FD(200,220,0) BraunOlivgrün

61 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Grauwertskalen  Empfindungsgemäß gleichabständige Grauwertskala  Berücksichtigung der Gammakorrektur Typisches Monitorgamma für Farbmonitore: 2,3... 2,8  Kuriosum: Diese Zwei Effekte korrigieren sich fast selbst!

62 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbskalen Aufgabe: Bringen Sie die Farbe in eine Ordnung!

63 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Farbskalen Gray scaleSingle sequence part spectral scale Full spectral scaleSingle sequence single hue scale Double-ended multiple hue scale

64 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Beispiele für spezielle Farbskalen Farbton-Skala (Hue) Regenbogenskala Temperaturfarbskala Magenta-Farbskala

65 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Regenbogenfarbskala  Im Gegensatz zum natürlichen Regenbogen, bei dem auch die Helligkeit variiert (Sättigung kaum), hält man die Helligkeit hier üblicherweise konstant  Subjektive „Natürlichkeit“ der Ordnung ist zweifelhaft, wird aber gelegentlich behauptet (findet man häufig in der Physik)  Die sogenannte modifizierte Regenbogenskala nutzt zusätzlich Helligkeiten

66 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Temperatur-Farbskala (Heated Object Scale)  Wird als natürlich empfunden  Modifiziert Helligkeit und Farbe

67 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Magenta-Farbskala  Nach Levkowitz  Versucht auszunutzen, dass der Mensch für Bunttonunterschiede im Magentabereich besonders empfindlich ist  Kodierung über Farbton und Helligkeit

68 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Zwei wesentliche Fragestellungen  Fragestellungen Bleiben „Spitzen“, „Täler“ oder „Kämme“ = Strukturen in den Werten wahrnehmbar? Bleiben bestimmte Klassifizierungen wahrnehmbar  Z.B., kann man Datenwerte einfach aus der Karte ablesen?

69 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Wahrnehmung von Formen = Strukturen

70 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einige Regeln für den Einsatz von Farbskalen  Wenn eine wahrnehmungsmäßig geordnete Sequenz benötigt wird, bevorzuge man eine Grauwertskala, Rot-Grün-Skala Gelb-Blau-Skala Sättigungsskala

71 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einige Regeln für den Einsatz von Farbskalen  Verschiedene Skalen sind für verschiedene Detailgrade unterschiedlich gut geeignet: Großer Detailreichtum  Luminanzskalen Geringerer Detailreichtum  Farbton- oder Sättigungsskalen

72 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einige Regeln für den Einsatz von Farbskalen  Uniforme Skalen können durch Verwendung von CIELUV (CIELAB) gewonnen werden.  Achtung: Manchmal sollen spezielle Eigenschaften durch nichtuniforme Skalen hervorgehoben werden!

73 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einige Regeln für den Einsatz von Farbskalen  Für ein Ablesen von Datenwerten sollte man Farbskalen benutzen, die durch viele Farbarten charakterisiert ist Minimiert Fehler durch Farbkontrast  Oft ist eine Spiralskala, z.B. im CIELUV- Farbraum sehr gut Alle Farben unterscheiden sich auch in der Helligkeit

74 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einige Regeln für den Einsatz von Farbskalen  Durch Wahrnehmungseffekte erscheinen kontinuierliche Skalen oft diskret  Um Formen und Strukturen in Wertefeldern wahrnehmbar darzustellen, ist die Betrachtung der Daten als Höhenfeld und ein Standard-Shading der CG oft effizienter als Farbskalen

75 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Einige Regeln für den Einsatz von Farbskalen  Auch hier gilt es Farbfehlsichtigkeit zu berücksichtigen! Details zu finden in:  Meyer, Greenberg 1988  Schumann, Müller 2000 Meyer, Greenberg 1988

76 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Effekte von Farbfehlsichtigkeiten auf Farbskalen Full spectral scale Protanopie Deuteranopie Tritanopie

77 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Effekte von Farbfehlsichtigkeiten auf Farbskalen Full spectral scale Protanopie Deuteranopie Tritanopie

78 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Effekte von Farbfehlsichtigkeiten auf Farbskalen  Better results with magenta scale and heated object scale Heated Object Scale Protanopie Deuteranopie Tritanopie Magenta Scale Protanopie Deuteranopie Tritanopie

79 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Allgemeine Regeln zur Visualisierung mit Farbe  Verwende Farbe mit Zurückhaltung Weniger ist mehr!  Verwende Farbe zur Gruppierung und zur Unterstützung beim Suchen  Betone das Interessante und vermeide das Störende  Verwende gewohnte Farbkodierungen Nutze Metaphern des Anwendungsgebietes  Gestalte für Nutzer mit Farbanomalien  Say it again! Farbe für redundante Kodierungen  Verwende einen angemessenen Level-of-Detail!

80 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Allgemeine Regeln zur Visualisierung mit Farbe  Verwende blau für großflächige Bereiche, keine dünnen Linien  Verwende rot und grün im Zentrum der Blickfeldes Randbereiche der Retina sind nicht sensitiv für diese Farben  Verwende schwarz, weiß und gelb in der Peripherie  Verwende Farben für benachbarte Regionen, die sich in Farbton und Helligkeit unterscheiden; Vermeide die Verwendung verschiedener Blautöne für benachbarte Regionen  Verwende möglichst nicht mehrere hoch gesättigte Farben, insbesondere mit großen spektralen Unterschieden, zusammen Vermeidung von Nachbildern  Berücksichtige mögliche Farbverschiebungseffekte benachbarter Farbflächen

81 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Zusammenfassung  Farbe ist ein sehr breites und komplexes Gebiet  Viele Wahrnehmungseffekte erklären sich durch die Gegenfarbentheorie  Luminanzunterschiede sind mit einer wesentlich höheren Ortsauflösung wahrnehmbar.  Farbe ist effektiv für nominale, ordinale und quantitative Wertebereiche

82 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Übersicht  Wiederholung  Retinale Techniken Farbe Textur

83 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Übersicht  Wiederholung  Retinale Techniken Farbe Textur

84 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Textur  Textur wird typischerweise in erster Linie zur Visualisierung qualitativer Aspekte dargestellt Muster, Schraffuren  Nicht so effektiv wie Farbe  Mögliche Variationen Gröbe (Coarseness) Linienhaftigkeit Gerichtetheit Regelmäßigkeit Kontrast

85 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Textur und quantitative Daten  Vereinzelte Anwendungen von Textur zur Visualisierung qualitativer und quantitativer Aspekte  Speziell: Visualisierung von Multi-parameter- Datensätzen  Mehr zu diesem Thema später! Pickett, Grinstein 1988

86 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Textur und Vektordaten  Textur eignet sich zudem, Orientierungen und auch Ausprägungen darzustellen  Anforderungen, die bei der Visualisierung von Vektordaten auftreten Beispiel: Strömungsfelder  Beispiel für Textursynthesetechnik: Line Integral Convolution (LIC)  Mehr zu diesem Thema später! Visualisierung eines kreisförmigen und eines turbulenten Strömungsfeldes mit LIC (Cabral 1993)

87 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Texturen in 3D  Textur ist ein wichtiger visueller Faktor zur Wahrnehmung von Neigung und Orientierung von Oberflächen  Anwendung von Textur zur Verdeutlichung dieser Aspekte im Kontext von 3D-Visualisierung Visualisierung des Krümmungsverlaufs von Oberflächen  Eingesetzte Techniken ähneln denen der Visualisierung von Vektordaten

88 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Zusammenfassung

89 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Überblick  Einfaches Modell der visuellen Wahrnehmung  Wahrnehmung von Helligkeit und Kontrast  Wahrnehmung von Farbe  Wahrnehmung von Textur  Visual Pre-Attention und Visual Attention  Statische und bewegte Pattern  Wahrnehmung von Objekten

90 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Imagens Dual Coding Theorie (Pavio) Visual System Auditory System Verbal Visual Image Information From speech Text Information Associate structure Logogens Verbal responses Non-verbal responses © Detlef Krömker

91 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Übergang visuelles System - Logogene Visuelles System: schnelle Wiedererkennung und Musterkennung © Detlef Krömker

92 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Ikonischer Puffer  Übliche Aufgabe: Objekte kurz zeigen – an welche kann man sich erinnern  Beschränkungen: Bild „verblasst“ Neue Sakkade Zugriffsrate auf den ikonischen Puffer  Übliche Kapazität: 3 – 7 Objekte

93 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Kapazität des visual working memory (Vogal, Woodman, Luck, 2001)  Übliche Aufgabe: Erkennung von Änderungen  Wir können uns 3,3 Objekte merken  Jedes Objekt kann komplex sein © Detlef Krömker

94 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Kapazität verbal working memory  Bislang angenommen: 7 +/- 2  Heute wird es mehr als eine Dauer von Proto-verbalen Codes angenommen

95 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Das Wesen der Sprache  Arbeiten von Chomsky: “deep structures”  Sprache ist nicht notwendigerweise verbal  Zeichensprachen (z.B. für Taube) sind exzellentes Beispiel einer visuellen Sprache  Kritische Periode für den Spracherwerb Geburt bis 3,5 Jahre (läuft aus bis 10 Jahre) © Detlef Krömker

96 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9  Teilprozesse der Objekterkennung Silhouette Skelett Shading Oberflächeneigenschaften  Verschiedene Theorien Template Theorien Strukturtheorien  3D Objekt Icons und Objektstrukturen sind vielversprechend für die Visualisierung  Objekte – Sprache Relation Zusammenfassung

97 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Zusammenfassung: visuelle Wahrnehmung  Low level – massiv parallel  Aufmerksamkeit erregen  Attribute: Textur, Farbe, Helligkeit  Mid-level - Muster finden  Segmentierung des Bildes  Statische und bewegte Pattern  Gestalt Gesetze  Räumliche Wahrnehmung  High level  Wenige Objekte, können komplex sein  Worte für Logik und abstrakte Bedeutungen/ Bilder für Muster oder Strukturen

98 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Hausaufgabe  Lesen Sie: CW: Kap. 7 SM: Kap. 4 Kap. 5.1 und 5.2  Exzerpieren Sie wesentliche Punkte

99 Prof. Dr. Detlef Krömker WS 2005/ Visualisierung – Vorlesung 9 Danksagung  Diese Vorlesung basiert auf Material von Prof. Dr. Detlef Krömker Prof. Dr. Colin Ware


Herunterladen ppt "Prof. Dr. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Visualisierung Vorlesung 9 Mapping auf Farbe, Geometrie und Objekte."

Ähnliche Präsentationen


Google-Anzeigen