Vorlesung 10 – Visualisierung von Daten mit Orts- und Zeitbezug
Allgemeiner Überblick über folgende Themen Visualisierung von Raumbezogenen Daten Zeitbezogenen Daten Volumendaten Strömungsdaten Visualisierung von multivariaten Daten Visualisierung – Vorlesung 10 WS 2005/2006
Visualisierung von Daten mit Raumbezug Übersicht Wiederholung Visualisierung von Daten mit Raumbezug Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs Visualisierung zeitvarianter Daten Visualisierung – Vorlesung 10 WS 2005/2006
Visualisierung von Daten mit Raumbezug Übersicht Wiederholung Visualisierung von Daten mit Raumbezug Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs Visualisierung zeitvarianter Daten Visualisierung – Vorlesung 10 WS 2005/2006
Farbskalen Typen von Farbskalen Aspekte 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 Visualisierung – Vorlesung 10 WS 2005/2006
Grauwertskalen Man verwende empfindungsmäßig gleichabständige Stufen, etwa nach folgender Formel: Berücksichtigt man die nötige Gammakorrektur (für Farbmonitore 2,3 ... 2,8), so erhält man: Kuriosum: Diese Zwei Effekte korrigieren sich fast selbst! Visualisierung – Vorlesung 10 WS 2005/2006
Beispiele für spezielle Farbskalen Farbton-Skala (Hue) Regenbogenskala Temperaturfarbskala Magenta-Farbskala Visualisierung – Vorlesung 10 WS 2005/2006
Effekte von Farbfehlsichtigkeiten auf Farbskalen Magenta Scale Heated Object Scale Protanopie Protanopie Deuteranopie Deuteranopie Tritanopie Tritanopie Better results with magenta scale and heated object scale Visualisierung – Vorlesung 10 WS 2005/2006
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 Visualisierung – Vorlesung 10 WS 2005/2006
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) Visualisierung – Vorlesung 10 WS 2005/2006
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 Visualisierung – Vorlesung 10 WS 2005/2006
Visualisierung von Daten mit Raumbezug Übersicht Wiederholung Visualisierung von Daten mit Raumbezug Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs Visualisierung zeitvarianter Daten Visualisierung – Vorlesung 10 WS 2005/2006
Visualisierung von Daten mit Raumbezug Übersicht Wiederholung Visualisierung von Daten mit Raumbezug Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs Visualisierung zeitvarianter Daten Visualisierung – Vorlesung 10 WS 2005/2006
Multivariate und Mehrdimensionale Daten Standardgraphen betrachten in den meisten Fällen nur für eindimensionale, univariate Daten Allgemeinere Situation Multidimensionale Daten Dimension des Beobachtungsraums > 1 Multivariate Daten Dimension des Merkmalsraums > 1 (2) D Daten mit Raumbezug Dimension des Beobachtungsraums ist 2 oder 3 Visualisierung – Vorlesung 10 WS 2005/2006
Mehrdimensionale raumbezogene Daten Zum Begriff Raumbezug Daten mit geographischem Bezug, d.h. im Kontext geographischer Informationssysteme (Bill und Fritsch 1996) Lediglich 3-dimensionale Daten (Groß 1991) 2D: oberflächenbezogene Daten n-dimensionaler Euklidischer Raum (Graw) Im weiteren Daten in einem 2 oder 3-dimensionalen, räumlichen Bezugssystem Beispiel: die Erdoberfläche (thematische) Karte ... Visualisierung – Vorlesung 10 WS 2005/2006
Systematik Übersicht : Visualisierung raumbezogener Daten Visualisierung – Vorlesung 10 WS 2005/2006
Themengebiete mit starkem Bezug Kartographie und GIS Themengebiete mit starkem Bezug Kartographie Geographische Informationssysteme (GIS) Visualisierung – Vorlesung 10 WS 2005/2006
Wissenschaft mit sehr jahrhunderte alter Tradition Kartographie Wissenschaft mit sehr jahrhunderte alter Tradition Erste Karten Bertin Zentrale Fragestellungen Abbildung der Erde auf Karte … Visualisierung – Vorlesung 10 WS 2005/2006
Geographische Informationssysteme Geographische Informationssysteme (GIS) speichern Infos in Datenbanken Klassische GIS: 2-dimensional Zunehmend, vor allem in urbaner Umgebung, auch 3D Mehr zu diesem Thema später! Visualisierung – Vorlesung 10 WS 2005/2006
Bezugssystem und Wirkungskreise Grundlegender Ansatz Darstellung von Bezugssystem und mit Wirkungskreisen Darstellung des Wirkungskreises Punktbezug Abtastung im Bezugsraum Die Datenwerte beziehen sich nur auf einzelne Beobachtungspunkte (zum Beispiel gemessene Werte pro Messstelle in einem See). Lokaler Bezug Endliche Apertur und Mittelung Die Datenwerte beziehen sich auf lokale Bereiche des räumlichen Bezugssystems (zum Beispiel Datenwerte im nördlichen Teil eines Sees). Globaler Bezug Die Datenwerte gelten für das gesamte räumliche Bezugssystem (zum Beispiel für einen ganzen See). Visualisierung – Vorlesung 10 WS 2005/2006
Darstellung des Raumbezugs Darstellung des Raumbezugs im Bezugssystem Direkt: Datenwerte als auch das räumliche Bezugssystem werden in derselben visuellen Repräsentation veranschaulicht Beispiel: Platzierung von Ikonen auf einer Karte und Markierung des zugehörigen Geltungsbereiches Indirekt: Veranschaulichung von Datenwerten und räumlichem Bezugssystem über getrennte visuelle Repräsentationen Beispiel: Visualisierung – Vorlesung 10 WS 2005/2006
Direkte Darstellung des Raumbezugs Direkte Darstellung des Raumbezugs mit Karte und Kreuzikone für Sedimentdaten Darstellung des Punktbezugs mit Kreuzikone Zusätzliche Brushing: Für selektierte Ikone werden links die Daten anzeigt Visualisierung – Vorlesung 10 WS 2005/2006
Direkte Darstellung des Raumbezugs Direkte Darstellung von raumbezogenen Daten mit lokalem Wirkungskreis Visualisierung von Inzidenzraten für Krankheiten über den Kreisen von Mecklenburg-Vorpommern Balkendiagramm als Ikone zur Darstellung der Häufigkeit unterschiedlicher Krankheiten Kennzeichnung des lokalen Wirkungskreises durch Kreisgrenzen Visualisierung – Vorlesung 10 WS 2005/2006
Direkte Darstellung des Raumbezugs Direkte Darstellung von raumbezogenen Daten mit lokalem Wirkungskreis Visualisierung von Sedimentdaten über dem Neustädter See Voronoi-Zerlegung mit bivariater Farbskala zur Verdeutlichung des lokalen Bezugs Zusätzliche Marker zur Darstellung der Messpunkte Visualisierung – Vorlesung 10 WS 2005/2006
Direkte Darstellung des Raumbezugs Direkte Darstellung von raumbezogenen Daten mit lokalem Wirkungskreis Inzidenzrate der Influenza A über Mecklenburg-Vorpommern Darstellung der Merkmale über Farb- und Höhenkodierung Visualisierung – Vorlesung 10 WS 2005/2006
Direkte Darstellung des Raumbezugs Kartogramme nicht maßstabsgetreue Karten Weitere Möglichkeit zur direkten Darstellung des Raumbezugs Beispiel: Bevölkerungskartogramm Größe der Länder gemäß ihrer Bevölkerungszahl Topologischen Beziehungen bleiben erhalten Bemerkung Alle antiken Karten waren Kartogramme! Visualisierung – Vorlesung 10 WS 2005/2006
Direkte Darstellung des Raumbezugs Darstellung eines 3D-Raumbezugs Darstellung hydrologischer Parameter im Tiefenprofil der Ostsee für ausgewählte Messpunkte Visualisierung – Vorlesung 10 WS 2005/2006
Indirekter Raumbezug Ansatz: Kombination zweier getrennter visueller Repräsentationen Darstellung des Bezugssystems (mit Beobachtungspunkten) Darstellung des Merkmalsraums (multivariaten Daten) Zuordnung erfolgt über: Farbassoziationen Hilfslinien u.a. Annotationen Insbesondere bei großen Datenmengen sind indirekte Darstellungen des Raumbezugs eine sinnvolle Alternative Visualisierung – Vorlesung 10 WS 2005/2006
Indirekte Darstellung des Raumbezugs Tiefe Trockenmasse Glühverlust Korngröße Phosphorgehalt Indirekte Darstellung des Raumbezugs von Sedimentdaten des Barniner Sees Darstellung der Sedimentdaten mit parallelen Koordinaten Darstellung des Bezugssystems über Karte Visualisierung – Vorlesung 10 WS 2005/2006
Indirekte Darstellung des Raumbezugs Indirekte Darstellung des Raumbezugs bei einem 3D-Modell Darstellung der Geometrie eines 3D-Bauteils als Bezugssystem Darstellung der technischen Attribute mit Ikonen (vgl. Autoglyphen des Shape Coding) verschlüsselt Visualisierung – Vorlesung 10 WS 2005/2006
Kombination von direktem und indirektem Bezug Kombination von direkter und indirekter Darstellung des Raumbezugs am Beispiel einer Waldbodenkarte Merkmale in einer Ikone pro Abteilung kodiert, jede Unterabteilung horizontal aufgetragen Teilabschnitte pro Unterabteilung senkrecht Datenwerte farbkodiert Visualisierung – Vorlesung 10 WS 2005/2006
Kombination von direktem und indirektem Bezug Kombination von direkter und indirekter Darstellung des Raumbezugs am Beispiel von Waldbodendaten Direkter Raumbezug in 3D-Darstellung (rechts) Problem: Verdeckungen behindern Lesbarkeit Zusätzliche indirekte Darstellung der Messwerte durch Balkendiagramm; Bezug durch Annotation Visualisierung – Vorlesung 10 WS 2005/2006
Kombination von direktem und indirektem Bezug Kombination von direkter und indirekter Darstellung des Raumbezugs Am Beispiel hydrologischer und biologische Daten Direkte Visualisierung der hydrologischen Daten Indirekte Darstellung (durch Annotation) der biologischen Daten (Verteilung des Dorsches nach Alter) in Form von Kreisdiagrammen Visualisierung – Vorlesung 10 WS 2005/2006
Vergleich direkte/indirekte Visualisierung Vorteile direkter Darstellung des Raumbezugs Abhängigkeiten der Datenwerte in ihrem räumlichen Kontext unmittelbar wahrnehmbar Nachteile Größe der graphischen Repräsentation der Daten bzw. des Bezugsraumes führt aber oft dazu, dass nur wenige Parameter pro Datensatz dargestellt werden können oder Anzahl der gleichzeitig darstellbaren Datensätze gering Visualisierung – Vorlesung 10 WS 2005/2006
Zusammenfassung Veranschaulichung des räumlichen Kontextes Direkter Raumbezug: direkt intuitiv wahrnehmbar Indirekter Raumbezug (z.B. Farbassoziationen, Linien, Annotationen) Nachteil direkter Raumbezug: Erhöhte Komplexität der Darstellung Auf Details oder Vollständigkeit muss oft verzichtet werden Navigation und Interaktion sehr wichtig! Nachteil indirekter Raumbezug: höhere kognitive Belastung Anwenderklassen und Raumbezug Experten Z.T. Raumbezug stark verinnerlicht, z.B. Lage der Messpunkte können u.U. auf Darstellung des Raumbezugs verzichten Seltennutzer Darstellung fast immer notwendig Visualisierung – Vorlesung 10 WS 2005/2006
Visualisierung von Daten mit Raumbezug Übersicht Wiederholung Visualisierung von Daten mit Raumbezug Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs Visualisierung zeitvarianter Daten Visualisierung – Vorlesung 10 WS 2005/2006
Visualisierung von Daten mit Raumbezug Übersicht Wiederholung Visualisierung von Daten mit Raumbezug Übersicht Direkte Visualisierung des Raumbezugs Indirekte Visualisierung des Raumbezugs Visualisierung zeitvarianter Daten Visualisierung – Vorlesung 10 WS 2005/2006
Zeitabhängige Daten Aspekte zeitvarianter Daten Unterscheiden zwischen Datencharakteristika werden ihrem zeitlichen Kontext zugeordnet Zeit ist keine beliebige unabhängige Variable, sondern hat Besonderheiten Nur wenige Werkzeuge unterstützen die Darstellung des Zeitbezugs befriedigend Unterscheiden zwischen Zeitbezug der Daten Zeitbezug der Darstellung Visualisierung – Vorlesung 10 WS 2005/2006
Fragestellungen bei zeitvarianten Daten Fragestellungen bei der Analyse zeitvarianter Daten (MacEachren, 1995): Existence: Existiert ein Merkmal an einem spezifischen Zeitpunkt? Localization: Wann existiert ein Merkmal? Temporal interval: Wie lang existiert ein Merkmal? Rate of change: Wie stark und wie schnell ändert sich ein Merkmal? Sequence: In welcher Reihenfolge erscheinen die Merkmale? Temporal texture: Wie oft erscheint ein Merkmal? Synchronization: Welche Merkmale existieren gemeinsam? Before we are going into the discussion of visualization techniques for time-series data, we sould ask us what are the possible goals a user might have in mind. Visualisierung – Vorlesung 10 WS 2005/2006
Zeitbezug der Darstellung Taxonomie Zeitbezug der Daten Diskret vs. intervall-basiert Linear vs. zyklisch Ordinal vs. kontinuierlich Geordnet vs. verzweigend Zeitbezug der Darstellung 2d vs. 3d Statisch vs. dynamisch Univariat vs. Multivariat Daten-bezogen vs. Ereignis-bezogen Visualisierung – Vorlesung 10 WS 2005/2006
Taxonome zeitvarianter Daten (1) Dskrete Zeitpunkte vs. Zeitintervalle Diskrete Zeitpunkte: Zeitpunkte ohne Dauer Zeitintervalle: Intervall-skalierte Achse (z.B. Tage, Monate, ...) Ansatz: Darstellung der Dauer Lexis Pencils AOK Daten Inflenca Zyklenabhängig Psychologisch nicht Rot und blau Infuenca Zyklenabhängig The lower images present health data of the occurance of diseases in a year. The lower left image presents a Lexis Pencils approach to present this multivariate data set. Individual occurances of diseases can be distinguished quite well in the different regions. The spiral-based approach Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie zeitvarianter Daten (2) Lineare vs. zyklische Zeitabläufe Linear: Zeitliche Ereignisse von einem Startzeitpunkt in linearer Ordnung bis zum Endzeitpunkt Zyklisch: Wiederkommende zeitliche Ereignisse wie z.B. Jahreszeiten Ansatz: Darstellung der Periodizität Lexis Pencils zur Darstellung multivariater, linearer Daten (Schumann et.al. 2005) Spiral Graphs zur Darstellung zyklischer, multivariater (Schumann et.al. 2005) Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie zeitvarianter Daten (3) Ordinal vs. kontinuierlich Ordinal: geordnete, qualitative Zeitachse Kontinuierlich: quantitative Zeitachse Ansatz: Darstellung von Ordnung gegenüber Differenzen ThemeRiver, Havre et al 2000 Ordinal -> Calendar View Kontinuieruch ThemeRiver Calendar plot, van Wijk, van Selov, 1999 Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie zeitvarianter Daten (4) Geordnet vs. verzweigende Zeitstränge Geordnet: zeitliche Ereignisse folgen einer nach dem anderen Verzweigend: Alternative, zum Teil parallele Zeitstränge Ansatz: Darstellung der Linearität gegenüber der Verzweigung ? Representing Branching Time + Data Branching time data appears in the domain of simulation when different alternatives Gantt Chart TimeWheel, Tominski, 2004 Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie visueller Darstellungen des Zeitbezugs Zeitbezug der Daten Diskret vs. intervall-basiert Linear vs. zyklisch Ordinal vs. kontinuierlich Geordnet vs. verzeigend Zeitbezug der Darstellung 2d vs. 3d Statisch vs. dynamisch Univariat vs. Multivariat Daten-bezogen vs. Ereignis-bezogen Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie visueller Darstellungen des Zeitbezugs (1) 2d vs. 3d 2d: Darstellung in der Bildebene 3d: Darstellung unter Nutzung perspektivischer oder interaktiver, VR-ähnlicher 3D-Darstellungen Interactive Specification of -> Vis ... Time Dependent Data anschauen Worm Plot (Treinish 1997) Visualisierung – Vorlesung 10 WS 2005/2006
Worm Plots Worm Plots (Treinish 1997) Ansatz Visualisierung von Punktwolken mit Zeitbezug Ansatz Ausgangspunkt: 2D-Scatterplot der Daten für jeden diskreten Zeitpunkt Approximation der Punktwolke durch einen Kreis Mittelpunkt = „Zentrum“ der Punktwolke Radius = mittlerer Abstand der Punkte vom Zentrum Verbindung der approximieren-den Kreise der einzelnen Scatterplots zu „Röhren“ Möglichkeit zur Unterscheidung unterschiedlicher Cluster Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie visueller Darstellungen des Zeitbezugs (2) Static vs. dynamisch Statisch: Visualisierung basierend auf einzelnen, unveränderlichen Bildern Dynamisch: Visualisierung unter Nutzung dynamischer Aspekte wie etwa Animation, freie Navigation, etc. Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie visueller Darstellungen des Zeitbezugs (3) Univariat vs. multivariat Univariat: eine einzelne abhängieg Variable Multivariat: mehrere abhängige Variablen, die parallel analysiert werden sollen AOK Daten Ausbreitung von Krankheiten Ausgeblendete: nie ein Maximum Links zur Darstellung der Reihenfolge der Events / Ausbreitung der Krankheit Zentrales Element: Reduzierung der darzustellenden Daten Relevante Bereiche Parallele Koordinaten zur Darstellung multivariater, zeitabhängiger Daten Visualisierung – Vorlesung 10 WS 2005/2006
Taxonomie visueller Darstellungen des Zeitbezugs (4) Daten-bezogen vs. Ereignis-bezogen Daten-bezogen: direkte Darstellung der Daten Ereignis-bezogen: Darstellung bzw. Betonung der Zeitpunkte, an denen eine Änderung in den Daten stattfindet Beispiel: besonders interessante Punkte in den Daten, wie etwa Minima, Maxima, etc. Visualisierung – Vorlesung 10 WS 2005/2006
Conventional Techniques Multivariate Techniques Dynamic Techniques Verfahren Conventional Techniques Multivariate Techniques Dynamic Techniques
Konventionelle Techniken (1) 2d, Statisch, Univariat, Daten-bezogen Verwendung der grundlegenden visuellen Variablen zur Darstellung der Informationen (Bertin 1982) Grosses Repertoire an Graphen Standardgraphen, z.B. Säulendiagramme, Punktediagramme, Liniendiagramme Graphen für multivariate Daten, z.B. Parallele Koordinaten Vorteile Bekannte Metaphern Parallele Koordinaten für zeitvariante Daten (Garnett 1903) Visualisierung – Vorlesung 10 WS 2005/2006
Konventionelle Techniken (2) Temporal Brushing Anstatz Brushing einer Timeline führt zur Darstellungder entsprechenden Visualisierung für den ausgewählten Zeitpunkt Temporal Focusing Approach: Darstellung von zusätzlichem Detail für den ausgewählten Zeitpunkt on request Visualisierung – Vorlesung 10 WS 2005/2006
Multivariate Techniken (1) 2d/3d, Statisch/dynamisch, Multivariat, Daten-bezogen Beispiele: ThemeRiver TimeWheel Spiral Graph Wormplots MultiCombs ThemeRiver Visualization of 100 years of climate data General approach: Utilization of Standard Graphs Radial: Mitte aggregierte Daten sternförmig MultiCombs (Abello, Tominski, Schumann 2004) Spiral Graphs (Weber, Alexa, Müller 2000) Visualisierung – Vorlesung 10 WS 2005/2006
Übersicht Zeitbezug der Zeit- Daten bezug der Darstellung statisch statisch quasistatisch dynamisch Statische Repräsentation Annotation zum Zeitbezug spezielle Ikonen, Mehrfenster- technik; Annotationen; Zeitdiagramm Zeitdiagramme Dynamische Repräsentation Flashlighting; Kamerafahrten; Objektbewe-gungen und Deformationen sequentielle Abfolge graphischer Darstellungen; Deformationen Visualisierung – Vorlesung 10 WS 2005/2006
Übersicht Zeitbezug der Zeit- Daten bezug der Darstellung statisch statisch quasistatisch dynamisch Statische Repräsentation Annotation zum Zeitbezug spezielle Ikonen, Mehrfenster- technik; Annotationen; Zeitdiagramm Zeitdiagramme Dynamische Repräsentation Flashlighting; Kamerafahrten; Objektbewe-gungen und Deformationen sequentielle Abfolge graphischer Darstellungen; Deformationen Visualisierung – Vorlesung 10 WS 2005/2006
Quasistatischer Zeitbezug der Daten durch statische Darstellung Quasistatischer Zeitbezug der Daten durch statische Darstellung als Chloropeth Visualisierung der Bevölkerungsdichte der Region Starkenburg Visualisierung – Vorlesung 10 WS 2005/2006
Quasistatischer Zeitbezug der Daten durch statische Darstellung Quasistatischer Zeitbezug der Daten durch statische Darstellung als Chloropeth Visualisierung der Veränderung der Einwohnerzahlen der Region Starkenburg Visualisierung – Vorlesung 10 WS 2005/2006
Beispiel: Quasistatischer Zeitbezug der Daten Quasistatischer Zeitbezug der Daten durch statische Darstellung mit Mehrfenstertechnik Visualisierung – Vorlesung 10 WS 2005/2006
Zeitreihendarstellung dynamischer Daten Zeitreihendarstellung dynamischer Daten als Balkendiagramm (links) und als Liniendiagramm (rechts) Visualisierung von Bevölkerungsdaten der Region Starkenburg Visualisierung – Vorlesung 10 WS 2005/2006
Übersicht Zeitbezug der Zeit- Daten bezug der Darstellung statisch statisch quasistatisch dynamisch Statische Repräsentation Annotation zum Zeitbezug spezielle Ikonen, Mehrfenster- technik; Annotationen; Zeitdiagramm Zeitdiagramme Dynamische Repräsentation Flashlighting; Kamerafahrten; Objektbewe-gungen und Deformationen sequentielle Abfolge graphischer Darstellungen; Deformationen Visualisierung – Vorlesung 10 WS 2005/2006
Dynamische Techniken (1) 2d/3d, dynamisch, Univariat/multivariat, Daten-bezogen/Ereignis-bezogen Allgemeiner Ansatz: Animation Direkte Nutzung des Attributs „Zeit“ zur Darstellung zeitvarianter Aspekte Visualisierung von Änderungen in den Daten als Änderungen in Position, Farbe, … Sequentielle Abfolge gleichartiger graphischer Darstellungen (sequentielles Hintereinanderschalten von Bildern, die mit derselben Visualisierungstechnik erzeugt wurden) Kontinuierliche Animation Kontinuierliche Bewegungen: 15 frames per second Glatte, kontinuierliche Bewegungen: 30 frames per second Zeitliche Skalierung der Animation Zeitraffer (s < 1), Realzeit (s = 1) Zeitlupe (s > 1). Visualisierung – Vorlesung 10 WS 2005/2006
Dynamische Techniken (2) Weitere Methoden zur Darstellung als spezielle Formn der Animation Wechselnde Attributbelegungen (Flashlighting) Sequentielles Abbilden unterschiedlicher Parameterwerte auf die Attribute graphischer Primitive identischer Repräsentationen Veränderungen der Ansicht Kamerafahrten oder dynamische Projektionen (vgl. Grandtour) Objektbewegungen und Deformationen Veränderungen von Form und Position graphischer Primitive, wie bei der Technik „Moving Icons“ Sequentielle Abfolge verschiedenartiger graphischer Darstellungen Sequentielles Hintereinanderschalten von Bildern, die mit unterschiedlichen Visualisierungstechniken erzeugt wurden. Visualisierung – Vorlesung 10 WS 2005/2006
Dynamic Techniques (II) Animation Approach: Frame-by-frame presentation of the developments in time Rolodex Approach Extension of TimeWheel graph to 3d Interactive focusing on segments to be displayed side-by-side VRVis Zentrum, 2002 Visualisierung – Vorlesung 10 WS 2005/2006
Dynamische Darstellungstechniken: Animation Stellar Wind Disruption by an Orbiting Neutron Star: Moderate X-Ray Luminosity John Blondin, NASA/GSFC, 1990 Visualisierung – Vorlesung 10 WS 2005/2006
Beispiel: Animation Strömungsvisualisierung an einem Ventilator mit Partikeln, Mindware Inc., 2004 Visualisierung – Vorlesung 10 WS 2005/2006
Beispiel Animation Strömungsvisualisierung mit Spot Noise, van Wijk 2004 Visualisierung – Vorlesung 10 WS 2005/2006
Dynamische Darstellungstechniken Animation kann auch für statische Daten in einem 3D (2D) Beobachtungsraum sinnvoll sein Kamerafahrten Kontinuierliche Bewegungen sind effektiver, aber auch Flashlighting (Springen) ist möglich Grundregel: ALLE REGELN DER ANIMATION BEACHTEN!! Visualisierung – Vorlesung 10 WS 2005/2006
Problem: Vergleichbarkeit von Visualisierungen für unterschiedliche Zeitpunkte Each view with a separate color scale Comparison misleadingly shows similarity Common color scale for views Each view adapted color legend Comparison reveals differences clearly Visualisierung – Vorlesung 10 WS 2005/2006
Zusammenfassung Darstellungen möglichst intuitiv interpretierbar machen und nicht überladen Interaktive Techniken sehr wichtig: auf intuitive Bedienbarkeit achten! Visualisierung – Vorlesung 10 WS 2005/2006
Zusammenfassung Zeitbezug der Daten Zeitbezug der Darstellung statisch statisch quasistatisch dynamisch statische Repräsentationen Annotation zum Zeitbezug spezielle Ikonen; Mehrfenster- technik; Annotationen; Zeitdiagramm Zeitdiagramme Dynamische Repräsentationen Flashlighting; Kamerafahrten; Objektbewegung und Deformationen sequentielle Abfolge graphischer Darstellungen; Deformationen Visualisierung – Vorlesung 10 WS 2005/2006
Hausaufgabe SM: Kap. 7.2, 7.3, 7.4, 7.5 Visualisierung – Vorlesung 10 WS 2005/2006
Diese Vorlesung basiert auf Material von Danksagung Diese Vorlesung basiert auf Material von Prof. Dr. Detlef Krömker Prof. Dr. Wolfgang Müller Prof. Dr. Heidrun Schumann Prof. Dr. Colin Ware Visualisierung – Vorlesung 10 WS 2005/2006
ENDE