CN112052057A - 一种基于弹簧模型优化颜色表的数据可视化方法及系统 - Google Patents
一种基于弹簧模型优化颜色表的数据可视化方法及系统 Download PDFInfo
- Publication number
- CN112052057A CN112052057A CN202010807016.9A CN202010807016A CN112052057A CN 112052057 A CN112052057 A CN 112052057A CN 202010807016 A CN202010807016 A CN 202010807016A CN 112052057 A CN112052057 A CN 112052057A
- Authority
- CN
- China
- Prior art keywords
- data
- color
- color space
- spring model
- visualization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000013079 data visualisation Methods 0.000 title claims abstract description 27
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000012800 visualization Methods 0.000 claims abstract description 21
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 17
- 238000011002 quantification Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009828 non-uniform distribution Methods 0.000 abstract 1
- 238000006073 displacement reaction Methods 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 241000405217 Viola <butterfly> Species 0.000 description 1
- 241000282485 Vulpes vulpes Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Spectrometry And Color Measurement (AREA)
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
Abstract
一种基于弹簧模型优化颜色表的数据可视化方法及系统,涉及科学数据可视化领域。所述方法包括利用数据样本取值及数据样本在颜色空间中的位置建立弹簧模型,利用所述弹簧模型优化生成颜色表并将颜色表映射至相应的数据以完成数据的可视化。本发明旨在提出一种基于弹簧模型优化颜色表的数据可视化方法,结合了基于等比例原则的生成方法思想和基于数据墨水原则的生成方法思想,特别用于处理数据非均匀分布的场景,有助于完成基于数据分布的模式识别任务和数据值定位任务。
Description
技术领域
本发明涉及科学数据可视化领域,尤其是涉及一种基于弹簧模型优化颜色表的数据可视化方法及系统。
背景技术
颜色表(Colormap)是一种重要的可视化工具,完成由数据到颜色的映射,在计算机图形学、模式识别、图像处理等领域得到广泛应用。颜色表法的色彩映射原理是将定量数据值映射到给定颜色表的可区分颜色值,即得到一个颜色映射函数f:D->C,将数据值集合D映射到颜色集合C。
根据数据属性,将颜色表分为针对离散数据的颜色表和针对连续数据的颜色表。针对离散数据,ColorBrewer是一个颜色表的在线选择工具,类似的工具还包括Colorgorical、ColorCAT。PRAVDAColor是针对连续数据的颜色表在线选择工具。本方面提出的颜色表生成方法既适用于离散数据也适用于连续数据。
没有一种适用于所有数据集的颜色表。颜色表的生成方法大致可以分为两类:基于规则的生成方法和数据驱动的生成方法。在基于规则的生成方法中,大部分颜色表将输入数据的取值范围平均映射到颜色表内颜色的取值范围,例如彩虹颜色表。数据驱动的方法考虑数据的属性,例如数据分布。对于非均匀分布的数据,Tominski(C.Tominski,G.Fuchs,and H.Schumann.Task-driven color coding.pp.373-380,2008.)总结了数据取值的分布,并提出颜色直方图均衡化的方法。Qiong Zeng(Q.Zeng,Y.Wang,J.Zhang,W.Zhang,C.Tu,I.Viola,and Y.Wang.Data-driven colormap optimization for 2dscalar field visualization.pp.266–270,10 2019.)提出了一张非线性优化的颜色表生成方法,用于二维标量场数据的可视化。
传统颜色表生成方法是将输入数据的取值范围平均映射到颜色表内颜色的取值范围。其问题是当输入数据中有严重偏离整体分布的极大值或极小值时,极值的存在将使数量较多的中间值数据被映射为颜色表中的临近颜色,占用了较少的颜色空间,造成所展示的数据分布无法显示细节信息。为了在渲染结果中突出占绝大多数数据的分布,本发明基于数据分布的生成颜色表,使得渲染结果可以展现更多的数据信息。并通过均匀颜色条的非均匀数据标注实现数据值的准确定位。本方法充分考虑数据分布特点,为不均匀分布数据提供了更有助于查看数据分布和数据值定位的颜色表生成方法。
发明内容
有鉴于此,本发明旨在提出一种基于弹簧模型优化颜色表的数据可视化方法,结合了基于等比例原则的生成方法思想和基于数据墨水原则的生成方法思想,特别用于处理数据非均匀分布的场景,有助于完成基于数据分布的模式识别任务和数据值定位任务。
根据本发明的第一方面,提供了一种基于弹簧模型优化颜色表的数据可视化方法,所述方法包括利用数据样本取值及数据样本在颜色空间中的位置建立弹簧模型,利用弹簧模型优化生成颜色表并将颜色表映射至相应的数据以完成数据的可视化。
进一步的,所述弹簧模型包括等比例原则的量化和数据墨水原则的量化。
进一步的,将所述等比例原则具体量化为:任意相邻的两个数据样本在颜色空间中的欧式距离与两个数据样本取值的差值成正比。
进一步的,将所述数据墨水原则具体量化为:任意相邻的两个数据样本在颜色空间中的实际距离与理想距离成正比。
进一步的,所述方法具体包括以下步骤:
S1:获取每个数据样本取值及每个数据样本在颜色空间中的对应位置;
S2:利用等比例原则将任意相邻的两个数据样本取值和两个数据样本在颜色空间中的欧式距离量化为第一能量函数E1:
其中,数据样本的取值为v1,v2,...,vn;minv是所有数据样本取值的最小值,maxv是所有数据样本取值的最大值,在LAB颜色空间中,pi是第i个数据样本在LAB颜色空间中的位置pi=(xi,yi,zi);p'i=(x'i,y'i,z'i),x'i=xi/maxx,y'i=yi/maxy,z'i=zi/maxz,maxx、maxy和maxz是颜色空间X、Y、Z轴的最大值;pi'-p'j是两个数据样本在LAB颜色空间中的欧式距离;
利用数据墨水原则将任意相邻的两个数据样本在颜色空间中的实际距离与理想距离量化为第二能量函数E2:
其中,lij是pi和pj之间的理想距离,计算如下:
设两个数据样本取值vi和vj之间的距离为dij,对于vi和vj,dij=|vi-vj|,那么lij定义为
其中L是显示区域中单条边的长度,lij是对称的,即lij=lji(i≠j);
参数kij是系统中pi和pj之间的力量强度,定义如下:
其中,K为一个常数,kij是对称的,即kij=kji(i≠j),因为弹簧的张力使得系统中的任意两个粒子保持一定的距离,进而实现数据样本在颜色空间中的分布尽可能分散;
S3:利用第一能量函数和第二能量函数优化得到数据样本在颜色空间中新的对应位置,作为颜色表;
S4:将所述颜色表映射至对应的数据,完成数据的可视化。
进一步的,所述S3具体包括:
S31:利用第一能量函数E1和第二能量函数E2构建系统总能量公式:E=αE1+E2;其中,α为用于平衡两部分能量权重的比例因子,0≤α≤1;
S32:基于系统总能量公式对数据样本的位置分别迭代优化,得到数据样本在颜色空间中新的对应位置,作为颜色表。
进一步的,根据数据样本的不同构成,通过调节所述比例因子α控制可视化结果。
根据本发明的第二方面,提供了一种基于弹簧模型优化颜色表的数据可视化系统,所述系统应用如本发明第一方面所述的方法,包括:
数据获取模块,被配置为获取每个数据样本取值及每个数据样本在颜色空间中的对应位置;
弹簧模型建立模块,被配置为利用等比例原则将任意相邻的两个数据样本取值和两个数据样本在颜色空间中的欧式距离量化为第一能量函数E1,利用数据墨水原则将任意相邻的两个数据样本在颜色空间中的实际距离与理想距离量化为第二能量函数E2;
能量优化模块,被配置为利用第一能量函数和第二能量函数构建整体优化方程,优化得到数据样本在颜色空间中新的对应位置,作为颜色表;
可视化模块,将所述颜色表映射至对应的数据,完成数据的可视化。
根据本发明的第三方面,提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如本发明第一方面所述的方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成如本发明第一方面所述的方法。
相对于现有技术,本发明所述的一种基于弹簧模型的二维标量场颜色表生成方法具有如下优势:
本方明针对非均匀分布的数据,提出了基于弹簧模型的颜色表生成方法,总结了等比例原则和数据墨水原则,并将其量化为一个动态的弹性系统,通过解决系统平衡优化问题得到数值与颜色表的匹配,使得渲染结果可以展现更多的数据信息,并通过均匀颜色条的非均匀数据标注实现数据值的准确定位。本方法充分考虑数据分布特点,为不均匀分布数据提供了更有助于查看数据分布和数据值定位的颜色表生成方法。
附图说明
说明书附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
在附图中:
图1是本发明所述的基于弹簧模型优化颜色表的数据可视化方法的流程图;
图2是本发明实施例1所述的基于弹簧模型优化颜色表的数据可视化方法的原理示意图;
图3是本发明实施例2所述的基于弹簧模型优化颜色表的数据可视化方法在数据分布上的对比示意图;
图4是本发明实施例3所述的基于弹簧模型优化颜色表的数据可视化方法在数据定位上的对比示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
多个,包括两个或者两个以上。
和/或,应当理解,对于本公开中使用的术语“和/或”,其仅仅是一种描述关联对象的关联关系,表示可以存在三种关系。例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
如图1所示的一种基于弹簧模型优化颜色表的数据可视化方法,方法包括利用数据样本取值及数据样本在颜色空间中的位置建立弹簧模型,利用弹簧模型优化生成颜色表并将颜色表映射至相应的数据以完成数据的可视化。
弹簧模型包括等比例原则的量化和数据墨水原则的量化。
将等比例原则具体量化为:任意相邻的两个数据样本在颜色空间中的欧式距离与两个数据样本取值的差值成正比。
将数据墨水原则具体量化为:任意相邻的两个数据样本在颜色空间中的实际距离与理想距离成正比。
方法具体包括以下步骤:
S1:获取每个数据样本取值及每个数据样本在颜色空间中的对应位置;
S2:利用等比例原则将任意相邻的两个数据样本取值和两个数据样本在颜色空间中的欧式距离量化为第一能量函数E1:
其中,数据样本的取值为v1,v2,...,vn;minv是所有数据样本取值的最小值,maxv是所有数据样本取值的最大值。与已有的颜色表生成算法不同,本发明可以应用于任意一个颜色空间,使用LAB颜色空间时,pi是第i个数据样本在LAB颜色空间中的位置pi=(xi,yi,zi);p'i=(x'i,y'i,z'i),x'i=xi/maxx,y'i=yi/maxy,z'i=zi/maxz,maxx、maxy和maxz是颜色空间X、Y、Z轴的最大值;p'i-p'j是两个数据样本在LAB颜色空间中的欧式距离;
利用数据墨水原则将任意相邻的两个数据样本在颜色空间中的实际距离与理想距离量化为第二能量函数E2:
其中,lij是pi和pj之间的理想距离,计算如下:
设两个数据样本取值vi和vj之间的距离为dij,对于vi和vj,dij=|vi-vj|,那么lij定义为
其中L是显示区域中单条边的长度,lij是对称的,即lij=lji(i≠j);
参数kij是系统中pi和pj之间的力量强度,定义如下:
其中,K为一个常数,kij是对称的,即kij=kji(i≠j),因为弹簧的张力使得系统中的任意两个粒子保持一定的距离,进而实现数据样本在颜色空间中的分布尽可能分散;
S3:利用第一能量函数和第二能量函数优化得到数据样本在颜色空间中新的对应位置,作为颜色表;
S4:将颜色表映射至对应的数据,完成数据的可视化。
S3具体包括:
S31:利用第一能量函数E1和第二能量函数E2构建系统总能量公式:E=αE1+E2;其中,α为用于平衡两部分能量权重的比例因子,0≤α≤1;
S32:基于系统总能量公式对数据样本的位置分别迭代优化,得到数据样本在颜色空间中新的对应位置,作为颜色表。
根据数据样本的不同构成,通过调节比例因子α控制可视化结果。
一种基于弹簧模型优化颜色表的数据可视化系统,系统应用如本发明第一方面的方法,包括:
数据获取模块,被配置为获取每个数据样本取值及每个数据样本在颜色空间中的对应位置;
弹簧模型建立模块,被配置为利用等比例原则将任意相邻的两个数据样本取值和两个数据样本在颜色空间中的欧式距离量化为第一能量函数E1,利用数据墨水原则将任意相邻的两个数据样本在颜色空间中的实际距离与理想距离量化为第二能量函数E2;
能量优化模块,被配置为利用第一能量函数和第二能量函数构建整体优化方程,优化得到数据样本在颜色空间中新的对应位置,作为颜色表;
可视化模块,将颜色表映射至对应的数据,完成数据的可视化。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,计算机指令被处理器运行时,完成如本发明第一方面的方法。
一种计算机可读存储介质,用于存储计算机指令,计算机指令被处理器执行时,完成如本发明第一方面的方法。
实施例1
参照附图1,为本发明的方法示意图。输入是待颜色编码的数据样本,输出是每个数据样本的颜色。设数据样本的取值为v1,v2,...,vn,目标是在颜色空间中为每一个数据样本寻找唯一的位置p1,p2,...,pn。将颜色表生成问题量化为求解颜色空间中一个动态系统的平衡问题。本发明的步骤为:
(a)等比例原则量化
等比例原则是指,如果两个数据样本取值差别大,那么视觉感知的色差也要大,反之亦然。这里将该原则量化为:两个数据样本在颜色空间中的距离正比于其取值的差值。将等比例原则量化为如下函数,
其中,数据样本的取值为v1,v2,...,vn;minv是所有数据样本取值的最小值,maxv是所有数据样本取值的最大值。与已有的颜色表生成算法不同,本发明可以应用于任意一个颜色空间,使用LAB颜色空间时,pi是第i个数据样本在LAB颜色空间中的位置pi=(xi,yi,zi);p'i=(x'i,y'i,z'i),x'i=xi/maxx,y'i=yi/maxy,z'i=zi/maxz,maxx、maxy和maxz是颜色空间X、Y、Z轴的最大值;p'i-p'j是两个数据样本在LAB颜色空间中的欧式距离。
(b)数据墨水原则量化
数据墨水原则来源于信息可视化,是指用于显示数据的墨水与可视化图表中总墨水的比率要尽可能最大化。本发明中数据墨水原则是指让数据样本在颜色空间中的分布尽可能分散,让数据样本占用尽可能多的颜色。将LAB颜色空间中n个数据样本相互连接,像弹簧一样。优化的目标是让n个数据样本在弹性系统中达到动态平衡。E2为该系统中的弹簧势能:
其中,lij是pi和pj之间的理想距离,计算如下:
设两个数据样本取值vi和vj之间的距离为dij,对于vi和vj,dij=|vi-vj|。那么lij定义为
其中L是显示区域中单条边的长度。lij是对称的,即lij=lji(i≠j)。
参数kij是系统中pi和pj之间的力量强度,定义如下:
其中,K为一个常数。kij是对称的,即kij=kji(i≠j)。因为弹簧的张力使得系统中的任意两个粒子保持一定的距离,进而实现数据样本在颜色空间中的分布尽可能分散。
(c)整体能量的局部最小值优化方法
系统的总能量为:
其中,α用于平衡两部分能量的权重。当系统能量越小时,布局效果更好,因此,当系统能量E最小时,可以获得最佳布局。能量公式可以进一步写为
接下来的任务是寻找全局最小值,针对该复杂系统寻找全局最小值很困难,于是算法的思想是寻找局部的最小值。能量E的局部最小条件如下:
迭代公式为:
其中:
每次迭代选择一个位移最大的数据样本进行调整,位移量的计算公式如下:
选出Δi为最大值的样本pm=(xm,ym,zm),对pm进行迭代计算,实现pm的移动,直到pm的位移量Δi小于设置的阈值。当一个数据样本完成移动后,再选择新的位移量最大的数据样本,继续进行调整,直至所有数据样本的最大位移量都小于阈值。这样,每一个数据样本都在颜色空间中确定了唯一的位置,即每个数据都确定了唯一的颜色。
实施例2
本实施例展示了本申请所述的方法在气象数据分析上的应用,其中,选取温度数据集作为数据样本;如图3(a)所示,当采用多色相颜色表的进行可视化时,其生成的颜色表数值分布是均匀的,颜色排列也是均匀的,将样本的取值范围与颜色列表一一对应,没有考虑样本的分布特点(即每个取值的数量是多少),使得占比例较大的取值范围,如34度至41度之间,都被编码为相同颜色(如非洲和美洲部分),无法看出数据分布的细节;如图3(b)所示,当采用本申请所述的基于弹簧模型优化的颜色表进行可视化时,其生成的颜色表数值分布是非均匀的,颜色排列是均匀的,根据数据样本分布特点建立了每个样本与颜色的对应关系,使得占比例较大的取值范围,如34度至41度之间,被编码为更多颜色,可以看出数据分布的细节。因此,本申请能够获取更多的细节信息,让用户深入挖掘数据背后的模式,在数据分布的呈现上具有显著优势。
实施例3
本实施例展示了本申请所述的方法在气象数据分析上的应用,其中,选取降水数据集(Precipitation)作为数据样本,该数据集取值范围为0到25.75,大部分数据集中在0到3之间;如图4(a)所示,采用直方图均衡化方法生成的颜色表数值分布是均匀的,颜色排列是非均匀的;如图4(b)所示,采用本申请所述的基于弹簧模型优化的颜色表生成的颜色表,数据分布是非均匀的,颜色排列是均匀的。由于直方图均衡化方法压缩了颜色表,使得无法精确的判断0.2和1所对应的颜色,因此无法在可视化结果中准确定位到这两个数值。本申请所述的颜色表能够根据每个取值的样本数来排列数据,使得用户更容易进行数据值定位,无需查阅原始数据。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,所述方法包括利用数据样本取值及数据样本在颜色空间中的位置建立弹簧模型,利用弹簧模型优化生成颜色表并将颜色表映射至相应的数据以完成数据的可视化。
2.根据权利要求1所述的一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,所述弹簧模型包括等比例原则的量化和数据墨水原则的量化。
3.根据权利要求2所述的一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,将所述等比例原则具体量化为:任意相邻的两个数据样本在颜色空间中的欧式距离与两个数据样本取值的差值成正比。
4.根据权利要求2所述的一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,将所述数据墨水原则具体量化为:任意相邻的两个数据样本在颜色空间中的实际距离与理想距离成正比。
5.根据权利要求1所述的一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,所述方法具体包括以下步骤:
S1:获取每个数据样本取值及每个数据样本在颜色空间中的对应位置;
S2:利用等比例原则将任意相邻的两个数据样本取值和两个数据样本在颜色空间中的欧式距离量化为第一能量函数E1:
其中,数据样本的取值为v1,v2,...,vn;minv是所有数据样本取值的最小值,maxv是所有数据样本取值的最大值,在LAB颜色空间中,pi是第i个数据样本在LAB颜色空间中的位置pi=(xi,yi,zi);p′i=(x′i,y′i,z′i),x′i=xi/maxx,y′i=yi/maxy,z′i=zi/maxz,maxx、maxy和maxz是颜色空间X、Y、Z轴的最大值;p′i-p′j是两个数据样本在LAB颜色空间中的欧式距离;
利用数据墨水原则将任意相邻的两个数据样本在颜色空间中的实际距离与理想距离量化为第二能量函数E2:
其中,lij是pi和pj之间的理想距离,计算如下:
设两个数据样本取值vi和vj之间的距离为dij,对于vi和vj,dij=|vi-vj|,那么lij定义为
其中L是显示区域中单条边的长度,lij是对称的,即lij=lji(i≠j);
参数kij是系统中pi和pj之间的力量强度,定义如下:
其中,K为一个常数,kij是对称的,即kij=kji(i≠j),因为弹簧的张力使得系统中的任意两个粒子保持一定的距离,进而实现数据样本在颜色空间中的分布尽可能分散;
S3:利用第一能量函数和第二能量函数优化得到数据样本在颜色空间中新的对应位置,作为颜色表;
S4:将所述颜色表映射至对应的数据,完成数据的可视化。
6.根据权利要求5所述的一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,所述S3具体包括:
S31:利用第一能量函数E1和第二能量函数E2构建系统总能量公式:E=αE1+E2;其中,α为用于平衡两部分能量权重的比例因子,0≤α≤1;
S32:基于系统总能量公式对数据样本的位置分别迭代优化,得到数据样本在颜色空间中新的对应位置,作为颜色表。
7.根据权利要求6所述的一种基于弹簧模型优化颜色表的数据可视化方法,其特征在于,根据数据样本的不同构成,通过调节所述比例因子α控制可视化结果。
8.一种基于弹簧模型优化颜色表的数据可视化系统,其特征在于,所述系统应用如权利要求1~7任一项所述的方法,包括:
数据获取模块,被配置为获取每个数据样本取值及每个数据样本在颜色空间中的对应位置;
弹簧模型建立模块,被配置为利用等比例原则将任意相邻的两个数据样本取值和两个数据样本在颜色空间中的欧式距离量化为第一能量函数E1,利用数据墨水原则将任意相邻的两个数据样本在颜色空间中的实际距离与理想距离量化为第二能量函数E2;
能量优化模块,被配置为利用第一能量函数和第二能量函数构建整体优化方程,优化得到数据样本在颜色空间中新的对应位置,作为颜色表;
可视化模块,将所述颜色表映射至对应的数据,完成数据的可视化。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成如权利要求1~7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010807016.9A CN112052057B (zh) | 2020-08-12 | 2020-08-12 | 一种基于弹簧模型优化颜色表的数据可视化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010807016.9A CN112052057B (zh) | 2020-08-12 | 2020-08-12 | 一种基于弹簧模型优化颜色表的数据可视化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052057A true CN112052057A (zh) | 2020-12-08 |
CN112052057B CN112052057B (zh) | 2021-10-22 |
Family
ID=73601577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010807016.9A Expired - Fee Related CN112052057B (zh) | 2020-08-12 | 2020-08-12 | 一种基于弹簧模型优化颜色表的数据可视化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052057B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862923A (zh) * | 2021-02-04 | 2021-05-28 | 山东大学 | 特征直方图驱动的二维标量场数据可视化方法及系统 |
CN113269206A (zh) * | 2021-05-24 | 2021-08-17 | 山东大学 | 一种色彩嵌入的可视探索方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140267361A1 (en) * | 2013-03-15 | 2014-09-18 | L-3 Communications Cincinnati Electronics Corporation | System and Method for Converting an Image to an Intensity Based Colormap |
CN105765502A (zh) * | 2013-11-19 | 2016-07-13 | 株式会社和冠 | 用于墨水数据生成、墨水数据呈现、墨水数据操纵以及墨水数据通信的方法和系统 |
CN106021337A (zh) * | 2016-05-09 | 2016-10-12 | 房加科技(北京)有限公司 | 一种基于大数据分析的智能推荐方法及系统 |
CN106529169A (zh) * | 2016-11-09 | 2017-03-22 | 南京市儿童医院 | 模糊集合可视化方法及其在医学数据可视化方面的应用 |
US20180306755A1 (en) * | 2017-04-21 | 2018-10-25 | Mueller International, Llc | Generation and utilization of pipe-specific sound attenuation |
CN109101661A (zh) * | 2018-09-13 | 2018-12-28 | 东软集团股份有限公司 | 一种数据样本集合中异常点的检测方法和装置 |
CN109671039A (zh) * | 2018-12-27 | 2019-04-23 | 北京邮电大学世纪学院 | 基于分层特征的图像矢量化方法 |
CN110162567A (zh) * | 2019-05-21 | 2019-08-23 | 山东大学 | 基于颜色表优化的二维标量场数据可视化方法及系统 |
CN110196935A (zh) * | 2019-06-06 | 2019-09-03 | 山东大学 | 一种基于数据分布的调色板生成方法及系统 |
CN111247529A (zh) * | 2017-08-31 | 2020-06-05 | 绳线解决方案有限公司 | 颜色检测算法 |
CN111241085A (zh) * | 2020-01-16 | 2020-06-05 | 四川大学 | 一种基于气象数据的自然分区可视化方法 |
-
2020
- 2020-08-12 CN CN202010807016.9A patent/CN112052057B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140267361A1 (en) * | 2013-03-15 | 2014-09-18 | L-3 Communications Cincinnati Electronics Corporation | System and Method for Converting an Image to an Intensity Based Colormap |
CN105765502A (zh) * | 2013-11-19 | 2016-07-13 | 株式会社和冠 | 用于墨水数据生成、墨水数据呈现、墨水数据操纵以及墨水数据通信的方法和系统 |
CN106021337A (zh) * | 2016-05-09 | 2016-10-12 | 房加科技(北京)有限公司 | 一种基于大数据分析的智能推荐方法及系统 |
CN106529169A (zh) * | 2016-11-09 | 2017-03-22 | 南京市儿童医院 | 模糊集合可视化方法及其在医学数据可视化方面的应用 |
US20180306755A1 (en) * | 2017-04-21 | 2018-10-25 | Mueller International, Llc | Generation and utilization of pipe-specific sound attenuation |
CN111247529A (zh) * | 2017-08-31 | 2020-06-05 | 绳线解决方案有限公司 | 颜色检测算法 |
CN109101661A (zh) * | 2018-09-13 | 2018-12-28 | 东软集团股份有限公司 | 一种数据样本集合中异常点的检测方法和装置 |
CN109671039A (zh) * | 2018-12-27 | 2019-04-23 | 北京邮电大学世纪学院 | 基于分层特征的图像矢量化方法 |
CN110162567A (zh) * | 2019-05-21 | 2019-08-23 | 山东大学 | 基于颜色表优化的二维标量场数据可视化方法及系统 |
CN110196935A (zh) * | 2019-06-06 | 2019-09-03 | 山东大学 | 一种基于数据分布的调色板生成方法及系统 |
CN111241085A (zh) * | 2020-01-16 | 2020-06-05 | 四川大学 | 一种基于气象数据的自然分区可视化方法 |
Non-Patent Citations (4)
Title |
---|
H. FANG 等: ""Categorical Colormap Optimization with Visualization Case Studies"", 《 IEEE TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS》 * |
QIONG ZENG 等: ""Data-Driven Colormap Optimization for 2D Scalar Field Visualization"", 《 2019 IEEE VISUALIZATION CONFERENCE (VIS)》 * |
张文婷: ""面向数据感知的二维标量场颜色表优化方法"", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
林贤煊: ""基于颜色重构的图像处理算法研究与应用"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862923A (zh) * | 2021-02-04 | 2021-05-28 | 山东大学 | 特征直方图驱动的二维标量场数据可视化方法及系统 |
CN113269206A (zh) * | 2021-05-24 | 2021-08-17 | 山东大学 | 一种色彩嵌入的可视探索方法及系统 |
CN113269206B (zh) * | 2021-05-24 | 2022-07-05 | 山东大学 | 一种色彩嵌入的可视探索方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112052057B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112052057B (zh) | 一种基于弹簧模型优化颜色表的数据可视化方法及系统 | |
Güneş et al. | Optimizing the color-to-grayscale conversion for image classification | |
CN105069424B (zh) | 面部快速识别系统和方法 | |
Bianco et al. | Color correction pipeline optimization for digital cameras | |
CN108734749A (zh) | 图像的视觉风格变换 | |
Brevis et al. | A machine-learning minimal-residual (ML-MRes) framework for goal-oriented finite element discretizations | |
CN109242946A (zh) | 根据单个图像估计深度 | |
Sande et al. | Sharp error estimates for spline approximation: Explicit constants, n-widths, and eigenfunction convergence | |
JP2005526408A (ja) | デジタル画像の自動画質向上 | |
CN105550649B (zh) | 基于全耦合局部约束表示的极低分辨率人脸识别方法及系统 | |
CN109829481B (zh) | 一种图像分类方法、装置、电子设备及可读存储介质 | |
CN109064434B (zh) | 图像增强的方法、装置、存储介质及计算机设备 | |
US10474341B2 (en) | Digital paint generation mix control | |
US11010926B2 (en) | Image recoloring for color consistency in a digital medium environment | |
Talebi et al. | Nonlocal image editing | |
Geng et al. | A new endmember generation algorithm based on a geometric optimization model for hyperspectral images | |
CN115222845A (zh) | 样式字体图片生成方法、装置、电子设备和介质 | |
US20140098263A1 (en) | Image processing apparatus and image processing method | |
AU2017221431A1 (en) | Simplified texture comparison engine | |
CN109255377A (zh) | 仪器识别方法、装置、电子设备及存储介质 | |
CN105740313B (zh) | 设计等值域图 | |
CN117494780A (zh) | 一种混合学习中知识蒸馏的学生网络训练方法 | |
CN111754589A (zh) | 配色方法、装置、计算机设备及存储介质 | |
WO2019116496A1 (ja) | 学習装置、学習方法、および記憶媒体 | |
CN112506423B (zh) | 一种云储存系统中动态接入存储设备的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20211022 |