CN114612586A - 一种基于数据可视化场景下的颜色分等级渲染方法及系统 - Google Patents

一种基于数据可视化场景下的颜色分等级渲染方法及系统 Download PDF

Info

Publication number
CN114612586A
CN114612586A CN202210503339.8A CN202210503339A CN114612586A CN 114612586 A CN114612586 A CN 114612586A CN 202210503339 A CN202210503339 A CN 202210503339A CN 114612586 A CN114612586 A CN 114612586A
Authority
CN
China
Prior art keywords
color
colors
data
value
grading
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
Application number
CN202210503339.8A
Other languages
English (en)
Other versions
CN114612586B (zh
Inventor
陈鹏
王毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Bizhi Technology Co ltd
Original Assignee
Hangzhou Bizhi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Bizhi Technology Co ltd filed Critical Hangzhou Bizhi Technology Co ltd
Priority to CN202210503339.8A priority Critical patent/CN114612586B/zh
Publication of CN114612586A publication Critical patent/CN114612586A/zh
Application granted granted Critical
Publication of CN114612586B publication Critical patent/CN114612586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9014—Indexing; Data structures therefor; Storage structures hash tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Generation (AREA)

Abstract

本发明公开了一种基于数据可视化场景下的颜色分等级渲染方法及系统，所述方法包括以下步骤：S1.通过调色板预置若干不同场景颜色；S2.颜色分级处理，通过颜色分级算法对颜色实现量化分级后进行应用；颜色分级处理包括进行颜色重建和颜色量化分级；S3.可视化系统根据数据变化使用调色板中对应的颜色进行可视化展示。在数据可视化系统的颜色应用上，本发明增加了颜色分级的处理逻辑，颜色分级处理包含了颜色重建和颜色量化分级两个步骤，通过一定的算法对颜色实现量化分级后进行应用，可以弥补无法通过颜色分级显示的缺点，而且可以针对不同等级的视觉效果计算出适合当前等级的最优颜色策略。

Description

一种基于数据可视化场景下的颜色分等级渲染方法及系统
技术领域
本发明涉及计算机及网络通信技术领域，特别涉及一种基于数据可视化场景下的颜色分等级渲染方法及系统。
背景技术
随着现代信息技术的不断发展，数据的产生速度变得越来越快，大量的数据被搜集和存储。这些海量的数据必须通过系统的处理和分析，才能挖掘出其中蕴含的潜在价值。数据可视化借助图形化手段，利用各类图表进行复杂数据的可视化展示，可以清晰有效的传达与沟通信息，让数据的表达更加直观、易于理解，提高了数据沟通的效率。
当今世界已跨入了互联网大数据时代，大数据正深刻改变着人们的思维、生产和生活方式。而数据可视化已成为大数据时代不可或缺的重要手段和工具。数据可视化已经成了科学可视化领域与信息可视化领域的统一，涉及数据分析、图形学、可视化、设计学等多个专业领域。同时，大数据本身的新特点也对数据可视化提出了更为迫切的需求与更加严峻的挑战。
目前诞生了诸多的数据可视化系统，通过对大数据进行采集、清洗、分析，将数据可视化，给人以直观的视觉感受，而在可视化系统的构建中对于颜色的使用无疑是一个及其重要的手段，通过颜色的变化产生不同的视觉效果，也可以通过颜色来反应不同的异常情况，还有通过颜色来传达不同的信息，实现了所见即所得。
目前基于现有的各种数据可视化系统，虽然可以通过不同颜色产生各种视觉效果，给人以感知和判断，例如，在地图上通过不同的颜色区分不同的地形，股市中通过红色绿色区分股票的涨跌等等。但是在目前的可视化系统中，视觉效果相对固定，如图1所示，现有技术中的可视化系统颜色应用大多是设置为基础层和展示层，基础层为预置不同场景颜色的调色板，展示层使用调色板中的颜色，使得可视化系统发生视觉变化，常规的可视化系统在视觉的变化上，对于颜色的使用，一般是在需要产生视觉变化时根据当前场景选择不同预置颜色直接使用。例如，在空气质量可视化设备中，对于某一时刻的PM2.5浓度，可能设定小于10微克为正常值，大于20微克为预警值，大于30微克为告警值，不同的告警状态对于不同的可视化颜色表现，分别设定绿色、橙色、粉色、红色几种对应不同等级的颜色，在检测到相应浓度数值时根据不同等级的数值划分范围调配到相应的颜色显示。缺点在于视觉效果相对固定，颜色变化并不能根据策略提供量化分级效果，对于不同等级的视觉效果无法计算出适合当前等级的最优颜色策略。
发明内容
针对现有技术存在的问题，本发明的目的在于解决目前可视化系统展示视觉效果单调、不灵活，无法对同类视觉效果进行颜色分等级展示的缺点，提供一种能够获取最优颜色的计算方法，能够实现可视化颜色最优化策略，有效提高客户视觉体验。
为实现上述目的，本发明提供一种基于数据可视化场景下的颜色分等级渲染方法，所述方法包括以下步骤：
S1.通过调色板预置若干不同场景颜色；
S2.颜色重建，将可视化的每一个像素映射为调色板中最接近的一种颜色；
S3.颜色量化分级，将实际数据集合内的数据通过量化计算得到量化分级后的颜色集合；
S4.可视化系统根据数据变化使用量化分级后的颜色集合进行可视化展示，使得不同的数据通过策略计算生成对应的最优颜色。
进一步，重建算法思路为：对可视化部分中的每一个像素，遍历调色板，找出与其颜色相似度最高的颜色。
进一步，颜色相似度使用色差进行度量，在RGB颜色空间中，由于人眼对R、G、B分量的敏感度不同，所以通常使用加权平方和的平方根来表示色差，即对于两种颜色
Figure 605721DEST_PATH_IMAGE001
=(
Figure 866807DEST_PATH_IMAGE002
,
Figure 408516DEST_PATH_IMAGE003
,
Figure 933125DEST_PATH_IMAGE004
)和
Figure 407837DEST_PATH_IMAGE005
=(
Figure 511928DEST_PATH_IMAGE006
,
Figure 213037DEST_PATH_IMAGE007
,
Figure 388672DEST_PATH_IMAGE008
)，它们的色差为：
Figure 593257DEST_PATH_IMAGE009
如果不考虑权值，则两种颜色的色差对应于空间中两点间的距离，在权值取
Figure 196146DEST_PATH_IMAGE010
的情况下，得到：
Figure 915709DEST_PATH_IMAGE011
色差越小，则两种颜色相似度越高。
进一步，颜色重建过程中，使用散列表来保存已找出的颜色在调色板中的索引记录，初始化时将散列表中所有记录置为-1，重建一个像素时，计算它的颜色散列值，作为散列表关键码值，直接从散列表中取出记录，如果不为-1，则直接使用该记录替换像素的颜色值；如果为-1，再进行查找，并将查找出的记录填入散列表。
进一步，颜色重建的流程在于：
首先，读取可视化部分的像素的颜色值，并计算像素颜色的散列值；
然后，从散列表中读出记录，判断记录是否为-1；
若记录为-1，扩大颜色范围，从调色板中筛选出与扩大的颜色范围中所有颜色色差在第一阈值内的颜色，从筛选出的颜色中找出最接近的颜色，并将记录填入散列表；若记录不为-1，则直接使用该记录替换像素的颜色值。
进一步，在RGB颜色空间中，每个分量使用8位二进制表示，范围为0-255；以R、G、B分量分别为坐标轴，建立空间直角坐标系，将RGB颜色空间构建为一个边长为256的第一立方体，每一种颜色对应于这个第一立方体中的一个点；以色差不超过第二阈值的两种颜色为对角顶点，又可组成一个第二立方体，由于这两种颜色距离是第二立方体中的最大距离，所以所述第二立方体内的任意两个颜色的色差都不超过第二阈值；在查找某种颜色对应的调色板索引时，应该同时查找出与其色差不超过第二阈值的颜色组成的第二立方体中所有颜色对应的调色板索引；对这个第二立方体中的所有颜色，都遍历一次调色板进行查找；进行颜色筛选，从中查找出色差最小的颜色，并保存记录。
进一步，为了减少内存开销，对于颜色散列值的计算，每一种颜色的R、G、B分量分别采用5：6：5的位截断方式进行预量化，分别保留R、G、B分量的最高5、6、5位，使得组合得到的散列值为16位，将散列值相同的颜色视为同一种颜色。
进一步，颜色筛选方法的流程如下：首先，遍历调色板，计算出调色板中所有颜色与第二立方体的最短距离，以及最长距离；再找出最长距离的最小值；然后将所有最短距离小于或等于该最小值的所有调色板颜色筛选出来；颜色筛选方法的具体计算方法如下：一种调色板颜色为
Figure 504822DEST_PATH_IMAGE012
=(
Figure 95072DEST_PATH_IMAGE013
,
Figure 349423DEST_PATH_IMAGE014
,
Figure 290703DEST_PATH_IMAGE015
)，第二立方体两个对角顶点颜色分别为
Figure 949086DEST_PATH_IMAGE001
=(
Figure 659422DEST_PATH_IMAGE002
,
Figure 948321DEST_PATH_IMAGE003
,
Figure 845738DEST_PATH_IMAGE004
)和
Figure 370130DEST_PATH_IMAGE005
=(
Figure 200551DEST_PATH_IMAGE006
,
Figure 722668DEST_PATH_IMAGE007
,
Figure 372961DEST_PATH_IMAGE008
)，其中{
Figure 638726DEST_PATH_IMAGE002
<
Figure 7477DEST_PATH_IMAGE006
，
Figure 434916DEST_PATH_IMAGE003
<
Figure 838085DEST_PATH_IMAGE007
，
Figure 173120DEST_PATH_IMAGE004
<
Figure 446975DEST_PATH_IMAGE008
}，只考虑R分量的最短距离
Figure 576474DEST_PATH_IMAGE016
和最长距离
Figure 201360DEST_PATH_IMAGE017
，假设
Figure 808927DEST_PATH_IMAGE002
和的中点为
Figure 468448DEST_PATH_IMAGE018
：
Figure 503269DEST_PATH_IMAGE019
同理可计算出G、B分量的最短和最长距离，可以得出：
Figure 412188DEST_PATH_IMAGE020
首先遍历调色板，计算出调色板中所有颜色与第二立方体的最短和最长距离，找出所有最长距离中的最小值，然后筛选出那些最短距离小于或等于该值的调色板颜色，设这些颜色组成的集合为C(clrs)，目标颜色数为M，则有：
Figure 835165DEST_PATH_IMAGE021
由于min(dmax)对应的颜色与第二立方体的接近度满足设定范围，因此，那些最短距离小于或等于该值的颜色与第二立方体中的颜色同样也满足设定范围；对第二立方体中的每一种颜色，只需遍历C(clrs)，找出最接近的一种颜色
Figure 83613DEST_PATH_IMAGE022
，将颜色
Figure 554914DEST_PATH_IMAGE022
的颜色值填入散列表的对应位置。
进一步，颜色重建完成后，基于颜色重建结果和实际可视化数据进行颜色量化分级；首先确定实际数据集合，将实际数据集合内的数据进行从小到大排序，得到排序数据集合；将排序数据集合内的最大值减去最小值等于总数据差值
Figure 154392DEST_PATH_IMAGE023
，再将排序后的集合与设定的起始颜色和结束颜色通过量化计算得到量化分级后的颜色集合；采用起止距离相减计算出颜色差值，即：
Figure 775866DEST_PATH_IMAGE024
=
Figure 144399DEST_PATH_IMAGE025
-
Figure 114498DEST_PATH_IMAGE026
，
Figure 201272DEST_PATH_IMAGE027
=
Figure 954333DEST_PATH_IMAGE028
-
Figure 849477DEST_PATH_IMAGE029
，
Figure 990477DEST_PATH_IMAGE030
=
Figure 841844DEST_PATH_IMAGE031
-
Figure 133017DEST_PATH_IMAGE032
，
其中
Figure 679405DEST_PATH_IMAGE033
，
Figure 663411DEST_PATH_IMAGE034
，
Figure 255935DEST_PATH_IMAGE035
分别为起始颜色的R，G，B值，
Figure 819640DEST_PATH_IMAGE036
，
Figure 17272DEST_PATH_IMAGE037
，
Figure 172179DEST_PATH_IMAGE038
分别为结束颜色的R，G，B值，
Figure 455262DEST_PATH_IMAGE039
，
Figure 416133DEST_PATH_IMAGE040
，
Figure 73466DEST_PATH_IMAGE041
分别为R，G，B分量的差值。
实际数据集合中每项数据为X，最小数据为
Figure 71378DEST_PATH_IMAGE042
，每项数据和总数据差值的分值V=(X -
Figure 841756DEST_PATH_IMAGE042
)/E，每项数据的颜色值。
C=[
Figure 278423DEST_PATH_IMAGE033
+ V *
Figure 450647DEST_PATH_IMAGE024
,
Figure 681777DEST_PATH_IMAGE034
+ V *
Figure 939452DEST_PATH_IMAGE027
,
Figure 179809DEST_PATH_IMAGE035
+ V *
Figure 206540DEST_PATH_IMAGE030
]，当结果值为小数时，四舍五入取距离该结果值最近的整数；
将每项数据的颜色值通过渲染到可视化系统中每项数据对应的可视化组件，使得不同的数据项展示出不同的最优化颜色。
另一方面，本发明提供一种基于数据可视化场景下的颜色分等级渲染系统，所述系统包括基础层、策略层和展示层，基础层包括预设不同场景颜色的调色板；策略层包括颜色重建和颜色量化分级处理策略，对调色板中的颜色进行策略优化，展示层用于使用优化颜色进行可视化展示；所述系统中应用本发明的基于数据可视化场景下的颜色分等级渲染方法。
本发明所提出的在数据可视化系统的颜色应用上，增加了颜色分级的处理逻辑，颜色分级处理包含了颜色重建和颜色量化分级两个步骤，通过一定的算法对颜色实现量化分级后进行应用，可以弥补无法通过颜色分级显示的缺点，而且可以针对不同等级的视觉效果计算出适合当前等级的最优颜色策略。
附图说明
图1为现有技术中常规可视化系统颜色应用流程示意图；
图2为根据本发明实施例基于数据可视化场景下的颜色分等级渲染的方法和系统的颜色应用流程示意图；
图3为根据本发明实施例的RGB颜色空间第一和第二立方体示意图；
图4为根据本发明实施例的颜色重建算法流程示意图；
图5为根据本发明实施例的可视化系统中颜色量化示意图。
具体实施方式
下面将结合附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
以下结合附图2-5对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
本发明提出的一种基于数据可视化场景下的颜色分等级渲染方法，在数据可视化系统的颜色应用上，增加了颜色分级的处理逻辑，颜色分级处理包含了颜色重建和颜色量化分级两个步骤，通过一定的算法对颜色实现量化分级后进行应用，可以弥补无法通过颜色分级显示的缺点，而且可以针对不同等级的视觉效果计算出适合当前等级的最优颜色策略。如图2所示，所述基于数据可视化场景下的颜色分等级渲染系统包括基础层1、策略层2和展示层3，基础层1包括预设不同场景颜色的调色板；策略层2包括颜色重建和颜色量化分级处理策略，对调色板中的颜色进行策略优化，展示层3用于使用优化颜色进行可视化展示。
颜色量化是可视化中的重要内容之一，在颜色量化中，调色板颜色选择是保证颜色最终量化质量的关键，而重建颜色是决定算法效率的关键。颜色量化的最终目的是选择出一组能代表整个可视化效果的颜色，这组颜色组称为调色板，这组颜色的总数称为目标颜色数；然后将可视化的每一个像素映射为调色板中最接近的一种颜色，映射的过程就称为颜色重建。重建算法思路为：对可视化部分中的每一个像素，遍历调色板，找出与其最接近的颜色。可视化部分的尺寸越大，目标颜色数越多，重建耗时就越长。最简单的方法是保存已经出现过的颜色对应的调色板索引，这样只有那些不同的颜色才会遍历调色板查找最接近的颜色。这种优化方式对每一种新颜色，仍然会遍历调色板计算与每一种调色板颜色的色差，找出色差最小的调色板颜色。显然，调色板中有些颜色与它的色差很大，根本无需进行计算和比较，只需比较那些色差较小的调色板颜色即可。
本申请中使用散列表来保存已找出的颜色在调色板中的索引记录。散列表（Hashtable，也叫哈希表），是根据关键码值(Key value)而直接进行访问的数据结构。也就是说，它通过把关键码值映射到表中一个位置来访问记录，以加快查找的速度。这个映射函数叫做散列函数，存放记录的数组叫做散列表。散列表的关键码值为通过颜色值计算出的散列值。其中颜色值即为该颜色的RGB值，每种颜色有三原色红绿蓝组成，RGB值代表该颜色在红绿蓝三原色的分量。散列值根据颜色值通过散列表的ComputeHash方法计算得出，通过散列表提供的ComputeHash方法，传入当前颜色的RGB值作为参数，索引记录为该颜色值，初始化时将散列表中所有记录置为-1，（因为索引记录的取值范围是大于等于0的数值，所以将记录置为-1代表该处没有记录存在），重建一个像素时，计算出它的颜色散列值，通过将计算出的颜色散列值作为关键码，直接从散列表中取出颜色值记录，如果不为-1，则直接使用该像素的颜色值替换散列表中保存的颜色值记录；如果为-1，再进行查找，并将查找出的颜色值填入散列表。
从散列表中取出的记录为-1时，需要查找调色板。从调色板中查找出与该像素的颜色值最接近的一种颜色，显然，一些与它相似的颜色也会被映射为查找出的这种颜色，所以仅保存这一种颜色的记录是不够的，还需要保存那些与它相似的颜色记录以减少查找调色板的次数。颜色相似度使用色差进行度量，在RGB颜色空间中，由于人眼对R、G、B分量的敏感度不同，所以通常使用加权平方和的平方根来表示色差，即对于两种颜色
Figure 874151DEST_PATH_IMAGE001
=(
Figure 150280DEST_PATH_IMAGE002
,
Figure 206047DEST_PATH_IMAGE003
,
Figure 821705DEST_PATH_IMAGE004
)和
Figure 660217DEST_PATH_IMAGE005
=(
Figure 892484DEST_PATH_IMAGE006
,
Figure 146748DEST_PATH_IMAGE007
,
Figure 882492DEST_PATH_IMAGE008
)，它们的色差为：
Figure 157484DEST_PATH_IMAGE043
如果不考虑权值，则两种颜色的色差对应于空间中两点间的距离，为了便于描述，我们暂不考虑权值，取
Figure 345889DEST_PATH_IMAGE010
，得到：
Figure 466160DEST_PATH_IMAGE044
由于开方计算非常耗时，所以通常只需计算出加权平方和即可，即：
Figure 321990DEST_PATH_IMAGE045
在RGB颜色空间中，每个分量使用8位二进制表示，范围为0-255。如果以R、G、B分量分别为坐标轴，建立空间直角坐标系，则RGB颜色空间为一个边长为256的第一立方体（附图3中显示的RGB颜色空间立方体），每一种颜色对应于这个第一立方体中的一个点。以两种相似的颜色为对角顶点，又可组成一个第二立方体（附图3中显示的相似颜色组成的立方体），由于这两种颜色距离是第二立方体中最大的，所以这个第二立方体内的颜色同样也是相似的，如图3所示。
在查找某种颜色对应的调色板索引时，应该同时查找出由与它相似的颜色组成的第二立方体中所有颜色对应的调色板索引。如果对这个第二立方体中的所有颜色，都遍历一次调色板进行查找，显然，对于那些离第二立方体很远的颜色也会被计算和比较，但没有必要与这些颜色进行比较，只需比较那些离第二立方体较近的一些颜色。因此，首先从调色板中筛选出离第二立方体较近的一些颜色，然后对这个第二立方体中的所有颜色，从筛选出的这些颜色中查找出最接近的颜色，并保存这些记录即可达到减少计算次数的目的。通过上面的描述，我们可以得出算法的流程，如图4所示。
在RGB颜色空间中，对于两种不同的颜色，它们的RGB值也一定不同，每一种颜色的R、G、B分量都使用8位二进制表示，显然，可以将这三个分量按照任意顺序组合成一个24位的整数作为该颜色的散列值。然而，这种方式会造成内存开销过大的问题。要保存每一种颜色的记录，散列表的长度有
Figure 767883DEST_PATH_IMAGE046
=16,777,216，由于目标颜色数最大可达256，同时还需要一个值来表示该项记录不存在，所以每一项记录要至少能够保存257种值，至少需要两字节。因此，这种方式需要的内存开销为：
Figure 252041DEST_PATH_IMAGE046
×2=32MB，显然，内存开销过大。由于每一个分量的二进制高位很重要，低位相对不重要，所以可以使用截断一些低位的方式来减少内存开销，在预量化中，由于人眼对G分量的敏感度要高于R、B分量，采用5：6：5的位截断方式进行预量化，这样的处理对结果基本没有影响，且可以减小内存开销，所以采用这种方式，即分别保留R、G、B分量的高5、6、5位。这样，组合得到的散列值只有16位，所需的内存开销仅为：
Figure 441582DEST_PATH_IMAGE047
×2=128KB，大大降低了内存开销。例如，某颜色RGB值为[255,255,0]，通过ComputeHash方法计算得出其R分量的散列值FE131D7F5A6B38B23CC967316C13DAE2，G分量的散列值FE131D7F5A6B38B23CC967316C13DAE2，B分量的散列值CFCD208495D565EF66E7DFF9F98764DA，在预量化中，采用5：6：5的位截断方式进行预量化，分别保留R、G、B分量的高5、6、5位。这样，组合得到的散列值只有16位，即FE131FE131DCFCD2；这样得到的散列值在处理时必然会造成冲突，但上面已经提到，对结果的影响极小，所以无需处理这种冲突，将散列值相同的颜色视为同一种颜色。
筛选出离第二立方体较近的一些调色板颜色的方法如下：
一个点与一个立方体必然存在一个最短距离和最长距离。在这个点的坐标确定，立方体两个对角顶点坐标确定的情况下，这两个距离很容易计算出来。假设一种调色板颜色为
Figure 886339DEST_PATH_IMAGE012
=(
Figure 237555DEST_PATH_IMAGE013
,
Figure 338235DEST_PATH_IMAGE014
,
Figure 65888DEST_PATH_IMAGE015
)，立方体两个对角顶点颜色分别为
Figure 630731DEST_PATH_IMAGE001
=(
Figure 418427DEST_PATH_IMAGE002
,
Figure 68720DEST_PATH_IMAGE003
,
Figure 600065DEST_PATH_IMAGE004
)和
Figure 19413DEST_PATH_IMAGE005
=(
Figure 724151DEST_PATH_IMAGE006
,
Figure 127319DEST_PATH_IMAGE007
,
Figure 196775DEST_PATH_IMAGE008
)，其中{
Figure 736210DEST_PATH_IMAGE002
<
Figure 396867DEST_PATH_IMAGE006
，
Figure 490594DEST_PATH_IMAGE003
<
Figure 363741DEST_PATH_IMAGE007
，
Figure 757682DEST_PATH_IMAGE004
<
Figure 58082DEST_PATH_IMAGE008
}，只考虑R分量的最短距离
Figure 170263DEST_PATH_IMAGE016
和最长距离
Figure 905741DEST_PATH_IMAGE017
，假设
Figure 419768DEST_PATH_IMAGE002
和
Figure 625490DEST_PATH_IMAGE006
的中点为
Figure 959388DEST_PATH_IMAGE018
有：
Figure 971075DEST_PATH_IMAGE019
同理可计算出G、B分量的最短和最长距离（为了计算速率，我们同样不进行开方计算），显然，有：
Figure 339609DEST_PATH_IMAGE020
假设调色板颜色
Figure 450653DEST_PATH_IMAGE048
=（102，202，200），立方体两个对角顶点颜色分别为
Figure 537427DEST_PATH_IMAGE049
=（55，38，43）和
Figure 24909DEST_PATH_IMAGE050
=（155，200，220），假设R，G，B分量的中点
Figure 247948DEST_PATH_IMAGE051
，
Figure 857790DEST_PATH_IMAGE052
，
Figure 912420DEST_PATH_IMAGE053
分别为100，130，180，那么根据公式计算可知：
由于
Figure 734751DEST_PATH_IMAGE054
<=
Figure 812298DEST_PATH_IMAGE055
<=
Figure 468407DEST_PATH_IMAGE056
，所以
Figure 264194DEST_PATH_IMAGE057
=0，且
Figure 93478DEST_PATH_IMAGE055
>
Figure 291110DEST_PATH_IMAGE051
，则
Figure 446017DEST_PATH_IMAGE058
=102-55=47；
由于
Figure 729100DEST_PATH_IMAGE059
>=
Figure 627654DEST_PATH_IMAGE060
，所以
Figure 742110DEST_PATH_IMAGE061
=202-200=2，且
Figure 79636DEST_PATH_IMAGE059
>
Figure 584436DEST_PATH_IMAGE052
，则
Figure 21102DEST_PATH_IMAGE062
=202-38=164；
由于
Figure 193327DEST_PATH_IMAGE063
<=
Figure 362140DEST_PATH_IMAGE064
<=
Figure 354235DEST_PATH_IMAGE065
，所以
Figure 329014DEST_PATH_IMAGE066
=0，且
Figure 355744DEST_PATH_IMAGE064
>
Figure 23355DEST_PATH_IMAGE053
，则
Figure 565064DEST_PATH_IMAGE058
=200-43=157；
结果有：
Figure 343533DEST_PATH_IMAGE067
=0*0+2*2+0*0=4；
Figure 502068DEST_PATH_IMAGE068
=47*47+164*164+157*157=53754。
首先遍历调色板，计算出调色板中所有颜色与立方体的最短和最长距离，找出所有最长距离中的最小值，然后筛选出那些最短距离小于或等于该值的调色板颜色，设这些颜色组成的集合为C(clrs)，目标颜色数为M，则有：
Figure 340580DEST_PATH_IMAGE069
由于min(dmax)对应的颜色与该立方体较接近，因此，那些最短距离小于或等于该值的颜色与第二立方体中的颜色同样也较接近。然后对第二立方体中的每一种颜色，只需遍历C(clrs)，找出最接近的一种颜色
Figure 41688DEST_PATH_IMAGE070
，将颜色
Figure 623848DEST_PATH_IMAGE070
的颜色值填入散列表的对应位置。前面为了便于描述算法原理，没有考虑色差计算公式的权值，同样不难说明，在考虑权值的情况下该算法依然有效，实际实验中优选权值为4：8：1。
筛选颜色过程中，首先，遍历调色板，计算出调色板中所有颜色与立方体的最短距离，以及最长距离；再找出最长距离的最小值；然后将最短距离小于或等于该最小值的所有调色板颜色筛选出来，颜色筛选实现代码如下所示：
Figure 625171DEST_PATH_IMAGE071
重建像素颜色过程中，对第二立方体中的每一种颜色，只需遍历筛选出的这些颜色，而不再是整个调色板，就可找出与它最接近的调色板颜色，并且把这些记录填入散列表，以便以后出现这些颜色时无需再次查找。在重建图像时，对图像的每一个像素，计算其颜色对应的散列值，从散列表中读取记录，当记录不为-1时，表示该颜色最接近的调色板颜色已经计算出来，可直接使用。
只有当记录为-1时，才需要进行筛选颜色和填充散列表操作，重建像素颜色实现代码如下所示：
Figure 634584DEST_PATH_IMAGE072
颜色量化的实现过程如下：
颜色重建完成后，基于颜色重建结果和实际可视化数据进行颜色量化分级。通过颜色量化函数计算出每一项实际数据最合适的可视化颜色，下面基于实际场景给出颜色量化的计算过程。首先确定实际数据集合，将实际数据集合内的数据进行从小到大排序，得到排序数据集合，将排序数据集合内的最大值减去最小值等于总数据差值E，再将排序后的集合与设定的起始颜色和结束颜色通过量化计算得到量化分级后的颜色集合；采用起止距离相减计算出颜色差值，即：
Figure 760672DEST_PATH_IMAGE024
=
Figure 146523DEST_PATH_IMAGE025
-
Figure 736773DEST_PATH_IMAGE026
，
Figure 917088DEST_PATH_IMAGE027
=
Figure 858368DEST_PATH_IMAGE028
-
Figure 59628DEST_PATH_IMAGE029
，
Figure 566702DEST_PATH_IMAGE030
=
Figure 917918DEST_PATH_IMAGE031
-
Figure 80915DEST_PATH_IMAGE032
，
其中
Figure 808568DEST_PATH_IMAGE033
，
Figure 373410DEST_PATH_IMAGE034
，
Figure 629948DEST_PATH_IMAGE035
分别为起始颜色的R，G，B值；
Figure 280241DEST_PATH_IMAGE036
，
Figure 77165DEST_PATH_IMAGE037
，
Figure 496514DEST_PATH_IMAGE038
分别为结束颜色的R，G，B值；
Figure 455111DEST_PATH_IMAGE039
，
Figure 932315DEST_PATH_IMAGE040
，
Figure 1771DEST_PATH_IMAGE041
分别为R，G，B分量的差值。
实际数据集合中每项数据为X，最小数据为
Figure 541206DEST_PATH_IMAGE042
，每项数据和总数据差值的分值V=(X -
Figure 670705DEST_PATH_IMAGE042
)/E；每项数据的颜色值；
C=[
Figure 561169DEST_PATH_IMAGE033
+ V *
Figure 903158DEST_PATH_IMAGE024
,
Figure 297099DEST_PATH_IMAGE034
+ V *
Figure 331920DEST_PATH_IMAGE027
,
Figure 444101DEST_PATH_IMAGE035
+ V *
Figure 652098DEST_PATH_IMAGE030
]，当结果值为小数时，四舍五入取距离该结果值最近的整数。
将每项数据的颜色值通过渲染到可视化系统中每项数据对应的可视化组件，此时不同的数据项会展示出不同的最优化颜色。
例如，我们使用可视化技术展示杭州在近一周内每天空气中PM2.5浓度的变化的场景中，进行可视化的实际数据如图5所示，数据表中包含了日期和每日的PM2.5浓度数据。先从调色盘中选择蓝色作为颜色重建的基准，在颜色重建后的结果中，我们假设哈希表中的有浅蓝、靛蓝、天空蓝、藏蓝、深蓝五种近似颜色，选择实际数据中的最小值（10）映射到哈希表中的一种近似颜色（天空蓝）作为开始颜色，同时选择实际数据中的最大值（30）映射到哈希表中的另一种近似颜色（深蓝）作为结束颜色，实际数据集合为[10,22,15,18,24,30,15]，将实际数据的集合进行从小到大排序，得到新的集合为[10,15,15,18,22,24,30]，此处最大值减去最小值等于总数据差值E，即30-10=20，再将排序后的集合和起始颜色，结束颜色通过量化计算得到量化分级后的颜色集合。因为RGB不是均匀的颜色空间，所以一般采用起止颜色距离相减计算出颜色差值，即：
Figure 381106DEST_PATH_IMAGE024
=
Figure 586828DEST_PATH_IMAGE025
-
Figure 983043DEST_PATH_IMAGE026
，
Figure 932413DEST_PATH_IMAGE027
=
Figure 300947DEST_PATH_IMAGE028
-
Figure 943149DEST_PATH_IMAGE029
，
Figure 764344DEST_PATH_IMAGE030
=
Figure 189509DEST_PATH_IMAGE031
-
Figure 412549DEST_PATH_IMAGE032
，
其中
Figure 225653DEST_PATH_IMAGE033
，
Figure 330881DEST_PATH_IMAGE034
，
Figure 102614DEST_PATH_IMAGE035
分别为起始颜色的R，G，B值；
Figure 242477DEST_PATH_IMAGE036
，
Figure 226483DEST_PATH_IMAGE037
，
Figure 756690DEST_PATH_IMAGE038
分别为结束颜色的R，G，B值；
Figure 851554DEST_PATH_IMAGE039
，
Figure 721290DEST_PATH_IMAGE040
，
Figure 63147DEST_PATH_IMAGE041
分别为R，G，B分量的差值。
实际数据集合中每项数据为X，最小数据为
Figure 80651DEST_PATH_IMAGE042
，每项数据和总数据差值的分值V=(X -
Figure 979205DEST_PATH_IMAGE042
)/E；每项数据的颜色值；
C=[
Figure 828082DEST_PATH_IMAGE033
+ V *
Figure 165608DEST_PATH_IMAGE024
,
Figure 935987DEST_PATH_IMAGE034
+ V *
Figure 372653DEST_PATH_IMAGE027
,
Figure 279298DEST_PATH_IMAGE035
+ V *
Figure 448112DEST_PATH_IMAGE030
]，当结果值为小数时，四舍五入取距离该结果值最近的整数。
将每项数据的颜色值通过渲染到可视化系统中每项数据对应的可视化组件，例如柱形图、条形图等，此时不同的数据项会展示不同的颜色，如PM2.5为30的数据项展示深蓝色，PM2.5为24的数据项展示天空蓝和深蓝的中间颜色。
设置起始颜色的RGB值为[82,75,255]，结束颜色[0,0,255]，
Figure 705787DEST_PATH_IMAGE073
= 0-82 = -82，
Figure 680565DEST_PATH_IMAGE074
= 0-75= -75，
Figure 707295DEST_PATH_IMAGE075
= 255-255=0，
实际数据的差值E=30 - 10 = 20，
数据项10的分值V为（10 - 10）/ 20 = 0，
数据项22的分值V为（22 - 10）/ 20 = 0.6，
数据项15的分值V为（15 - 10）/ 20 = 0.25，
数据项18的分值V为（18 - 10）/ 20 = 0.4，
数据项24的分值V为（24 - 10）/ 20 = 0.7，
数据项30的分值V为（30 - 10）/ 20=1，
根据公式C=[
Figure 640485DEST_PATH_IMAGE033
+ V *
Figure 119877DEST_PATH_IMAGE024
,
Figure 898346DEST_PATH_IMAGE034
+ V *
Figure 588040DEST_PATH_IMAGE027
,
Figure 692131DEST_PATH_IMAGE035
+ V *
Figure 658819DEST_PATH_IMAGE030
]，当结果值为小数时，四舍五入取距离该结果值最近的整数。
最终计算得出结果如下：
PM2.5=10的最优颜色的RGB值为[82 + 0 * (-82), 75 + 0 * (-75), 255 + 0 *0] = [82, 75, 255]；
PM2.5=22的最优颜色的RGB值为[82 + 0.6 * (-82), 75 + 0.6 * (-75), 255 +0.6 * 0] = [32.8, 30, 255]，对结果值四舍五入取整即为[33, 30, 255]；
PM2.5=15的最优颜色的RGB值为[82 + 0.25 * (-82), 75 + 0.25 * (-75), 255+ 0.25 * 0] = [61.5, 56.25, 255]，对结果值四舍五入取整即为[62, 56, 255]；
PM2.5=18的最优颜色的RGB值为[82 + 0.4 * (-82), 75 + 0.4 * (-75), 255 +0.4 * 0] = [49.2, 45, 255]，对结果值四舍五入取整即为[49, 45, 255]；
PM2.5=24的最优颜色的RGB值为[82 + 0.7 * (-82), 75 + 0.7 * (-75), 255 +0.7 * 0] = [24.6, 22.5, 255]，对结果值四舍五入取整即为[25, 23, 255]；
PM2.5=30的最优颜色的RGB值为[82 + 1 * (-82), 75 + 1 * (-75), 0 + 1 *0] = [0, 0, 255]；
示例数据以及颜色计算结果如图5所示。
通过该颜色量化过程即实现了为可视化系统中每项数据选择合适颜色，根据实际数据的数值进行量化分级展示的效果。
本方案基于数据可视化系统的场景上，通过在可视化系统颜色使用过程中，增加颜色重建、颜色量化分级的步骤，有效的弥补了目前可视化系统展示视觉效果单调、不灵活，无法对同类视觉效果进行颜色分等级展示的缺点，同时对不同等级的颜色量化分级给出了获取最优颜色的计算方法。
本发明提供了在数据可视化的场景下，如何通过颜色量化分等级渲染，给出了对于不同等级下如何获取适合当前等级下最优渲染颜色的策略，并且详细描述了如何进行颜色重建、颜色量化分级的实现步骤。通过该计算方法，能有效的弥补当前可视化系统中颜色展示单调，无法对渲染颜色进行量化分级的缺点。
在本说明书的描述中，参考术语“实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外，本领域的技术人员可以在不产生矛盾的情况下，将本说明书中描述的不同实施例或示例以及其中的特征进行结合或组合。
上述内容虽然已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型等更新操作。

Claims (10)

1.一种基于数据可视化场景下的颜色分等级渲染方法，其特征在于，所述方法包括以下步骤：
S1.通过调色板预置若干不同场景颜色；
S2.颜色重建，将可视化的每一个像素映射为调色板中最接近的一种颜色；
S3.颜色量化分级，将实际数据集合内的数据通过量化计算得到量化分级后的颜色集合；
S4.可视化系统根据数据变化使用量化分级后的颜色集合进行可视化展示，使得不同的数据通过策略计算生成对应的最优颜色。
2.根据权利要求1所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，颜色重建算法思路为：对可视化部分中的每一个像素，遍历调色板，找出与其颜色相似度最高的颜色。
3.根据权利要求2所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，颜色相似度使用色差进行度量，在RGB颜色空间中，由于人眼对R、G、B分量的敏感度不同，所以通常使用加权平方和的平方根来表示色差，即对于两种颜色
Figure 14548DEST_PATH_IMAGE001
=(
Figure 520485DEST_PATH_IMAGE002
,
Figure 547215DEST_PATH_IMAGE003
,
Figure 226545DEST_PATH_IMAGE004
)和
Figure 971516DEST_PATH_IMAGE005
=(
Figure 484406DEST_PATH_IMAGE006
,
Figure 162380DEST_PATH_IMAGE007
,
Figure 266472DEST_PATH_IMAGE008
)，它们的色差为：
Figure 233159DEST_PATH_IMAGE009
如果不考虑权值，则两种颜色的色差对应于空间中两点间的距离，在权值取
Figure 815319DEST_PATH_IMAGE010
的情况下，得到：
Figure 816642DEST_PATH_IMAGE011
色差越小，则两种颜色相似度越高。
4.根据权利要求1所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，颜色重建过程中，使用散列表来保存已找出的颜色在调色板中的索引记录，初始化时将散列表中所有记录置为-1，重建一个像素时，计算它的颜色散列值，作为散列表关键码值，直接从散列表中取出记录，如果不为-1，则直接使用该记录替换像素的颜色值；如果为-1，再进行查找，并将查找出的记录填入散列表。
5.根据权利要求4所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，颜色重建的流程在于：
首先，读取可视化部分的像素的颜色，并计算像素颜色的散列值；
然后，从散列表中读出记录，判断记录是否为-1；
若记录为-1，扩大颜色范围，从调色板中筛选出与扩大的颜色范围中所有颜色色差在第一阈值内的颜色，从筛选出的颜色中找出最接近的颜色，并将记录填入散列表；若记录不为-1，则直接使用该记录替换像素的颜色值。
6.根据权利要求5所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，在RGB颜色空间中，每个分量使用8位二进制表示，范围为0-255；以R、G、B分量分别为坐标轴，建立空间直角坐标系，将RGB颜色空间构建为一个边长为256的第一立方体，每一种颜色对应于这个第一立方体中的一个点；以色差不超过第二阈值的两种颜色为对角顶点，又可组成一个第二立方体，由于这两种颜色距离是第二立方体中的最大距离，所以所述第二立方体内的任意两个颜色的色差都不超过第二阈值；在查找某种颜色对应的调色板索引时，应该同时查找出与其色差不超过第二阈值的颜色组成的第二立方体中所有颜色对应的调色板索引；对这个第二立方体中的所有颜色，都遍历一次调色板进行查找；进行颜色筛选，从中查找出色差最小的颜色，并保存记录。
7.根据权利要求6所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，为了减少内存开销，对于颜色散列值的计算，每一种颜色的R、G、B分量分别采用5：6：5的位截断方式进行预量化，分别保留R、G、B分量的最高5、6、5位，使得组合得到的散列值为16位，将散列值相同的颜色视为同一种颜色。
8.根据权利要求6所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，颜色筛选方法的流程如下：首先，遍历调色板，计算出调色板中所有颜色与第二立方体的最短距离，以及最长距离；再找出最长距离的最小值；然后将所有最短距离小于或等于该最小值的所有调色板颜色筛选出来；颜色筛选方法的具体计算方法如下：一种调色板颜色为
Figure 560476DEST_PATH_IMAGE012
=(
Figure 14460DEST_PATH_IMAGE013
,
Figure 72415DEST_PATH_IMAGE014
,
Figure 674384DEST_PATH_IMAGE015
)，第二立方体两个对角顶点颜色分别为
Figure 651436DEST_PATH_IMAGE001
=(
Figure 795978DEST_PATH_IMAGE002
,
Figure 719941DEST_PATH_IMAGE003
,
Figure 430277DEST_PATH_IMAGE004
)和
Figure 47072DEST_PATH_IMAGE005
=(
Figure 475648DEST_PATH_IMAGE006
,
Figure 203301DEST_PATH_IMAGE007
,
Figure 768144DEST_PATH_IMAGE008
)，其中{
Figure 86999DEST_PATH_IMAGE002
<
Figure 483431DEST_PATH_IMAGE006
,
Figure 749196DEST_PATH_IMAGE003
<
Figure 27600DEST_PATH_IMAGE007
，
Figure 986197DEST_PATH_IMAGE004
<
Figure 123787DEST_PATH_IMAGE008
}，只考虑R分量的最短距离
Figure 193243DEST_PATH_IMAGE016
和最长距离
Figure 529415DEST_PATH_IMAGE017
，假设
Figure 658914DEST_PATH_IMAGE002
和
Figure 549378DEST_PATH_IMAGE006
的中点为
Figure 360208DEST_PATH_IMAGE018
：
Figure 828185DEST_PATH_IMAGE019
同理可计算出G、B分量的最短距离和最长距离，可以得出：
Figure 863006DEST_PATH_IMAGE020
首先遍历调色板，计算出调色板中所有颜色与第二立方体的最短距离和最长距离，找出所有最长距离中的最小值，然后筛选出那些最短距离小于或等于该值的调色板颜色，设这些颜色组成的集合为C(clrs)，目标颜色数为M，则有：
Figure 975187DEST_PATH_IMAGE021
由于min(dmax)对应的颜色与第二立方体的接近度满足设定范围，那些最短距离小于或等于该值的颜色与第二立方体中的颜色同样也满足设定范围；对第二立方体中的每一种颜色，只需遍历C(clrs)，找出最接近的一种颜色
Figure 386446DEST_PATH_IMAGE022
，将颜色
Figure 306997DEST_PATH_IMAGE022
的颜色值填入散列表的对应位置。
9.根据权利要求6所述的基于数据可视化场景下的颜色分等级渲染方法，其特征在于，颜色重建完成后，基于颜色重建结果和实际可视化数据进行颜色量化分级；首先确定实际数据集合，将实际数据集合内的数据进行从小到大排序，得到排序数据集合；将排序数据集合内的最大值减去最小值等于总数据差值
Figure 778299DEST_PATH_IMAGE023
，再将排序后的集合与设定的起始颜色和结束颜色通过量化计算得到量化分级后的颜色集合；采用起止距离相减计算出颜色差值，即：
Figure 705673DEST_PATH_IMAGE024
=
Figure 389464DEST_PATH_IMAGE025
-
Figure 757997DEST_PATH_IMAGE026
，
Figure 728096DEST_PATH_IMAGE027
=
Figure 80449DEST_PATH_IMAGE028
-
Figure 48491DEST_PATH_IMAGE029
，
Figure 537110DEST_PATH_IMAGE030
=
Figure 350214DEST_PATH_IMAGE031
-
Figure 924284DEST_PATH_IMAGE032
，
其中
Figure 808932DEST_PATH_IMAGE033
，
Figure 152058DEST_PATH_IMAGE034
，
Figure 870484DEST_PATH_IMAGE035
分别为起始颜色的R，G，B值；
Figure 666270DEST_PATH_IMAGE036
，
Figure 26713DEST_PATH_IMAGE037
，
Figure 224345DEST_PATH_IMAGE038
分别为结束颜色的R，G，B值；
Figure 922129DEST_PATH_IMAGE039
，
Figure 1950DEST_PATH_IMAGE040
，
Figure 900504DEST_PATH_IMAGE041
分别为R，G，B分量的差值；实际数据集合中每项数据为X，最小数据为
Figure 687064DEST_PATH_IMAGE042
，每项数据和总数据差值的分值V=(X -
Figure 12872DEST_PATH_IMAGE042
)/E；每项数据的颜色值；
C=[
Figure 783250DEST_PATH_IMAGE033
+ V *
Figure 892021DEST_PATH_IMAGE024
,
Figure 798666DEST_PATH_IMAGE034
+ V *
Figure 295375DEST_PATH_IMAGE027
,
Figure 349788DEST_PATH_IMAGE035
+ V *
Figure 590145DEST_PATH_IMAGE030
]，当结果值为小数时，四舍五入取距离该结果值最近的整数；将每项数据的颜色值通过渲染到可视化系统中每项数据对应的可视化组件，使得不同的数据项展示出不同的最优化颜色。
10.一种基于数据可视化场景下的颜色分等级渲染系统，其特征在于，所述系统包括基础层、策略层和展示层，基础层包括预设不同场景颜色的调色板；策略层包括颜色重建和颜色量化分级处理策略，对调色板中的颜色进行策略优化，展示层用于使用优化颜色进行可视化展示；所述系统中应用权利要求1-9任一项所述的基于数据可视化场景下的颜色分等级渲染方法。
CN202210503339.8A 2022-05-10 2022-05-10 一种基于数据可视化场景下的颜色分等级渲染方法及系统 Active CN114612586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210503339.8A CN114612586B (zh) 2022-05-10 2022-05-10 一种基于数据可视化场景下的颜色分等级渲染方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210503339.8A CN114612586B (zh) 2022-05-10 2022-05-10 一种基于数据可视化场景下的颜色分等级渲染方法及系统

Publications (2)

Publication Number Publication Date
CN114612586A true CN114612586A (zh) 2022-06-10
CN114612586B CN114612586B (zh) 2022-08-05

Family

ID=81869101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210503339.8A Active CN114612586B (zh) 2022-05-10 2022-05-10 一种基于数据可视化场景下的颜色分等级渲染方法及系统

Country Status (1)

Country Link
CN (1) CN114612586B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115457167A (zh) * 2022-09-21 2022-12-09 山东大学 基于色彩排序的调色板设计系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254330A (zh) * 2010-07-29 2011-11-23 山东大学 基于图像处理的空气污染数据可视化方法
CN102714687A (zh) * 2010-01-19 2012-10-03 阿克佐诺贝尔国际涂料股份有限公司 从图像确定颜色的方法和系统
US20140098098A1 (en) * 2012-10-09 2014-04-10 E-On Software Method for accelerating monte carlo renders
CN106157353A (zh) * 2015-04-28 2016-11-23 Tcl集团股份有限公司 一种文字渲染方法和文字渲染装置
CN110110159A (zh) * 2017-11-10 2019-08-09 北京国双科技有限公司 热力图展示方法和装置
CN112256789A (zh) * 2020-10-19 2021-01-22 杭州比智科技有限公司 数据智能可视化分析方法和装置
CN112783385A (zh) * 2021-01-04 2021-05-11 河北志晟信息技术股份有限公司 一种环保监测地图点位标识的动态生成方法
CN113177172A (zh) * 2021-04-26 2021-07-27 杭州新迪数字工程系统有限公司 基于WebGL的大批量三维文字高效显示的方法
CN113935891A (zh) * 2021-09-09 2022-01-14 完美世界(北京)软件科技发展有限公司 像素风格的场景渲染方法、设备及存储介质
CN114219902A (zh) * 2021-07-22 2022-03-22 江苏及象生态环境研究院有限公司 气象数据的体绘制渲染方法、装置和计算机设备
CN114241157A (zh) * 2021-12-16 2022-03-25 中科三清科技有限公司 一种空气质量可视化显示方法、装置和设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102714687A (zh) * 2010-01-19 2012-10-03 阿克佐诺贝尔国际涂料股份有限公司 从图像确定颜色的方法和系统
CN102254330A (zh) * 2010-07-29 2011-11-23 山东大学 基于图像处理的空气污染数据可视化方法
US20140098098A1 (en) * 2012-10-09 2014-04-10 E-On Software Method for accelerating monte carlo renders
CN106157353A (zh) * 2015-04-28 2016-11-23 Tcl集团股份有限公司 一种文字渲染方法和文字渲染装置
CN110110159A (zh) * 2017-11-10 2019-08-09 北京国双科技有限公司 热力图展示方法和装置
CN112256789A (zh) * 2020-10-19 2021-01-22 杭州比智科技有限公司 数据智能可视化分析方法和装置
CN112783385A (zh) * 2021-01-04 2021-05-11 河北志晟信息技术股份有限公司 一种环保监测地图点位标识的动态生成方法
CN113177172A (zh) * 2021-04-26 2021-07-27 杭州新迪数字工程系统有限公司 基于WebGL的大批量三维文字高效显示的方法
CN114219902A (zh) * 2021-07-22 2022-03-22 江苏及象生态环境研究院有限公司 气象数据的体绘制渲染方法、装置和计算机设备
CN113935891A (zh) * 2021-09-09 2022-01-14 完美世界(北京)软件科技发展有限公司 像素风格的场景渲染方法、设备及存储介质
CN114241157A (zh) * 2021-12-16 2022-03-25 中科三清科技有限公司 一种空气质量可视化显示方法、装置和设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QIONG ZENG等: "Data-Driven Colormap Optimization for 2D Scalar Field Visualization", 《2019 IEEE VISUALIZATION CONFERENCE(VIS)》 *
孟天杭: "基于Cesium的大规模三维场景瓦片构建与可视化", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
尹芳等: "基于谱聚类的改进的文本图像分割方法", 《高技术通讯》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115457167A (zh) * 2022-09-21 2022-12-09 山东大学 基于色彩排序的调色板设计系统

Also Published As

Publication number Publication date
CN114612586B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
US7804498B1 (en) Visualization and storage algorithms associated with processing point cloud data
JP3778229B2 (ja) 画像処理装置、画像処理方法、および画像処理システム
US10311098B2 (en) System and method for storing points of polygons related to an image
CN112287138B (zh) 一种城市信息模型的组织调度方法、装置和设备
CN114612586B (zh) 一种基于数据可视化场景下的颜色分等级渲染方法及系统
CN111462318B (zh) 一种基于视点互信息的三维树木模型实时简化方法
CN110084205A (zh) 一种基于改进的面向对象高分辨率遥感影像分类方法
US6836563B2 (en) Computer-readable medium and program for quantizing a data set, method and apparatus for quantizing a data set
CN109636809B (zh) 一种基于尺度感知的图像分割层次选择方法
CN113870402A (zh) 一种基于八叉树索引的海量点云分层实时渲染方法
CN114359500B (zh) 一种面向滑坡危险范围预测的三维建模与可视化方法
JPH08315177A (ja) アンチエイリアシング機能を有する画像生成装置
CN108572958A (zh) 数据处理方法及装置
CN106156281A (zh) 基于Hash‑Cube空间层次划分结构的最近邻点集快速检索方法
CN113094463A (zh) 一种非结构化点云存储方法、装置、设备及介质
CN112069200A (zh) 一种面向高维时空大数据的多细节层次可视化方法
CN110910462B (zh) 一种基于特征计算的点云轻量化方法及存储介质
CN111951196A (zh) 基于图的渐进式点云下采样方法及装置
US8787703B2 (en) Method for simplified storage of data representing forms
CN109118565B (zh) 一种顾及杆塔电力线遮挡的电力走廊三维模型纹理映射方法
CN115239746A (zh) 一种面向对象的遥感图像分割方法、装置、设备及介质
Wang et al. Color space quantization for color-content-based query systems
Wei-dong et al. An improved median-cut algorithm of color image quantization
Tódová et al. Moment-based Constrained Spectral Uplifting.
JP3065332B2 (ja) 画像処理方法

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20220610

Assignee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Assignor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd.

Contract record no.: X2022980028267

Denomination of invention: A method and system of color grading rendering based on data visualization

Granted publication date: 20220805

License type: Exclusive License

Record date: 20230112

EE01 Entry into force of recordation of patent licensing contract
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and system of color grading rendering based on data visualization

Effective date of registration: 20230115

Granted publication date: 20220805

Pledgee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Pledgor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd.

Registration number: Y2023980031381

EC01 Cancellation of recordation of patent licensing contract
EC01 Cancellation of recordation of patent licensing contract

Assignee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Assignor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd.

Contract record no.: X2022980028267

Date of cancellation: 20240327

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20220805

Pledgee: Hangzhou Jintou Finance Leasing Co.,Ltd.

Pledgor: HANGZHOU BIZHI TECHNOLOGY Co.,Ltd.

Registration number: Y2023980031381