Barevné kódování při vizualizaci dat - Color coding in data visualization

Vizualizace dat dosahuje dnes svého významu díky informační technologii: velká data zpracovaná v počítačích se schopným vizualizačním softwarem kombinovaná se statistickými technikami a barevným kódováním na elektronických displejích. Tento článek je o technologii barevného kódování pro vizualizaci dat .

Mezi počátky barevného kódování patří rubriky , Čtyřbarevná věta o kartografii a kniha Jacquese Bertina z roku 1967, Sémiologie Graphique ( Semiology of Graphics ). Současné barevné kódování pro vizualizaci dat umožňují čtyři technologie: statistika, barevná technologie, displeje a výpočetní technika. Vizualizaci dat zpracovali statistici John Tukey a Edward Tufte ve svých přelomových knihách Exploratory Data Analysis v roce 1977 a The Visual Display of Quantitative Information v roce 1982. Nezvýrazňovali použití barev. Jiní demonstrovali nadřazenost barevného kódování pro zrychlení vizuálního vyhledávání zobrazených informací a pro lokalizaci a uspořádání zajímavých informací. Třetím předpokladem pro vizualizaci barevně kódovaných dat jsou barevné elektronické displeje s vysokým rozlišením, vysokým kontrastem a vysokou svítivostí. Společnosti Honeywell Corporation a Boeing Corporation shromáždily technická data, která jsou pro používání barevných displejů stále klíčová. Americká federální letecká správa nedávno zveřejnila technické pokyny pro vizualizaci dynamických (letového provozu) dat na samostatně svítících barevných displejích.

Lidé mají vrozenou schopnost provádět barevně rozlišené vizuální vyhledávání. Bez tréninku nebo praxe lze dobu hledání s barevným kódováním zkrátit o faktor deset nebo více ve srovnání s vyhledáváním stejného informačního displeje bez barevného kódování. Například obrázek 1a znázorňuje prodloužené vyhledávání bez barevného kódování, zatímco obrázek 1b ukazuje barevné kódování, díky kterému jsou data výraznější.

Obrázky 1a a b. Která kategorie má nejméně hvězd: 32-, 24- nebo 16-cípé hvězdy? Kliknutím na obrázek zobrazíte podrobnosti na celou obrazovku.

Základy barevného kódování pro vyhledávání a seskupování dat

Barevně odlišená vizualizace

Barevné kódování má různé aplikace pro vizualizaci dat. Obecnou zásadou je sladit význačnost barev s relevantností zobrazovaných informací . Hledající osobě může být dána barva položky, kterou má najít, nebo může znát barvu hledané kategorie na základě svých zkušeností. Alternativně by jejich úkol mohl vyžadovat hledání položky, která vyniká jako odlišná, označená barvou, bez dané cílové barvy.

Výchozí barvy lze použít například ke zvýraznění vzorů nebo k povolení rychlého vyhledávání:

Další aplikací barevného kódování je ukázat symetrie ve vizualizovaných datech. Barevné kódování se může spojovat a rozmotávat, např. Trendy na grafu nebo kontinuita axonů v nervovém konektomu . Stále se vymýšlejí nové aplikace vrozené schopnosti hledat nebo seskupovat podle barvy, např. Pro sítě, větu o barvení silnic , tepelné mapy, genom, strukturní variace genomu, prohlížeče genomu a prostorová data jako molekuly. Barevné kódování má nástroj pro vizualizaci odlehlých hodnot a chyb v neznámých datech.

Barevné kódování se používá také k jiným účelům než k vizualizaci zobrazených dat. Vizualizace dat doplňuje a nenahrazuje ani neodporuje těmto jiným způsobům použití. Tam, kde je možný konflikt, například když jsou stanoveny významy barev v jiných kontextech, jako jsou signální světla, pak by se těmto významům mělo při výběru barev pro kód barvy vizualizace dat věnovat pozornost.

Čas potřebný k nalezení vizualizovaných informací

Vizuální vyhledávání se provádí rychlými nedobrovolnými a podvědomými pohyby očí nazývanými sakády . Oko během vizuálního vyhledávání vytváří přibližně tři sakády za sekundu. Takové pohyby očí omezují kognitivní výkonnost člověka. Hledání zahrnuje neuronovou síť v mozku pro zpracování pohybu a polohy a ovládání sakád. Tato neuronová síť je citlivá na barvu a změny; barevné a bleskové kódování (dočasně se měnící jas) se mohou navzájem doplňovat, aby se zvýšila rychlost vyhledávání, bez vzájemného rušení.

Pokud je na displeji k prohledání N položek, obvykle je k vyhledání konkrétní položky potřeba N/2 sakád. Vzhledem k tomu, že tři sakády za sekundu, N/(2*3) = N/6 sekund je odhad doby hledání k nalezení jedné položky mezi N. Odhad se zlepší přidáním reakčního času, možná sekundy; očekávaný čas hledání se rovná 1 + N/6 sekund k nalezení cílové položky mezi N zobrazenými položkami . Tento odhad odpovídá časům empirického vyhledávání. V takové situaci se barevně odlišený čas hledání zvyšuje lineárně s počtem informačních položek na displeji, které sdílejí odlišnou cílovou barvu . Kromě toho je vyhledávání rychlejší, když jsou cílově zbarvené položky prostorově organizovány , například v klikatých cestách nebo rozvržení prezentace nebo návrhu datových obrázků.

Čas vyhledávání má exponenciální statistické rozložení. V exponenciálním rozdělení se variabilita (směrodatná odchylka) rovná očekávané hodnotě nebo průměru. Jak se zvyšuje očekávaná doba hledání, zvyšuje se i variabilita doby hledání. Delší očekávaná doba hledání znamená několik velmi dlouhých vyhledávání. Například u 30 různých položek vyhledávání (N = 30) náhodně rozmístěných na displeji je očekávaný čas hledání 6 sekund, ale 5% vyhledávání bude trvat déle než 18 sekund. Podobné výsledky najdete v tabulce 1.

Krátká očekávaná doba vyhledávání brání nepřijatelně dlouhému vyhledávání spojenému s delší průměrnou dobou vyhledávání. Na základě lineárního nárůstu času hledání s počtem potenciálních cílů a exponenciálního rozložení časů vyhledávání (viz tabulka 1) by omezení zobrazených položek sdílejících barvu cíle na méně než asi 11 udrželo dobu vyhledávání na méně než 10 sekund téměř Celou dobu. Cílovou barvu by mohlo sdílet více položek, pokud by bylo cílem seskupit podmnožiny (různé barvy) rozptýlených položek za jiným účelem, než je vyhledávání.

Výběr výrazných barev pro barevné kódování

Barevné kódování může učinit informaci výraznou (viz obrázek 1b). Diskrétní barevné kódy omezují nebo eliminují rušení při hledání u všech položek, které nesdílejí cílovou cílovou barvu. Kvalitativní, subjektivní metody výběru odlišných barev pro kódování jsou omezeny na několik barev. Barevná technika dosáhla 22 barev laku s maximálním kontrastem, než se objevily samostatně svítící barevné displeje. Samosvítící zařízení, jako jsou počítačové obrazovky, jsou schopna dosáhnout vyššího jasu (širší barevný gamut ), vyššího rozlišení (menší symboly a obrazové segmenty) a vyšších kontrastů (výraznější odlišnosti od pozadí), než je obvykle možné dosáhnout u reflexních materiálů, jako je barva . Tyto charakteristiky samostatně svítících displejů vytvářejí příležitosti a problémy s barevným kódováním, jak je uvedeno níže.

Objektivní metodou výběru výrazných barev pro barevně odlišenou vizualizaci elektronicky zobrazovaných dat je zvážení barevných souřadnic barev dostupných v gamutu displeje . Typicky je barva reprezentována třemi souřadnicemi (R, G, B) , každá v rozsahu 0 až 255 v případě 8bitové reprezentace. Nejpoužívanější barevnou reprezentací je varianta RGB známá jako sRGB , přičemž se používají také barevné reprezentace RGB závislé na zařízení.

Obrázek 2. Některé výrazné barvy vhodné pro barevné kódování jsou umístěny na vnější hranici barevného gamutu displeje. Souřadnice (R, G, B) každé barvy jsou zobrazeny v odpovídajícím barevném šestiúhelníku.

Obrázek 3. Schematický souhrn vztahu mezi zjevnou barevnou podobností a vypočítaným barevným rozdílem. Zde je nejdůležitější červená čára. Další řádky na obrázku 3 budou diskutovány níže.

Optická měření lze použít k výpočtu rozdílu barev mezi každou dvojicí barev v barevném kódu. To zahrnuje spektro-radiometrické měření tristimulových hodnot barev dostupných z displeje. Hodnoty Tristimulus (X, Y, Z) jsou barevné souřadnice nezávislé na zařízení používané k výpočtu rozdílu barev. Luminance , korelát ve stupních šedi, je například hodnota Y tristimulu. Vzorce barevných rozdílů CIEDE2000 nebo CIECAM02 UCS jsou statisticky lepší než metriky rozlišitelnosti velkých barevných rozdílů. Výpočty barevných rozdílů obecně dávají větší váhu červeno-zeleným rozdílům a méně rozdílům modro-žluté a rozdílům jasu (tj. Stupnice šedé) v tomto pořadí účinnosti.

Kódové barvy, které mají malé barevné rozdíly od cílové barvy, způsobují, že rušivé předměty vypadají podobně jako cílová barva, měřeno z hlediska doby hledání nebo pohybů očí. Zobrazené položky s velkými barevnými rozdíly od cíle nezasahují do cílové význačnosti. Obrázek 3 shrnuje tento vztah mezi podobností barev nebo výrazností během vizualizace a vypočítaným rozdílem barev. Disciplína identifikace (a oddělování barevných rozdílů) nejpodobnějších barev v barevném kódu bude užitečná bez ohledu na to, jaká metoda se použije pro výběr barev kódu.

V kódu s n barvami existuje n (n-1)/2 párů barev (viz obrázek 4), přičemž každý pár má barevný rozdíl. Rozmnožování barevných rozdílů, jak se počet barev zvyšuje, vyžaduje systematickou, algoritmickou a automatizovanou metodu výběru barev.

Obrázek 4. Počet barevných párů, a tedy i barevné rozdíly, v barevném kódu rychle roste, jak se počet barev zvyšuje.

Salience mnoha barev, viděných v kontextu navzájem, lze optimalizovat. Protože nejmenší barevné rozdíly zasahují do vyhledávání, zatímco dostatečně velké barevné rozdíly neruší (viz obrázek 3), cílem optimalizace je maximalizovat minimální vypočtený barevný rozdíl mezi n (n-1)/2 barevnými rozdíly v n-barevný kód, za účelem odvození velkého počtu (n) odlišných barev pro barevný kód přizpůsobený gamutu konkrétního displeje. Tato základní metoda byla vyvinuta pro průmyslové použití. Tato metoda byla použita pro zohlednění okolního osvětlení odraženého od displeje. Metoda optimalizace byla rozšířena o alternativní objektivní funkce. Byl aplikován na složité situace zobrazení a na malé symboly. Technické měření barev a optimalizovaný barevný rozdíl mohou generovat několik alternativních stejně efektivních kódů, které využívají plný rozsah displeje a schopnost rozlišování barev člověka. Tato dostupnost alternativních možností kódování umožňuje použití vhodných barev s předem stanovenými významy nebo vyloučení nevhodných barev.

Praktické problémy barevného kódování pro informační význam

Velikost symbolu ovlivňuje barevnou význačnost

Zdánlivý barevný rozdíl mezi objekty závisí na vizuálním úhlu prohlížených objektů. Menší symboly způsobují menší barevné rozdíly. Vypočtený barevný rozdíl předpokládá 2stupňové vizuální subtenze. Kloub palec-nehet (od špičky palce po kloub-nehet) se jeví například na délku paže asi o dva stupně vizuálně jemnější. Typické symboly zobrazení mohou trvat pouhých 7 minut nebo méně než 1/16 dvou stupňů. Zvažte to v kontextu těchto skutečností

1. prakticky neexistují žádné buňky s krátkou vlnovou délkou (modré) na sítnici v disku o průměru 20 minut kolem zorného pole (LOS),
2. obsahují pouze asi 7% všech receptorů denního světla a
3. buňky snímající modrou barvu jsou od sebe vzdáleny asi 4 minuty (do stupně LOS), přičemž s větší excentricitou se zvětšují na zhruba 8 minut.

Z těchto důvodů se u malých symbolů ztrácí modré rozlišení (zahrnující barvy na jakékoli tritanové linii). Toto se nazývá tritanopie v malém poli, což je nedostatek barev pro rozdíly v modrosti mezi malými vizuálními poli, kterým podléhá každý. Při výběru kódovacích barev pro malé symboly by tedy rozdíly v modrosti měly být sníženy (nebo dokonce vyloučeny), méně než asi 30 minut úhlového subtenze (tj. Slunce a měsíce) . Zdá se, že i barevné rozdíly, které nezahrnují modravost, slábnou (jakkoli méně než modré slábnou), když se symboly zmenšují. Předměty například vypadají tmavší (méně světlé), protože trendují k menšímu vizuálnímu subtenzi; větší oblasti se stejnou svítivostí vypadají světlejší než menší oblasti. Je možné odhadnout účinek vizuálního subtenze na zjevný barevný rozdíl, včetně rozdílu ve stupních šedi. Menší vizuální subtenze symbolů znamená méně výrazných nebo dokonce diskriminovatelných barev ve stejné škále zobrazení. Barvy kódu budou výrazné, pokud jejich barevné rozdíly jsou alespoň 14 jednotek CIEDE2000 u symbolů s dvojstupňovým vizuálním subtenzem nebo ekvivalentním barevným rozdílem podle odhadů pro menší subtenze. Například význačnost cílů vizuálního vyhledávání 1,5 stupně x 0,75 stupně používaných společností Williams se zlepšila pro zvýšení jejich barevných rozdílů na alespoň 21 jednotek CIEDE2000; po asi 21 letech se jejich význačnost dále nezlepšila. (Zde uvedené minimální hodnoty barevného rozdílu význačných barev odpovídají spodní hranici 95% intervalu spolehlivosti v citované vědecké literatuře.) Modrá čára a šipka na obrázku 3 shrnují účinek malého vizuálního subtenze (<2 stupně vizuální úhel) na zdánlivou barevnou podobnost jako funkci vypočteného barevného rozdílu. Zorný úhel , který svírá zobrazeném symbolu nebo jiného obrazu segmentu je možné přesně změřit nebo vypočítat.

Nedostatek barevného vidění může ovlivnit význam symbolu

Mezi nejběžnější formy dědičného nedostatku barev patří červeno-zelené zmatky. Tyto zmatky vnímání barev jsou způsobeny nedostatkem v sítnicových buňkách k vnímání dlouhých (např. Červených) nebo středních (např. Zelených) vlnových délek. Červená nebo zelená by vypadala tmavší pro lidi s nedostatkem odpovídajících buněk. Malé vizuální subtenze symbolů nebo vzácnější forma nedostatku barev (tritanopia), snižují rozdíly v modrosti (kvůli řídkému vzorkování buňkami snímajícími krátkou vlnovou délku v sítnici). Barevný kód pro obecné použití, kde se nelze vyhnout nedostatku barev ani malému vizuálnímu zeslabení (např. Vzdálené sledování), je bílý, černý, oranžový a šedý, který lze rozlišit v jasu od ostatních barev kódu a od jasu pozadí. To předpokládá vzdálené sledování osobou, která si zachovává schopnost vnímat buď dlouhé nebo střední vlnové délky. Mohla by být přidána modrá (ale rozlišitelně lehčí než černá), vzhledem k vzácnosti nedostatečných buněk pro snímání krátkých vlnových délek, pokud pozorovací vzdálenosti zajišťují vizuální subtenzi barevně kódovaných symbolů delší než 30 minut. (Viz obrázek 1b.)

I vnímání ve stupních šedi může být ovlivněno barevnými nedostatky. Pozorovatelé s nedostatkem červeno-zelené barvy, kteří uchovávají buňky snímající dlouhé vlnové délky (deuteranopy), jsou přesnými soudci barevných rozdílů blízko červené. Z tohoto důvodu, to nejlepší barevný kód pro barevné s nedostatkem pozorovatelů bude záviset na typu deficitu barev .

Obrázky mohou být vylepšeny pro prohlížení pozorovateli s nedostatkem barev. Doporučenými metodami jsou vylepšení okrajů, přebarvování a superpozice vzorů pro doplnění barev. Jsou představeny tři druhy obrázků: přírodní scéna, vědecká vizualizace nebo kancelářský dokument. Žádná technika nesplňuje požadavky všech aplikací.

Obrázek 5. Ukázka toho, jak rozdíl jasu mezi symbolem a jeho pozadím ovlivňuje čitelnost symbolu. Vodorovné pruhy a svislé sloupce zpráv mají konstantní barvu.

Čitelnost v kontextu barevného kódování

Čitelnost se liší od význačnosti, o níž jsme hovořili výše. Čitelnost souvisí s jasně a zřetelně viditelnými hranami, tvary a prostorovými detaily, a tedy se čtením. Čitelnost symbolu závisí na rozdílu jasu (nikoli na barevném rozdílu) mezi symbolem a pozadím, na kterém je symbol uveden. Obrázek 5, jehož koncept představil australský architekt Paul Green-Armytage, ukazuje tento účinek rozdílu jasu na čitelnost. Z tohoto důvodu je žlutá (barva s vysokou svítivostí) na jasně bílém pozadí hůře čitelná a naopak bílé symboly jsou na žlutém pozadí hůře čitelné. Tmavě modré (barva s nízkou svítivostí) jsou na černém pozadí hůře čitelné a naopak černá písmena jsou na tmavě modrém pozadí hůře čitelná. A to přesto, že žlutá je výrazná na bílém pozadí a modrá je nápadná na černém pozadí. Adekvátní barevný rozdíl mezi vizualizovanými položkami je komplementární a kompatibilní s tím, že umožňuje čitelnost s adekvátním rozdílem jasu mezi položkami a jejich pozadím. Existují zdroje pro kvantifikaci požadovaného rozdílu jasu, aby byla čitelnost k dispozici.

Stupně šedi, důležitý nástroj pro vizualizaci dat

Svítivost kromě svého vlivu na čitelnost ovlivňuje také stupně šedi. Rozdíly světlosti a jasu jsou atributy rozdílů barev ve stupních šedi, takže mohou ovlivnit viditelnost symbolů. Stupně šedi jsou přístupné lidem s nedostatkem barevného vidění a jsou méně náchylné (než chromatické rozdíly) k vyblednutí kvůli malému vizuálnímu subtenzi. Ukázalo se, že stupně šedi (spíše než rozdíl barevných barev) jsou zvláště vhodné pro kódování pořadových dat, jako je teplota na mapě počasí.

Změna jasu pozadí činí z rozdílu mezi (případně barevně odlišenými) symboly jas, který má jas pouze větší než a jen menší než každý zvolený jas pozadí. Tečkovaná šedá čára na obrázku 3 shrnuje tento efekt. Leon Williams to pozoroval a navrhl techniku ​​vizualizace dat, kterou nazval krájením dat, jak je ukázáno na obrázku 6.

Obrázky 6a-d. Krájení dat nebo změna jasu pozadí obrázku může znamenat, že různá data budou výraznější. Existují čtyři kopie stejných dat, každá kopie s jiným jasem pozadí. Kliknutím na obrázek zobrazíte podrobnosti na celou obrazovku.

Whittle logaritmický výpočet ve stupních šedi pro samostatně svítící zařízení kvantifikuje vizuální efekty rozdílů jasu mezi zobrazenými symboly. Umožňuje výpočet libovolného počtu stejných vnímatelných rozdílů (nEPD) tak malých, jako je práh viditelnosti, nebo jakékoli nadpozemské velikosti. Velikost jednotky nEPD je trojnásobek nebo čtyřnásobek absolutního prahu viditelnosti pro změnu jasu. Tato jednotka nEPD je „jen na první pohled patrná“ díky bezplatnému prohlížení elektronického displeje.

Výpočet Whittle je neobvyklý (mezi vzorci ve stupních šedi) čtyřmi způsoby.

1. Obsahuje jas pozadí.
2. Platí pro všechny fotopické (tj. Denní světlo) svítivosti na základě údajů o prahových hodnotách a shodě.
3. Jeho deriváty mají smysl.
4. Může za to prostorové měřítko kontrastu.

Derivát (sklon) nEPD s ohledem na jas pozadí implikuje optimální jas pozadí. Bílé pozadí se používá z historických důvodů souvisejících s čitelností malých symbolů. Neexistuje však velikost symbolu ani rozsah jasu symbolu, pro který je bílé pozadí optimální, ve smyslu maximalizace počtu viditelně odlišných odstínů šedi, které mohou symboly v tomto rozsahu jasu mít. Optimální pozadí může zdvojnásobit počet odstínů šedi viditelných mezi většími symboly. Optimální jas pozadí je vždy menší než 46% maxima rozsahu jasu symbolu pro rozsahy včetně nuly.

Kontrasty (např. Zobrazené symboly) mají rozdíl jasu od svého pozadí. Kontrastní jas by byl menší než jas pozadí pro negativní kontrasty a kontrastní svítivost překračuje jas pozadí pro pozitivní kontrasty. Derivát nEPD s ohledem na kontrastní jas předpovídá práh viditelnosti kontrastu (např. Aby se zabránilo vytváření pruhů v digitálním obrazu) pro jakoukoli kombinaci jasu symbolu a pozadí na denní světlo. Derivát Whittlova výpočtu s ohledem na kontrastní svítivost také kvantifikuje citlivost lidského nadproudu na rozdíly jasu nebo změny pro všechny kombinace denního světelného cíle a jasu pozadí. Tento derivát je klíčový pro zpracování digitálního obrazu, a zejména specifikaci histogramu, což naznačuje použitelnost pro lékařské okénkování obrazu. Výpočet Whittle ukazuje velikost pozitivního kontrastu, po jejímž překročení se kontrastní jas zvyšuje (s rostoucí kontrastní svítivostí) proti jakémukoli pozadí stejně jako proti neosvětlenému (černému) pozadí. U méně pozitivních kontrastů a u negativních kontrastů závisí světlost symbolu na jasu pozadí symbolu (způsoby popsanými Whittlovým výpočtem a známými jako stálost světlosti). Kalibrace kontrastu jasu kontrastu by byla nezbytná v kritických aplikacích.

Obrázek 7. Graf výpočtu Whittle ve stupních šedi (převzatý CIE) pro zařízení s vlastním osvětlením, aplikovaný na optotyp E, který má 10 minut oblouku (1/3 průměru slunce nebo úplňku). Podrobnosti o tomto grafu najdete v textu.

Na obrázku 7 je pro každou jas pozadí jiná křivka nEPD. Nejstrmější část každé křivky (největší změna stupňů šedi na jednotku změny jasu symbolu) je u jasů symbolů téměř stejná jako jas pozadí. Další relativně strmá část každé křivky je zcela vlevo, kde je jas symbolu téměř nulový. Negativní nEPD odpovídá negativním kontrastům a pozitivní nEPD odpovídá pozitivním kontrastům. Symboly se stejným nEPD z jejich příslušných pozadí budou mít stejný odstín šedé, přestože jsou na různých pozadí. (Viz obrázek 8, který ilustruje tuto shodu šedých barev na různých pozadí.) Logaritmické zakřivení Whittlova výpočtu má racionální základ. Mezilehlá svítivost pozadí pro samotný obrázek 7 zvyšuje počet kroků ve stupních šedi viditelných mezi křivkami, což činí z věrohodného optimální jas pozadí.

Whittleův výpočet pro zařízení s vlastním osvětlením má parametr k vztahující se k prostorovému měřítku symbolu. Je to (k) je podíl (mezi 0 a 100%) kontrastu obrazu (cílová svítivost mínus jas pozadí) ztracený nitroočním rozptylem na cestě k získání obrazu sítnice. Snížení úhlové subtenze symbolu vždy sníží rozdíl ve fyzické jasu mezi symbolem a jeho pozadím (kvůli nitroočnímu rozptylu), čímž se sníží čitelnost a nápadnost a zvýší se k. Tento parametr, k, lze vypočítat z optických principů, jako tomu bylo pro stupnici šedi 10-obloukové minuty (k = 0,2) optotypu E znázorněného na obrázku 7. Když se zmenší úhlové zesílení symbolu (reprezentované k), snižuje se také optimální jas pozadí. Výpočet Whittle není ovlivněn světly vzdálenými od kontrastu, jak bylo experimentálně ověřeno. Účinek vzdálených světel na vzhled ve stupních šedi je způsoben nitroočním rozptylem.

Obrázek 9. Stejné věnce šesti šestiúhelníků ve stupních šedi s různým jasem pozadí. Světlejší pozadí ztmaví stupně šedi.

Obrázek 8. Tento obrázek ilustruje koncept shody šedých s různým jasem pozadí. Každý šestiúhelník má jinou svítivost. Přesnější shody lze vypočítat pro konkrétní situaci sledování.

Fenomén šedé škály, který lze vypočítat pomocí Whittleova výpočtu pro zařízení s vlastním osvětlením, odpovídá šedým odstínům s různým jasem pozadí. Výpočet lze naopak použít k nalezení jasů pozadí, které způsobí shodu specifikovaných kontrastních jasů. Podle výpočtu (jak je vidět na obrázku 7) není možné porovnat negativní kontrasty s pozitivními kontrasty; negativní kontrasty vždy vypadají tmavší než pozitivní kontrasty. Tři odpovídající (pozitivně kontrastní) mraky na obrázku 8 mají větší jas než jejich příslušné šestiúhelníky pozadí. Tři (mraky s negativním kontrastem) mají menší jas než jejich pozadí a také se navzájem shodují.

Podle výpočtu Whittle jsou tmavší odstíny dosažitelné se zářivějším pozadím. Účinek je výraznější u větších mezičasů, ale lze jej vidět v levé dolní části obrázku 7, kde je dosaženo negativnějšího nEPD, když je jas pozadí větší. Obrázek 9 ilustruje účinek; stejný hexagonální vizuální cíl je podle Whittleova výpočtu považován za tmavší šedou (včetně černé), když je jeho pozadí zářivější.

Průběžný výzkum a vývoj

Výzkum a vývoj pokračuje v technologiích vizualizace dat. Například pokračuje výzkum a vývoj s cílem zlepšit výpočty barevných rozdílů. Primární motivací tohoto výzkumu a vývoje je stanovení minimálních detekovatelných prahů barevného rozdílu, pro kontrolu kvality průmyslových barevných procesů (např. Potraviny, barvy, textil, plasty, tisk a samostatně svítící displeje). Vzhledem k tomu, že byly výpočty rozdílu barev vylepšeny pro stanovení prahové hodnoty, staly se náhodně lepšími pro aplikace nadpozemských hranic související s vizualizací dat. Od chvíle, kdy byl vztah na obrázku 3 poprvé ukázán, existuje praktický zájem o přesnější určení (vypočteného barevného rozdílu) umístění kolena křivky pro dvoustupňové vizuální subtenze a pro menší subtence. Obecný společenský zájem na inkluzivitě, a zejména na přizpůsobení zdravotního postižení, stimuloval výzkum barevných aplikací pro lidi s poruchou barevného vidění. Živou oblastí výzkumu (například od Briana Wandella a Davida Brainarda a CIE) je výpočetní modelování k předpovědi (např. Barvy) vzhledu, včetně všech faktorů, jako je nitrooční optika, reakce sítnicových kuželových buněk, efekty vizuální subtenze, excentricita z pohledu, atmosférické optiky, spektra osvětlujícího světla, kontextu a přizpůsobení barev. Existuje výzkum metod pro kalibraci displejů, například pro zvýraznění barev na displeji umístěném vzdáleně od osoby programující vizualizaci dat a pro přesnější vykreslování barev na displejích. Displeje s vysokým dynamickým rozsahem (HDR) umožňují vizualizaci těch nejvýraznějších barev; HDR je aktivní oblast výzkumu. Výzkum pokračuje na vizuálních cestách a obvodech v mozku; některé z nich jsou relevantní pro vizualizaci a porozumění dat. Proprietární vývoj technologie barevného displeje, počítačů a softwaru také zlepšuje vizualizaci dat. Existuje výzkum, který by aplikoval na vizualizaci umělecké techniky barevného kódování „aby umožnil nevědecům pracovat se skutečnými daty a komunikovat o problémech, které jsou pro lidstvo zásadní“.

Viz také

• Falešná barva
• Nemožná barva

Reference