Farbcodierung in der Datenvisualisierung - Color coding in data visualization

Ihre Bedeutung erlangt die Datenvisualisierung heute durch die Informationstechnologie: Big Data , die in Computern mit leistungsfähiger Visualisierungssoftware verarbeitet werden, kombiniert mit statistischen Techniken und Farbcodierung auf elektronischen Displays. Dieser Artikel behandelt die Farbcodierung in der Datenvisualisierung .

Zu den Ursprüngen der Farbcodierung gehören Rubriken , das Vierfarbentheorem der Kartographie und Jacques Bertins 1967 erschienenes Buch Sémiologie Graphique ( Semiologie der Graphik ). Die zeitgemäße Farbcodierung für die Datenvisualisierung wird durch vier Technologien ermöglicht: Statistik, Farbtechnologie, Displays und Computing. Die Visualisierung von Daten wurde von den Statistikern John Tukey und Edward Tufte in ihren jeweiligen bahnbrechenden Büchern Exploratory Data Analysis im Jahr 1977 und The Visual Display of Quantitative Information im Jahr 1982 verfahren . Sie betonten nicht die Verwendung von Farbe. Andere zeigten die Überlegenheit der Farbcodierung, um die visuelle Suche nach angezeigten Informationen zu beschleunigen und Informationen von Interesse zu lokalisieren und zu organisieren. Eine dritte Voraussetzung für die farbcodierte Datenvisualisierung sind hochauflösende, kontrastreiche und leuchtstarke elektronische Farbdisplays. Honeywell Corporation und Boeing Corporation haben technische Daten zusammengestellt, die immer noch für die Verwendung von Farbdisplays relevant sind. In jüngerer Zeit hat die US-Luftfahrtbehörde Federal Aviation Administration technische Leitlinien zur Visualisierung dynamischer (Luftverkehrs-)Daten auf selbstleuchtenden Farbdisplays veröffentlicht.

Der Mensch hat eine angeborene Fähigkeit, eine farbcodierte visuelle Suche durchzuführen. Ohne Schulung oder Übung lässt sich die Suchzeit mit Farbcodierung um den Faktor zehn oder mehr verkürzen, verglichen mit einer Suche des gleichen Informationsdisplays ohne Farbcodierung. Abbildung 1a veranschaulicht beispielsweise eine verlängerte Suche ohne Farbcodierung, während Abbildung 1b eine Farbcodierung zeigt, die Daten hervorhebt.

Abbildungen 1a und b. Welche Kategorie hat die wenigsten Sterne: 32-, 24- oder 16-zackige Sterne? Klicken Sie auf die Abbildung, um Details im Vollbildmodus anzuzeigen.

Grundlagen der Farbcodierung für die Datensuche und -gruppierung

Farbcodierte Visualisierung

Farbcodierung hat vielfältige Anwendungen zur Datenvisualisierung. Ein allgemeines Prinzip besteht darin, die Auffälligkeit von Farben mit der Relevanz der angezeigten Informationen in Einklang zu bringen . Die suchende Person kann die Farbe des zu findenden Gegenstands erhalten oder sie kann die Farbe der gesuchten Kategorie aufgrund ihrer Erfahrung kennen. Alternativ könnte ihre Aufgabe es erfordern, nach einem Artikel zu suchen, der sich als anders abhebt, durch Farbe gekennzeichnet ist, ohne dass eine Zielfarbe angegeben ist.

Auffallende Farben können beispielsweise verwendet werden, um Muster hervorzuheben oder eine schnelle Suche zu ermöglichen:

Eine weitere Anwendung der Farbcodierung besteht darin, Symmetrien in visualisierten Daten anzuzeigen. Farbcodierung kann zB Trends auf einem Diagramm oder die Kontinuität von Axonen im neuronalen Konnektom verbinden und entwirren . Neue Anwendungen der angeborenen Fähigkeit, auf der Grundlage von Farben zu suchen oder zu gruppieren, werden immer noch erfunden, zB für Netzwerke, das Road Coloring Theorem , Heatmaps, das Genom, genomische Strukturvariationen, Genombrowser und räumliche Daten wie Moleküle. Die Farbcodierung ist nützlich, um Ausreißer und Fehler in unbekannten Daten zu visualisieren.

Die Farbcodierung wird auch für andere Zwecke als die Visualisierung der angezeigten Daten verwendet. Die Datenvisualisierung ergänzt diese anderen Verwendungen und ersetzt sie nicht oder widerspricht diesen nicht. Wo Konflikte möglich sind, beispielsweise wenn es etablierte Bedeutungen von Farben in anderen Kontexten wie Signallichtern gibt, sollten diese Bedeutungen bei der Auswahl von Farben für einen Farbcode zur Datenvisualisierung berücksichtigt werden.

Erforderliche Zeit, um visualisierte Informationen zu finden

Die visuelle Suche erfolgt durch schnelle unwillkürliche und unbewusste Augenbewegungen, die Sakkaden genannt werden . Das Auge macht bei der visuellen Suche etwa drei Sakkaden pro Sekunde. Solche Augenbewegungen schränken die kognitive Leistungsfähigkeit des Menschen ein. Die Suche umfasst ein neuronales Netzwerk im Gehirn zur Verarbeitung von Bewegung und Ort und zur Steuerung von Sakkaden. Dieses neuronale Netz ist empfindlich gegenüber Farben und Veränderungen; Farb- und Flash-Codierung (zeitlich variierende Helligkeit) können sich gegenseitig ergänzen, um die Suchgeschwindigkeit zu erhöhen, ohne sich gegenseitig zu stören.

Wenn in einer Anzeige N zu durchsuchende Elemente vorhanden sind, werden normalerweise N/2 Sakkaden benötigt, um ein bestimmtes Element zu finden. Bei drei Sakkaden pro Sekunde ist N/(2*3) = N/6 Sekunden eine Schätzung der Suchzeit, um ein Element unter N zu finden. Die Schätzung wird durch Hinzufügen einer Reaktionszeit, vielleicht einer Sekunde, verbessert; Die erwartete Suchzeit beträgt 1 + N/6 Sekunden, um ein Zielelement unter N angezeigten Elementen zu finden . Diese Schätzung stimmt mit empirischen Suchzeiten überein. In einer solchen Situation nimmt die farbcodierte Suchzeit linear mit der Anzahl von Informationselementen auf einer Anzeige zu, die die eindeutige Zielfarbe teilen . Darüber hinaus ist die Suche schneller, wenn die zielfarbenen Elemente räumlich organisiert sind , beispielsweise in gewundenen Pfaden oder Präsentationslayouts oder Gestaltung von Datenfiguren.

Die Suchzeit hat eine exponentielle statistische Verteilung. Bei einer Exponentialverteilung entspricht die Variabilität (Standardabweichung) dem Erwartungswert oder Durchschnitt. Mit der erwarteten Suchzeit steigt auch die Variabilität der Suchzeit. Eine längere erwartete Suchzeit impliziert einige sehr lange Suchen. Bei 30 verschiedenen Suchbegriffen (N=30), die zufällig auf dem Display verteilt sind, beträgt die erwartete Suchzeit beispielsweise 6 Sekunden, aber 5 % der Suchen dauern länger als 18 Sekunden. Siehe Tabelle 1 für ähnliche Ergebnisse.

Eine kurze erwartete Suchzeit verhindert unannehmbar lange Suchen, die mit einer längeren durchschnittlichen Suchzeit verbunden sind. Basierend auf dem linearen Anstieg der Suchzeit mit der Anzahl potenzieller Ziele und der exponentiellen Verteilung der Suchzeiten (siehe Tabelle 1) würde eine Begrenzung der angezeigten Elemente mit der Farbe des Ziels auf weniger als etwa 11 die Suchzeiten auf weniger als 10 Sekunden halten die ganze Zeit. Mehr Elemente könnten die Zielfarbe teilen, wenn das Ziel darin bestünde, Teilmengen (unterschiedliche Farben) von verteilten Elementen zu einem anderen Zweck als der Suche zu gruppieren.

Auswählen von markanten Farben für die Farbcodierung

Farbcodierung kann Informationen hervorheben (siehe Abbildung 1b). Unterscheidbare Farbcodes reduzieren oder eliminieren die Beeinträchtigung der Suche durch alle Elemente, die nicht die hervorstechende Zielfarbe haben. Qualitative, subjektive Methoden zur Auswahl unterschiedlicher Farben für die Codierung sind auf wenige Farben beschränkt. Die Farbtechnik erreichte 22 Lackfarben mit maximalem Kontrast, bevor selbstleuchtende Farbdisplays auf den Markt kamen. Selbstleuchtende Geräte, wie Computerbildschirme, sind in der Lage, höhere Leuchtdichten (größere Farbskala ), höhere Auflösung (kleinere Symbole und Bildsegmente) und höhere Kontraste (auffälligere Unterschiede vom Hintergrund) zu erzielen, als dies normalerweise mit reflektierenden Materialien wie Farbe erreichbar ist . Diese Eigenschaften von selbstleuchtenden Displays schaffen Möglichkeiten und Probleme bei der Farbcodierung, wie unten erörtert.

Ein objektives Verfahren zur Auswahl unterscheidende Farben für farbkodierte Darstellung von elektronisch angezeigten Daten der Farbkoordinaten der Farben innerhalb der Anzeige verfügbar ist zu berücksichtigen Gamut . Typischerweise wird eine Farbe durch drei Koordinaten (R, G, B) dargestellt , die bei 8-Bit-Darstellung jeweils im Bereich von 0 bis 255 liegen. Die am weitesten verbreitete Farbdarstellung ist eine als sRGB bekannte Variante von RGB , wobei auch geräteabhängige RGB-Farbdarstellungen verwendet werden. Ein Vorteil einer geräteabhängigen RGB-Darstellung besteht darin, dass, wenn das Gerät RGB-Lichtemitter verwendet, es jede Farbe angeben kann, die von diesem bestimmten Gerät erzeugt werden kann. Die meisten Displays verwenden RGB-Lichtemitter, obwohl es Alternativen für Multi-Primärfarben-Displays gibt, wie beispielsweise die Quattron- Displays, die von Sharp Corporation hergestellt werden .

Abbildung 2. Einige hervorstechende Farben, die für die Farbcodierung geeignet sind, befinden sich am äußeren Rand des Farbraums des Displays. Die (R,G,B)-Koordinaten jeder Farbe werden im entsprechenden farbigen Sechseck angezeigt.

Abbildung 3. Schematische Zusammenfassung der Beziehung zwischen scheinbarer Farbähnlichkeit und berechnetem Farbunterschied. Die rote Linie ist hier am relevantesten. Andere Linien in Fig. 3 werden unten diskutiert.

Optische Messungen können verwendet werden, um den Farbunterschied zwischen jedem Farbpaar im Farbcode zu berechnen . Dies beinhaltet die spektroradiometrische Messung der Tristimuluswerte von Farben, die auf dem Display verfügbar sind. Tristimuluswerte (X, Y, Z) sind geräteunabhängige Farbkoordinaten, die zur Berechnung des Farbunterschieds verwendet werden. Luminanz , ein Korrelat von Graustufen, ist beispielsweise der Y-Farbwert. Die Farbunterschiedsformeln CIEDE2000 oder CIECAM02 sind als Metriken der Unterscheidbarkeit großer Farbunterschiede statistisch überlegen. Im Allgemeinen geben Farbunterschiedsberechnungen Rot-Grün-Unterschieden mehr Gewicht und Blau-Gelb-Unterschieden und Luminanz- (dh Graustufen-)Unterschieden in dieser Wirksamkeitsreihenfolge weniger Gewicht .

Codefarben mit kleinen Farbunterschieden von der Zielfarbe lassen Ablenkelemente ähnlich der Zielfarbe aussehen, gemessen in Bezug auf die Suchzeit oder in Bezug auf die Augenbewegungen. Angezeigte Gegenstände mit großen Farbunterschieden zum Ziel beeinträchtigen die Auffälligkeit des Ziels nicht. Abbildung 3 fasst diese Beziehung zwischen Farbähnlichkeit oder Auffälligkeit während der Visualisierung und berechneten Farbunterschieden zusammen. Die Disziplin, die ähnlichsten Farben im Farbcode zu identifizieren (und in Farbunterschieden zu trennen), wird nützlich sein, unabhängig davon, welche Methode zur Auswahl von Codefarben verwendet wird.

In einem Code mit n Farben gibt es n(n-1)/2 Farbpaare (siehe Abbildung 4), wobei jedes Paar einen Farbunterschied aufweist. Die Verbreitung von Farbunterschieden mit zunehmender Anzahl von Farben erfordert eine systematische, algorithmische und automatisierte Methode der Farbauswahl. Zum Beispiel können Luftfahrtkarten mit 28 Farben farbcodiert sein, was 378 paarweise Farbunterschiede impliziert.

Abbildung 4. Die Anzahl der Farbpaare und damit der Farbunterschiede in einem Farbcode nimmt mit zunehmender Anzahl von Farben schnell zu.

Die Auffälligkeit vieler Farben, im Kontext zueinander gesehen, kann optimiert werden. Da die kleinsten Farbunterschiede die Suche stören, während genügend große Farbunterschiede nicht stören (siehe Abbildung 3), besteht das Optimierungsziel darin, die minimal berechnete Farbdifferenz unter den n(n-1)/2 Farbunterschieden in an . zu maximieren n-Farbcode, um eine große Anzahl (n) unterschiedlicher Farben für einen Farbcode abzuleiten, der kundenspezifisch an die Farbskala einer bestimmten Anzeige angepasst ist. Dieses Grundverfahren wurde für den industriellen Einsatz ausgearbeitet. Das Verfahren wurde angewendet, um die von einer Anzeige reflektierte Umgebungsbeleuchtung zu berücksichtigen. Das Optimierungsverfahren wurde auf alternative Zielfunktionen erweitert. Es wurde auf komplexe Anzeigesituationen und auf kleine Symbole angewendet. Technische Farbmessung und optimierte Farbunterschiede können mehrere alternative, gleichermaßen effektive Codes erzeugen, die den vollen Farbumfang des Displays und die Fähigkeit zur menschlichen Farbunterscheidung ausnutzen. Diese Verfügbarkeit alternativer Codierungsoptionen ermöglicht die Verwendung von geeigneten Farben mit vorab festgelegten Bedeutungen oder die Vermeidung ungeeigneter Farben.

Praktische Probleme der Farbcodierung für Informationssalienz

Die Symbolgröße beeinflusst die Farbsalienz

Der scheinbare Farbunterschied zwischen Objekten hängt vom Blickwinkel der betrachteten Objekte ab. Kleinere Symbole bewirken geringere Farbunterschiede. Der berechnete Farbunterschied geht von einer visuellen Subtense von 2 Grad aus. Das Daumen-Nagel-Gelenk (von der Daumenspitze bis zum Gelenk-am-Nagel) erscheint beispielsweise auf Armlänge etwa zwei Grad visueller Unterspannung. Typische Anzeigesymbole können nur 7 Minuten oder weniger als 1/16 von zwei Grad betragen. Betrachten Sie dies im Zusammenhang mit diesen Fakten

1. es gibt praktisch keine kurzwelligen (blauen) Wahrnehmungszellen auf der Netzhaut innerhalb einer 20-Minuten-Durchmesser-Scheibe um die Sichtlinie (LOS),
2. sie machen nur etwa 7% aller Tageslichtrezeptoren aus und
3. die blau wahrnehmenden Zellen sind an ihrer nächsten Stelle etwa 4 Minuten voneinander entfernt (innerhalb eines Grades der LOS), wobei sie mit größerer Exzentrizität auf etwa 8 Minuten ansteigen.

Aus diesen Gründen gehen blaue Unterscheidungen (die Farben auf einer beliebigen Tritanlinie beinhalten) für kleine Symbole verloren. Dies wird Kleinfeld-Tritanopie genannt, was eine Farbschwäche für Blauunterschiede zwischen kleinen Gesichtsfeldern ist, der jeder ausgesetzt ist. Daher sollten Blauheitsunterschiede bei der Auswahl von Codierungsfarben für kleine Symbole, die weniger als etwa 30 Minuten (dh die der Sonne und des Mondes) unter der Winkelunterspannung liegen, außer Acht gelassen (oder sogar aus der Betrachtung ausgeschlossen) werden . Selbst Farbunterschiede ohne Blauanteil scheinen zu verblassen (jedoch weniger als Blauschwund), wenn die Symbole kleiner werden. Zum Beispiel erscheinen Objekte dunkler (weniger hell), da sie zu einer kleineren visuellen Subtense tendieren; größere Flächen mit gleicher Leuchtdichte erscheinen heller als kleinere Flächen. Es ist möglich, den Effekt der visuellen Subtense auf den scheinbaren Farbunterschied, einschließlich des Graustufenunterschieds, abzuschätzen. Eine kleinere visuelle Subtensive von Symbolen impliziert weniger hervorstechende oder sogar unterscheidbare Farben in derselben Anzeigeskala. Codefarben sind hervorstechend, wenn ihre Farbunterschiede mindestens 14 CIEDE2000-Einheiten für Symbole mit einer visuellen Subtense von zwei Grad betragen oder die äquivalente Farbdifferenz, wie sie für eine kleinere Subtense geschätzt wird, betragen. Zum Beispiel verbesserte sich die Auffälligkeit der von Williams verwendeten visuellen Suchziele von 1,5 Grad mal 0,75 Grad für die Erhöhung ihrer Farbunterschiede auf mindestens 21 CIEDE2000-Einheiten; über 21 hinaus verbesserte sich ihre Auffälligkeit nicht weiter. (Die hier angegebenen minimalen Farbdifferenzwerte der hervorstechenden Farben entsprechen der unteren Grenze des 95 % -Konfidenzintervalls in der zitierten wissenschaftlichen Literatur.) Die blaue Linie und der Pfeil in Abbildung 3 fassen den Effekt einer kleinen visuellen Subtense (< 2 Grad von ) zusammen Sehwinkel) auf scheinbare Farbähnlichkeit als Funktion des berechneten Farbunterschieds. Der von einem angezeigten Symbol oder einem anderen Bildsegment eingeschlossene Blickwinkel kann genau gemessen oder berechnet werden.

Ein Mangel des Farbsehens kann die Symbolsalienz beeinträchtigen

Die häufigsten Formen des ererbten Farbmangels sind Rot-Grün-Verwechslungen. Diese Farbwahrnehmungsverwirrungen sind auf einen Mangel an Netzhautzellen zurückzuführen, um lange (zB rote) oder mittlere (zB grüne) Wellenlängen wahrzunehmen. Rot oder Grün würden für Menschen mit einem Mangel an den entsprechenden Zellen dunkler aussehen. Kleine visuelle Subtensive von Symbolen oder eine seltenere Form von Farbmangel (Tritanopie), erschöpfende Blauunterschiede (aufgrund von spärlicher Abtastung durch kurzwellige Wahrnehmungszellen in der Netzhaut). Ein Farbcode für den allgemeinen Gebrauch, bei dem weder Farbdefizite noch kleine visuelle Subtens (z. B. Fernbetrachtung) vermieden werden können, sind Weiß, Schwarz, Orange und Grautöne, die in der Leuchtdichte von den anderen Codefarben und von der Hintergrundleuchtdichte unterscheidbar sind. Dies setzt eine Fernsicht durch eine Person voraus, die die Fähigkeit behält, entweder lange oder mittlere Wellenlängen wahrzunehmen. Blau (aber deutlich heller als Schwarz) könnte aufgrund der Seltenheit mangelhafter Kurzwellen-Sensorzellen hinzugefügt werden, wenn die Betrachtungsabstände eine visuelle Subtension farbcodierter Symbole von mehr als 30 Minuten gewährleisten. (Siehe Abbildung 1b.)

Auch die Graustufenwahrnehmung kann durch Farbmängel beeinträchtigt werden. Rot-Grün-Mangel-Beobachter, die langwellige Wahrnehmungszellen (Deuteranope) behalten, können Farbunterschiede in der Nähe von Rot genau beurteilen. Daher hängt der beste Farbcode für farbdefiziente Beobachter von der Art des Farbmangels ab .

Bilder können für die Betrachtung durch farbdefiziente Beobachter verbessert werden. Die empfohlenen Methoden sind Kantenverstärkung, Neufärbung und Musterüberlagerung, um die Farbe zu ergänzen. Es sind drei Arten von Bildern vorgesehen: eine natürliche Szene, eine wissenschaftliche Visualisierung oder ein Bürodokument. Keine Technik genügt den Anforderungen aller Anwendungen.

Abbildung 5. Eine Demonstration, wie sich der Luminanzunterschied zwischen einem Symbol und seinem Hintergrund auf die Lesbarkeit des Symbols auswirkt. Die horizontalen Streifen und die vertikalen Nachrichtenspalten haben jeweils eine konstante Farbe.

Lesbarkeit im Rahmen der Farbcodierung

Die Lesbarkeit unterscheidet sich von der oben diskutierten Salienz. Lesbarkeit bezieht sich auf das klare und deutliche Sehen von Kanten, Formen und räumlichen Details und damit auf das Lesen. Die Lesbarkeit eines Symbols hängt vom Luminanzunterschied (nicht vom Farbunterschied) zwischen dem Symbol und dem Hintergrund ab, auf dem das Symbol präsentiert wird. Abbildung 5, deren Konzept vom australischen Architekten Paul Green-Armytage vorgestellt wurde, demonstriert diesen Effekt des Helligkeitsunterschieds auf die Lesbarkeit. Aus diesem Grund ist Gelb (eine Farbe mit hoher Leuchtdichte) auf einem hellen weißen Hintergrund weniger lesbar, und umgekehrt sind weiße Symbole auf einem gelben Hintergrund weniger lesbar. Dunkelblaue Symbole (eine Farbe mit geringer Leuchtdichte) sind auf schwarzem Hintergrund weniger gut lesbar, und umgekehrt sind schwarze Buchstaben auf dunkelblauem Hintergrund weniger gut lesbar. Und das, obwohl Gelb auf weißem Hintergrund auffällt und Blau auf schwarzem Hintergrund auffällt. Ein ausreichender Farbunterschied zwischen den visualisierten Gegenständen ist komplementär und kompatibel damit, eine Lesbarkeit mit einem angemessenen Helligkeitsunterschied zwischen den Gegenständen und ihrem Hintergrund zu ermöglichen. Es gibt Ressourcen zum Quantifizieren des erforderlichen Helligkeitsunterschieds, um die Lesbarkeit zu ermöglichen.

Graustufen, ein wichtiges Werkzeug zur Visualisierung von Daten

Zusätzlich zu ihrer Auswirkung auf die Lesbarkeit beeinflusst die Luminanz auch die Graustufen. Helligkeits- und Helligkeitsunterschiede sind Graustufenattribute von Farbunterschieden, sodass sie die Auffälligkeit von Symbolen beeinflussen können. Graustufen sind für Menschen mit Farbsehschwächen zugänglich und weniger anfällig (als chromatische Unterschiede) für Ausbleichen aufgrund geringer visueller Unterspannung. Es hat sich gezeigt, dass Graustufen (anstatt chromatischer Farbunterschiede) besonders geeignet sind, um ordinale Daten wie die Temperatur auf einer Wetterkarte zu codieren.

Das Ändern der Hintergrundluminanz macht den Unterschied zwischen den (möglicherweise farbcodierten) Symbolen mit Luminanzen, die gerade größer und gerade kleiner als jede ausgewählte Hintergrundluminanz sind, hervorstechend. Die gepunktete graue Linie in Abbildung 3 fasst diesen Effekt zusammen. Leon Williams beobachtete dies und schlug eine Datenvisualisierungstechnik vor, die er Data Slicing nannte, wie in Abbildung 6 veranschaulicht.

Abbildungen 6a-d. Datenslicing oder das Ändern der Hintergrundluminanz eines Bildes können verschiedene Daten hervorheben. Es gibt vier Kopien derselben Daten, jede Kopie mit einer anderen Hintergrundluminanz. Klicken Sie auf die Abbildung, um Details im Vollbildmodus anzuzeigen.

Die logarithmische Graustufenberechnung von Whittle für selbstleuchtende Geräte quantifiziert visuelle Effekte von Luminanzunterschieden zwischen angezeigten Symbolen. Es ermöglicht die Berechnung einer beliebigen Anzahl gleicher wahrnehmbarer Differenzen (nEPD), die so klein wie die Sichtbarkeitsschwelle sind, oder von einer beliebigen überschwelligen Größenordnung. Die Einheitsgröße der nEPD beträgt das Drei- oder Vierfache der absoluten Sichtbarkeitsschwelle für die Helligkeitsänderung. Diese nEPD-Einheit ist „nur auf einen Blick erkennbar“ mit freier Sicht auf ein elektronisches Display.

Die Whittle-Berechnung ist (unter den Graustufenformeln) in vierfacher Hinsicht ungewöhnlich.

1. Es enthält die Hintergrundluminanz.
2. Sie gilt für alle photopischen (dh Tageslicht) Luminanzen, basierend auf Daten für Schwellenwerte und Anpassung.
3. Seine Ableitungen sind sinnvoll.
4. Es kann die räumliche Skala des Kontrasts berücksichtigen.

Die Ableitung (Steigung) von nEPD in Bezug auf die Hintergrundluminanz impliziert eine optimale Hintergrundluminanz. Weiße Hintergründe werden aus historischen Gründen im Zusammenhang mit der Lesbarkeit kleiner Symbole verwendet. Es gibt jedoch keine Symbolgröße oder keinen Symbolleuchtdichtebereich, für den ein weißer Hintergrund im Sinne einer Maximierung der Anzahl von sichtbar unterschiedlichen Graustufen, die Symbole in diesem Leuchtdichtebereich aufweisen können, optimal ist. Der optimale Hintergrund kann die Anzahl der sichtbaren Graustufen bei größeren Symbolen verdoppeln. Die optimale Hintergrundleuchtdichte beträgt immer weniger als 46 % des Maximums des Symbolleuchtdichtebereichs, für Bereiche einschließlich Null.

Kontraste (zB angezeigte Symbole) weisen einen Helligkeitsunterschied zu ihrem Hintergrund auf. Bei negativen Kontrasten wäre die Kontrastluminanz geringer als die Hintergrundluminanz und bei positiven Kontrasten übersteigt die Kontrastluminanz die Hintergrundluminanz. Die Ableitung von nEPD in Bezug auf die Kontrastluminanz sagt den Schwellenwert der Kontrastsichtbarkeit (zB um Streifenbildung in einem digitalen Bild zu verhindern) für jede Tageslichtkombination von Symbol- und Hintergrundluminanz vorher. Die Ableitung der Whittle-Berechnung in Bezug auf die Kontrastleuchtdichte quantifiziert auch die menschliche Empfindlichkeit über der Schwelle gegenüber Leuchtdichteunterschieden oder -änderungen für alle Kombinationen von Tageslichtziel und Hintergrundleuchtdichte. Dieses Derivat ist für die digitale Bildverarbeitung und insbesondere die Histogrammspezifikation von Bedeutung, was eine Anwendbarkeit auf die Fensterung medizinischer Bilder nahelegt. Die Whittle-Berechnung zeigt den Betrag des positiven Kontrasts, ab dem die Kontrasthelligkeit (mit zunehmender Kontrastluminanz) vor jedem Hintergrund genauso schnell zunimmt wie vor einem unbeleuchteten (schwarzen) Hintergrund. Bei geringeren positiven Kontrasten und bei negativen Kontrasten hängt die Symbolhelligkeit von der Hintergrundluminanz des Symbols ab (in einer Weise, die durch die Whittle-Berechnung beschrieben wird und als Helligkeitskonstanz bekannt ist). In geschäftskritischen Anwendungen wäre eine Display-Luminanz-Kontrast-Kalibrierung erforderlich.

Abbildung 7. Plot der Whittle-Graustufenberechnung (von CIE übernommen) für selbstleuchtende Geräte, angewendet auf ein Sehzeichen E, das 10 Bogenminuten (1/3 des Durchmessers der Sonne oder des Vollmonds) umfasst. Details zu dieser Handlung finden Sie im Text.

In Abbildung 7 gibt es für jede Hintergrundluminanz eine andere nEPD-Kurve. Der steilste Teil jeder Kurve (die größte Änderung der Graustufen pro Einheitsänderung der Symbolluminanz) ist für Symbolluminanzen, die fast gleich ihrer Hintergrundluminanz sind. Ein weiterer relativ steiler Teil jeder Kurve befindet sich ganz links, wo die Symbolluminanz nahe Null ist. Negative nEPD entspricht negativen Kontrasten und positive nEPD entspricht positiven Kontrasten. Symbole mit gleicher nEPD von ihrem jeweiligen Hintergrund erscheinen im gleichen Grauton, obwohl sie sich auf unterschiedlichen Hintergründen befinden. (Siehe Abbildung 8, die diese Übereinstimmung von Graustufen auf verschiedenen Hintergründen veranschaulicht.) Die logarithmische Krümmung der Whittle-Berechnung hat eine rationale Grundlage. Eine mittlere Hintergrundluminanz für Abbildung 7 selbst erhöht die Anzahl der zwischen den Kurven sichtbaren Graustufenstufen, was eine optimale Hintergrundluminanz plausibel macht.

Die Whittle-Berechnung für selbstleuchtende Geräte hat einen Parameter k, der sich auf den räumlichen Maßstab des Symbols bezieht. Es (k) ist der Anteil (zwischen 0 und 100%) des Bildkontrasts (Zielleuchtdichte minus Hintergrundleuchtdichte), der durch intraokulare Streuung auf dem Weg zu einem Netzhautbild verloren geht. Das Verringern der Winkelsubtense eines Symbols verringert immer den physikalischen Luminanzunterschied zwischen dem Symbol und seinem Hintergrund (aufgrund der intraokularen Streuung), wodurch die Lesbarkeit und Auffälligkeit verringert und k erhöht wird. Dieser Parameter k kann nach optischen Prinzipien berechnet werden, wie es für die Grauskala des 10-Bogenminuten-(k=0,2)-Optotyps E in Abbildung 7 der Fall war. die optimale Hintergrundleuchtdichte wird ebenfalls reduziert. Die Whittle-Berechnung ist, wie experimentell verifiziert, von kontrastfernen Glanzlichtern unbeeinflusst. Die Auswirkung von entfernten Lichtern auf die Graustufendarstellung ist auf intraokulare Streuung zurückzuführen.

Abbildung 9. Identische Kränze aus sechs Graustufensechsecken mit unterschiedlichen Hintergrundluminanzen. Ein hellerer Hintergrund verdunkelt die Graustufen.

Abbildung 8. Diese Abbildung veranschaulicht das Konzept der Anpassung von Grautönen an verschiedene Hintergrundluminanzen. Jedes Sechseck hat eine andere Leuchtdichte. Genauere Übereinstimmungen könnten für eine bestimmte Betrachtungssituation berechnet werden.

Ein mit der Whittle-Berechnung für selbstleuchtende Geräte berechenbares Graustufenphänomen ist das Anpassen von Grautönen mit unterschiedlichen Hintergrundluminanzen. Umgekehrt kann die Berechnung verwendet werden, um die Hintergrundluminanzen zu finden, die eine Übereinstimmung der angegebenen Kontrastluminanzen ermöglichen. Gemäß der Berechnung (wie in Abbildung 7) zu sehen ist, ist es unmöglich, negative Kontraste mit positiven Kontrasten abzugleichen; negative Kontraste wirken immer dunkler als positive Kontraste. Drei übereinstimmende Wolken (mit positivem Kontrast) in Abbildung 8 haben eine größere Luminanz als ihre jeweiligen Hintergrund-Sechsecke. Drei (Wolken mit negativem Kontrast) haben eine geringere Luminanz als ihr Hintergrund und stimmen auch miteinander überein.

Laut Whittle-Berechnung sind dunklere Grautöne mit einem helleren Hintergrund erreichbar. Der Effekt ist für größere Subtenses ausgeprägter, kann aber in Abbildung 7 unten links gesehen werden, wo eine negativere nEPD erreicht wird, wenn die Hintergrundluminanz größer ist. Abbildung 9 veranschaulicht den Effekt; das gleiche sechseckige visuelle Ziel wird nach der Whittle-Berechnung als dunkleres Grau (einschließlich Schwarz) wahrgenommen, wenn sein Hintergrund heller ist.

Laufende Forschung und Entwicklung

Die Forschung und Entwicklung an Datenvisualisierungstechnologien wird fortgesetzt. Beispielsweise wird laufend geforscht und weiterentwickelt, um die Berechnung von Farbunterschieden zu verbessern. Die Hauptmotivation für diese F&E ist die Bestimmung von minimal erkennbaren Schwellenwerten für Farbunterschiede zur Qualitätskontrolle industrieller Farbprozesse (z. B. Lebensmittel, Farben, Textilien, Kunststoffe, Druck und selbstleuchtende Displays). Da die Farbdifferenzberechnungen für die Schwellenwertbestimmung verbessert wurden, sind sie glücklicherweise für die überschwelligen Anwendungen in Bezug auf die Datenvisualisierung besser geworden. Seit die Beziehung in Abbildung 3 zum ersten Mal gezeigt wurde, besteht ein praktisches Interesse an einer genaueren Bestimmung der (berechneten Farbdifferenz) Lage des Kurvenknies für zwei Grad visuelle Subtense und für kleinere Subtense. Ein allgemeines gesellschaftliches Anliegen um Inklusivität und insbesondere um die Berücksichtigung von Behinderungen hat die Forschung zu Farbanwendungen für Menschen mit Farbmangel angeregt. Ein dynamisches Forschungsgebiet (z. B. von Brian Wandell und David Brainard und CIE) ist die Computermodellierung zur Vorhersage (z. B. der Farbe) des Erscheinungsbildes, einschließlich aller Faktoren wie intraokulare Optik, retinale Zapfenzellreaktionen, Effekte der visuellen Subtense, Exzentrizität aus Sichtlinie, atmosphärischer Optik, dem erhellenden Lichtspektrum, Kontext und Farbanpassung. Es werden Verfahren zum Kalibrieren von Displays erforscht, um beispielsweise Farben auf einem Display, das sich entfernt von der Person befindet, die die Datenvisualisierung programmiert, hervorzuheben, und um Farben auf Displays genauer wiederzugeben. High Dynamic Range (HDR)-Displays ermöglichen die stärksten Farben zur Visualisierung; HDR ist ein aktives Forschungsgebiet. Die Erforschung von Sehbahnen und Schaltkreisen im Gehirn geht weiter; Einiges davon ist für die Visualisierung und das Verständnis von Daten relevant. Eigenentwicklungen von Farbdisplay-Technologie, Computern und Software verbessern auch die Datenvisualisierung. Es gibt Forschungen, um künstlerische Farbcodierungstechniken auf die Visualisierung anzuwenden, "um es Nichtwissenschaftlern zu ermöglichen, mit tatsächlichen Daten zu arbeiten, um für die Menschheit kritische Themen zu kommunizieren".

Siehe auch

• Falsche Farbe
• Unmögliche Farbe

Verweise