Codificación de colores en la visualización de datos - Color coding in data visualization
La visualización de datos adquiere su importancia hoy en día gracias a la tecnología de la información: big data procesado en computadoras con software de visualización capaz, combinado con técnicas estadísticas y codificación de colores en pantallas electrónicas. Este artículo trata sobre la codificación de colores en la visualización de datos .
Los orígenes de la codificación de colores incluyen rúbricas , el Teorema de cartografía de los cuatro colores y el libro de Jacques Bertin de 1967, Sémiologie Graphique ( Semiología de los gráficos ). La codificación de colores contemporánea para la visualización de datos está habilitada por cuatro tecnologías: estadística, tecnología de color, pantallas e informática. La visualización de datos fue procesada por los estadísticos John Tukey y Edward Tufte en sus respectivos libros históricos Exploratory Data Analysis en 1977 y The Visual Display of Quantitative Information en 1982. No enfatizaron el uso del color. Otros demostraron la superioridad de la codificación de colores para acelerar la búsqueda visual de la información mostrada y para localizar y organizar la información de interés. Un tercer requisito previo para la visualización de datos codificados por colores son las pantallas electrónicas en color de alta resolución, alto contraste y alta luminancia. Honeywell Corporation y Boeing Corporation recopilaron datos técnicos que aún guardan relación con el uso de pantallas en color. Más recientemente, la Administración Federal de Aviación de EE. UU. Ha publicado una guía técnica para la visualización de datos dinámicos (tráfico aéreo) en pantallas a color autoluminosas.
Los seres humanos tienen una capacidad innata para realizar búsquedas visuales codificadas por colores. Sin formación ni práctica, el tiempo de búsqueda con codificación de colores se puede reducir en un factor de diez o más, en comparación con una búsqueda de la misma pantalla de información sin codificación de colores. Por ejemplo, la Figura 1a ilustra una búsqueda prolongada sin codificación de colores, mientras que la Figura 1b muestra la codificación de colores que hace que los datos destaquen.
Figuras 1a y b. ¿Qué categoría tiene la menor cantidad de estrellas: estrellas de 32, 24 o 16 puntas? Haga clic en la figura para ver los detalles en pantalla completa.
Fundamentos de la codificación de colores para la búsqueda y agrupación de datos
Visualización codificada por colores
La codificación de colores tiene diversas aplicaciones para la visualización de datos. Un principio general es alinear la prominencia de los colores con la relevancia de la información mostrada . A la persona que busca se le puede dar el color del artículo que se va a encontrar, o puede que conozca el color de la categoría buscada según su experiencia. Alternativamente, su tarea podría requerir buscar un elemento que se destaque como diferente, representado por el color, sin ningún color de destino.
Los colores sobresalientes se pueden usar, por ejemplo, para resaltar patrones o para permitir una búsqueda rápida:
- para un elemento o elementos de información en particular en una parcela geográfica
- entre fuerzas amigas, hostiles y neutrales en una exhibición de situación militar
- en un mapa meteorológico
- entre datos geológicos, topográficos, sanitarios, políticos, económicos, demográficos, técnicos o aeronáuticos mostrados geográficamente
- para cartografía
- en visualización científica de
- imagenes medicas
- imagenes matematicas
- imágenes hiperespectrales
- a lo largo de diagramas de flujo que incluyen
- flujos de entrada, flujos de salida, depósitos, cámaras de mezcla y torres de condensación, etc.en un flujo de proceso industrial
- diagramas de flujo del proyecto
- diagramas de flujo de procesos
- diagramas de flujo de ventas
- Graficas organizacionales
- flujos financieros, seguir el dinero
- diagramas de causa y efecto
- dentro de visualizaciones estadísticas como
- gráfico de dispersión
- diagramas de tarta
- gráficos de barras
- diagramas de funciones
- análisis de datos exploratorios
Otra aplicación de la codificación de colores es mostrar simetrías en los datos visualizados. La codificación de colores puede conectar y desenredar, por ejemplo, las tendencias en un gráfico o la continuidad de los axones en el conectoma neural . Todavía se están inventando nuevas aplicaciones de la habilidad innata para buscar, o agrupar, basadas en el color, por ejemplo, para redes, el teorema de coloración de carreteras , mapas de calor, el genoma, variación estructural genómica, exploradores del genoma y datos espaciales como moléculas. La codificación de colores tiene utilidad para visualizar valores atípicos y errores en datos desconocidos.
La codificación de colores también se utiliza para fines distintos de la visualización de los datos mostrados. La visualización de datos complementa y no sustituye ni contradice esos otros usos. Cuando es posible un conflicto, por ejemplo, cuando hay significados establecidos de colores en otros contextos, como las luces de señalización, entonces esos significados deben recibir deferencia al elegir colores para un código de color de visualización de datos.
Tiempo necesario para encontrar la información visualizada
La búsqueda visual se logra mediante movimientos oculares rápidos e involuntarios y subconscientes llamados movimientos sacádicos . El ojo hace aproximadamente tres movimientos sacádicos por segundo durante la búsqueda visual. Tales movimientos oculares limitan el rendimiento cognitivo humano. La búsqueda implica una red neuronal en el cerebro para procesar el movimiento y la ubicación, y controlar los movimientos sacádicos. Esta red neuronal es sensible al color y al cambio; el color y la codificación flash (brillo que varía temporalmente) pueden complementarse entre sí para mejorar la velocidad de búsqueda, sin interferencias mutuas.
Si hay N elementos para buscar en una pantalla, tienden a ser necesarios N / 2 movimientos sacádicos para ubicar un elemento en particular. Dados tres movimientos sacádicos por segundo, N / (2 * 3) = N / 6 segundos es una estimación del tiempo de búsqueda para encontrar un elemento entre N. La estimación se mejora agregando el tiempo de reacción, quizás un segundo; el tiempo de búsqueda esperado es igual a 1 + N / 6 segundos para encontrar un elemento de destino entre los N elementos mostrados . Esta estimación concuerda con los tiempos de búsqueda empírica. En tal situación, el tiempo de búsqueda codificado por colores aumenta linealmente con el número de elementos de información en una pantalla que comparten el color de destino distintivo . Además, la búsqueda es más rápida cuando los elementos de color de destino están organizados espacialmente , por ejemplo, en recorridos sinuosos o diseño de presentación o diseño de figuras de datos.
El tiempo de búsqueda tiene una distribución estadística exponencial. En una distribución exponencial , la variabilidad (desviación estándar) es igual al valor esperado o promedio. A medida que aumenta el tiempo de búsqueda esperado, también lo hace la variabilidad del tiempo de búsqueda. Un tiempo de búsqueda más largo implica algunas búsquedas muy largas. Por ejemplo, con 30 elementos de búsqueda diferentes (N = 30) distribuidos aleatoriamente en la pantalla, el tiempo de búsqueda esperado es de 6 segundos, pero el 5% de las búsquedas durarán más de 18 segundos. Consulte la Tabla 1 para obtener resultados similares.
| Número de elementos de búsqueda | 5 | 6 | 7 | 8 | 9 | 10 | 15 | 20 | 30 |
|---|---|---|---|---|---|---|---|---|---|
| Tiempo esperado para encontrar el objetivo (segundos) | 1.8 | 2.0 | 2.2 | 2.3 | 2.5 | 2,7 | 3,5 | 4.3 | 6.0 |
| 5% de búsquedas de más de (s) | 5.5 | 6.0 | 6.5 | 7.0 | 7.5 | 8.0 | 10,5 | 13 | 18 |
El tiempo de búsqueda esperado corto evita búsquedas inaceptablemente largas asociadas con un tiempo de búsqueda promedio más largo. Basado en el aumento lineal del tiempo de búsqueda con el número de objetivos potenciales y la distribución exponencial de los tiempos de búsqueda (ver Tabla 1), limitar los elementos mostrados que comparten el color del objetivo a menos de aproximadamente 11 mantendría los tiempos de búsqueda a menos de 10 segundos casi todo el tiempo. Más elementos podrían compartir el color de destino si el objetivo fuera agrupar subconjuntos (colores diferentes) de elementos dispersos para algún propósito que no sea la búsqueda.
Elegir colores sobresalientes para la codificación de colores
La codificación de colores puede resaltar la información (consulte la Figura 1b). Los códigos de color discriminables reducen o eliminan la interferencia con la búsqueda de todos los elementos que no comparten el color de destino destacado. Los métodos cualitativos y subjetivos para elegir colores distintos para la codificación se limitan a unos pocos colores. La ingeniería del color logró 22 colores de pintura de máximo contraste, antes de la llegada de las pantallas de colores autoluminosas. Los dispositivos autoluminosos, como las pantallas de computadora, son capaces de obtener luminancias más altas (gama de colores más amplia ), resolución más alta (símbolos y segmentos de imagen más pequeños) y contrastes más altos (distinciones más sobresalientes del fondo) de lo que normalmente se pueden lograr con materiales reflectantes como la pintura. . Estas características de las pantallas auto-luminosas crean oportunidades y problemas de codificación de colores, como se explica a continuación.
Un método objetivo de elegir colores distintivos para la visualización codificada por colores de los datos presentados electrónicamente es considerar las coordenadas de color de los colores disponibles dentro de la gama de la pantalla . Normalmente, un color se representa mediante tres coordenadas (R, G, B) , cada una en el rango de 0 a 255 en el caso de una representación de 8 bits. La representación de color más utilizada es una variante de RGB conocida como sRGB , mientras que también se utilizan representaciones de color RGB dependientes del dispositivo. Una ventaja de una representación RGB dependiente del dispositivo es que si el dispositivo utiliza emisores de luz RGB, puede especificar todos los colores que puede producir ese dispositivo en particular. La mayoría de las pantallas utilizan emisores de luz RGB, aunque existen alternativas de pantallas de colores primarios múltiples , como las pantallas Quattron producidas por Sharp Corporation .
Las medidas ópticas se pueden utilizar para calcular la diferencia de color entre cada par de colores en el código de color. Esto implica la medición espectro-radiométrica de los valores triestímulos de los colores disponibles en la pantalla. Los valores de triestímulo (X, Y, Z) son coordenadas de color independientes del dispositivo que se utilizan para calcular la diferencia de color. La luminancia , un correlato de la escala de grises, es el valor triestímulo Y, por ejemplo. Las fórmulas de diferencia de color CIEDE2000 o CIECAM02 son estadísticamente superiores como métricas de discriminabilidad de grandes diferencias de color. Generalmente, los cálculos de diferencia de color dan más peso a las diferencias rojo-verde, y menos a las diferencias azul-amarillo y diferencias de luminancia (es decir, escala de grises), en ese orden de eficacia.
Los colores de código que tienen pequeñas diferencias de color con el color de destino hacen que los elementos distractores se vean similares al color de destino, medido en términos de tiempo de búsqueda o en términos de movimientos oculares. Los elementos mostrados con grandes diferencias de color con respecto al objetivo no interfieren con la prominencia del objetivo. La Figura 3 resume esta relación entre la similitud o prominencia de color durante la visualización y la diferencia de color calculada. La disciplina de identificar (y separar, en la diferencia de color) los colores más similares en el código de color será útil, sea cual sea el método que se utilice para elegir los colores del código.
En un código con n colores, hay n (n-1) / 2 pares de colores (ver Figura 4), cada par tiene una diferencia de color. La proliferación de diferencias de color, a medida que aumenta el número de colores, requiere un método sistemático, algorítmico y automatizado de selección de color. Por ejemplo, las cartas aeronáuticas pueden estar codificadas por colores con 28 colores, lo que implica 378 diferencias de color por pares.
La prominencia de muchos colores, vistos en el contexto de cada uno, se puede optimizar. Debido a que las diferencias de color más pequeñas interfieren con la búsqueda, mientras que las diferencias de color lo suficientemente grandes no interfieren (consulte la Figura 3), el objetivo de optimización es maximizar la diferencia de color mínima calculada, entre las n (n-1) / 2 diferencias de color en un código de n colores, con el fin de derivar un gran número (n) de colores distintos para un código de color personalizado a la gama de una pantalla en particular. Este método básico fue elaborado para uso industrial. El método se ha aplicado para tener en cuenta la iluminación ambiental reflejada por una pantalla. El método de optimización se ha extendido a funciones objetivas alternativas. Se ha aplicado a situaciones de visualización complejas y a pequeños símbolos. La medición técnica del color y la diferencia de color optimizada pueden generar varios códigos alternativos igualmente efectivos que explotan la gama completa de la pantalla y la capacidad de discriminación de color humana. Esta disponibilidad de opciones de codificación alternativas permite el uso de colores apropiados con significados preestablecidos o evitar colores inapropiados.
Problemas prácticos de codificación de colores para la prominencia de la información
El tamaño del símbolo afecta la prominencia del color
La diferencia de color aparente entre los objetos depende del ángulo visual de los objetos que se ven. Los símbolos más pequeños provocan diferencias de color reducidas. La diferencia de color calculada asume un subtenso visual de 2 grados. La articulación de la uña del pulgar (desde la punta del pulgar hasta la articulación de la uña) aparece alrededor de dos grados de subtensión visual a la distancia del brazo, por ejemplo. Los símbolos de visualización típicos pueden subtítulos de solo 7 minutos, o menos de 1/16 de dos grados. Considere esto en el contexto de estos hechos
- virtualmente no hay células de detección de longitud de onda corta (azul) en la retina dentro de un disco de 20 minutos de diámetro alrededor de la línea de visión (LOS),
- comprenden solo alrededor del 7% de todos los receptores de luz diurna y
- las células sensibles al azul están separadas por aproximadamente 4 minutos en su punto más cercano (dentro de un grado de LOS), aumentando a aproximadamente 8 minutos de distancia con mayor excentricidad.
Por estas razones, las distinciones azules (que involucran colores en cualquier línea tritan) se pierden para los símbolos pequeños. Esto se llama tritanopía de campo pequeño, que es una deficiencia de color para las diferencias de azul entre campos visuales pequeños, a la que todo el mundo está sujeto. Por lo tanto, las diferencias de azul deben descartarse (o incluso eliminarse de la consideración) al seleccionar colores de codificación para símbolos pequeños, menos de aproximadamente 30 minutos de subtenso angular (es decir, del sol y la luna) . Incluso las diferencias de color que no implican el azul parecen desvanecerse (aunque menos que el azul) cuando los símbolos disminuyen de tamaño. Por ejemplo, los objetos aparecen más oscuros (menos claros) a medida que tienden a un subtenso visual más pequeño; las áreas más grandes con la misma luminancia aparecen más claras que las áreas más pequeñas. Es posible estimar el efecto del subtenso visual sobre la diferencia de color aparente, incluida la diferencia de escala de grises. El subtexto visual más pequeño de los símbolos implica menos colores sobresalientes, o incluso discriminables, en la misma gama de visualización. Los colores del código serán sobresalientes si sus diferencias de color son al menos 14 unidades CIEDE2000 para símbolos que tienen un subtenso visual de dos grados, o la diferencia de color equivalente estimada para un subtenso más pequeño. Por ejemplo, la prominencia de los objetivos de búsqueda visual de 1,5 grados por 0,75 grados utilizados por Williams mejoró para los aumentos de sus diferencias de color a al menos 21 unidades CIEDE2000; más allá de aproximadamente 21, su prominencia no mejoró más. (Los valores mínimos de diferencia de color de los colores sobresalientes que se dan aquí corresponden al límite inferior del intervalo de confianza del 95% en la literatura científica citada.) La línea azul y la flecha en la Figura 3 resumen el efecto del subtenso visual pequeño (<2 grados de ángulo visual) sobre la similitud de color aparente, en función de la diferencia de color calculada. El ángulo visual subtendido por un símbolo mostrado u otro segmento de imagen se puede medir o calcular con precisión.
La deficiencia de la visión del color puede afectar la prominencia del símbolo
Las formas más comunes de deficiencia de color hereditaria involucran confusiones entre rojo y verde. Estas confusiones de percepción del color se deben a una deficiencia en las células de la retina para detectar longitudes de onda largas (p. Ej., Rojo) o medias (p. Ej., Verde). El rojo o el verde se verían más oscuros para las personas deficientes en las células correspondientes. El subtexto visual pequeño de los símbolos, o una forma más rara de deficiencia de color (tritanopia), reduce las diferencias de azul (debido al muestreo escaso de las células sensibles a la longitud de onda corta en la retina). Un código de color para uso general, donde no se puede evitar la deficiencia de color ni el subtenso visual pequeño (p. Ej., Visión distante), es blanco, negro, naranja y grises discriminables en luminancia de los otros colores de código y de la luminancia de fondo. Esto supone una visión distante por parte de una persona que conserva la capacidad de detectar longitudes de onda largas o medias. Se podría agregar azul (pero claramente más claro que el negro), debido a la rareza de las células de detección de longitud de onda corta deficientes, si las distancias de visualización aseguran una subtensión visual de los símbolos codificados por colores de más de 30 minutos. (Ver Figura 1b.)
Incluso la percepción de la escala de grises puede verse afectada por deficiencias de color. Los observadores con deficiencia de color rojo-verde que retienen células sensibles a longitudes de onda largas (deuteranopes) son jueces precisos de las diferencias de color cercanas al rojo. Por lo tanto, el mejor código de color para los observadores con deficiencia de color dependería del tipo de deficiencia de color .
Las imágenes se pueden mejorar para que las observen los observadores con deficiencias de color. Los métodos recomendados son el realce de bordes, el cambio de color y la superposición de patrones para complementar el color. Se prevén tres tipos de imágenes: escena natural, visualización científica o un documento de oficina. Ninguna técnica satisface los requisitos de todas las aplicaciones.
Legibilidad en el contexto de la codificación de colores
La legibilidad es diferente de la prominencia, discutida anteriormente. La legibilidad está relacionada con ver con claridad y distinción los bordes, las formas y los detalles espaciales y, por lo tanto, con la lectura. La legibilidad de un símbolo depende de la diferencia de luminancia (no de la diferencia de color) entre el símbolo y el fondo sobre el que se presenta el símbolo. La Figura 5, cuyo concepto fue presentado por el arquitecto australiano Paul Green-Armytage, demuestra este efecto de la diferencia de luminancia sobre la legibilidad. Por esta razón, el amarillo (un color de alta luminancia) es menos legible sobre un fondo blanco brillante y, a la inversa, los símbolos blancos son menos legibles sobre un fondo amarillo. Los símbolos azul oscuro (un color de baja luminancia) son menos legibles sobre un fondo negro y, a la inversa, las letras negras son menos legibles sobre un fondo azul oscuro. Esto es a pesar de que el amarillo sobresale sobre un fondo blanco y el azul es conspicuo sobre un fondo negro. Tener una diferencia de color adecuada entre los elementos visualizados es complementario y compatible con, lo que permite la legibilidad con una diferencia de luminancia adecuada entre los elementos y su fondo. Hay recursos para cuantificar la diferencia de luminancia requerida para permitir la legibilidad.
Escala de grises, una herramienta importante para la visualización de datos
Además de su efecto sobre la legibilidad, la luminancia también afecta la escala de grises. Las diferencias de luminosidad y brillo son atributos de escala de grises de la diferencia de color, por lo que pueden afectar la visibilidad de los símbolos. La escala de grises es accesible para personas con deficiencias en la visión de los colores y es menos susceptible (que las diferencias cromáticas) al desvanecimiento debido al pequeño subtenso visual. Se ha demostrado que la escala de grises (en lugar de la diferencia de color cromático) es particularmente apta para codificar datos ordinales como la temperatura en un mapa meteorológico.
El cambio de la luminancia de fondo resalta la diferencia entre los símbolos (posiblemente codificados por colores) que tienen luminancias un poco mayores que, y un poco menores que, cada luminancia de fondo seleccionada. La línea gris punteada en la Figura 3 resume este efecto. Leon Williams, observó esto y sugirió una técnica de visualización de datos que llamó corte de datos, como se ejemplifica en la Figura 6.
_background.svg)
Figuras 6a-d. La división de datos o el cambio de la luminancia de fondo de una imagen pueden hacer que diferentes datos sean más destacados. Hay cuatro copias de los mismos datos, cada copia con una luminancia de fondo diferente. Haga clic en la figura para ver los detalles en pantalla completa.
El cálculo de escala de grises logarítmica de Whittle para dispositivos auto-luminosos cuantifica los efectos visuales de las diferencias de luminancia entre los símbolos mostrados. Permite el cálculo de cualquier número de diferencias perceptibles iguales (nEPD) tan pequeñas como el umbral de visibilidad, o de cualquier magnitud por encima del umbral. El tamaño de la unidad de nEPD es tres o cuatro veces el umbral absoluto de visibilidad para el cambio de luminancia. Esta unidad nEPD “se nota de un vistazo” con visualización gratuita de una pantalla electrónica.
El cálculo de Whittle es inusual (entre las fórmulas de escala de grises) de cuatro formas.
- Incluye la luminancia de fondo.
- Se aplica a todas las luminancias fotópicas (es decir, luz del día), según los datos de los umbrales y la coincidencia.
- Sus derivados son significativos.
- Puede explicar la escala espacial del contraste.
La derivada (pendiente) de nEPD con respecto a la luminancia de fondo implica una luminancia de fondo óptima. Los fondos blancos se utilizan por razones históricas relacionadas con la legibilidad de pequeños símbolos. Sin embargo, no existe un tamaño de símbolo o un rango de luminancia de símbolo para el que un fondo blanco sea óptimo, en el sentido de maximizar el número de tonos de gris visiblemente diferentes que los símbolos pueden tener en este rango de luminancia. El fondo óptimo puede duplicar el número de tonos grises visibles entre los símbolos más grandes. La luminancia de fondo óptima es siempre inferior al 46% del máximo del rango de luminancia del símbolo, para rangos que incluyen el cero.
Los contrastes (por ejemplo, los símbolos mostrados) tienen una diferencia de luminancia con respecto a su fondo. La luminancia de contraste sería menor que la luminancia de fondo para contrastes negativos y la luminancia de contraste excede la luminancia de fondo para contrastes positivos. La derivada de nEPD con respecto a la luminancia de contraste predice el umbral de visibilidad de contraste (por ejemplo, para evitar la formación de bandas en una imagen digital) para cualquier combinación de luz diurna de símbolo y luminancia de fondo. La derivada del cálculo de Whittle con respecto a la luminancia de contraste también cuantifica la sensibilidad supraumbral humana a las diferencias o cambios de luminancia para todas las combinaciones de luminancia de fondo y objetivo de luz diurna. Este derivado está relacionado con el procesamiento de imágenes digitales y, en particular, la especificación del histograma, lo que sugiere su aplicabilidad al sistema de ventanas de imágenes médicas. El cálculo de Whittle muestra la magnitud del contraste positivo más allá del cual aumenta el brillo del contraste (al aumentar la luminancia del contraste) tan rápido contra cualquier fondo como contra un fondo no iluminado (negro). En contrastes positivos menores, y para contrastes negativos, la luminosidad del símbolo depende de la luminancia de fondo del símbolo (en las formas descritas por el cálculo de Whittle y conocidas como constancia de luminosidad). La calibración del contraste de luminancia de la pantalla sería necesaria en aplicaciones de misión crítica.
En la Figura 7, hay una curva nEPD diferente para cada luminancia de fondo. La parte más empinada de cada curva (la mayor parte del cambio de escala de grises por cambio de unidad de luminancia del símbolo) es para luminancias de símbolos casi iguales a su luminancia de fondo. Otra parte relativamente empinada de cada curva se encuentra en el extremo izquierdo, donde la luminancia del símbolo es cercana a cero. La nEPD negativa corresponde a contrastes negativos y la nEPD positiva corresponde a contrastes positivos. Los símbolos con nEPD iguales de sus respectivos fondos aparecerán con el mismo tono de gris, a pesar de estar en diferentes fondos. (Consulte la Figura 8, que ilustra esta coincidencia de grises vistos en diferentes fondos). La curvatura logarítmica del cálculo de Whittle tiene una base racional. Una luminancia de fondo intermedia para la propia Figura 7 aumenta el número de pasos de escala de grises visibles entre las curvas, haciendo plausible una luminancia de fondo óptima.
El cálculo de Whittle para dispositivos autoluminosos tiene un parámetro, k, relativo a la escala espacial del símbolo. Es (k) la proporción (entre 0 y 100%) de contraste de la imagen (luminancia objetivo menos luminancia de fondo) que se pierde por dispersión intraocular en el camino a convertirse en una imagen retiniana. Reducir el subtexto angular de un símbolo siempre reduce la diferencia de luminancia física entre el símbolo y su fondo (debido a la dispersión intraocular), reduciendo así la legibilidad y la visibilidad y aumentando k. Este parámetro, k, se puede calcular a partir de principios ópticos, como lo fue para la escala de grises del optotipo E de 10 minutos de arco (k = 0,2) representado en la Figura 7. Cuando el símbolo subtenso angular (representado por k) se reduce, la luminancia de fondo óptima también se reduce. El cálculo de Whittle no se ve afectado por los reflejos alejados del contraste, como se verificó experimentalmente. El efecto de los reflejos remotos en la apariencia de la escala de grises se debe a la dispersión intraocular.
Un fenómeno de escala de grises que se puede calcular con el cálculo de Whittle para dispositivos auto-luminosos es hacer coincidir los grises con diferentes luminancias de fondo. A la inversa, el cálculo se puede utilizar para encontrar las luminancias de fondo que harán coincidir las luminancias de contraste especificadas. Según el cálculo (como se puede ver en la Figura 7), es imposible emparejar contrastes negativos con contrastes positivos; los contrastes negativos siempre se ven más oscuros que los contrastes positivos. Tres nubes coincidentes (contraste positivo) en la Figura 8 tienen mayor luminancia que sus respectivos hexágonos de fondo. Tres (nubes de contraste negativo) tienen menos luminancia que su fondo y también se combinan entre sí.
Según el cálculo de Whittle, se pueden conseguir grises más oscuros con un fondo más luminoso. El efecto es más pronunciado para subtenses más grandes, pero se puede ver en la parte inferior izquierda de la Figura 7, donde se logra un nEPD más negativo cuando la luminancia de fondo es mayor. La figura 9 ejemplifica el efecto; el mismo objetivo visual hexagonal se ve como un gris más oscuro (incluido el negro) cuando su fondo es más luminoso, según el cálculo de Whittle.
Investigación y desarrollo en curso
Continúa la investigación y el desarrollo de tecnologías de visualización de datos. Por ejemplo, hay investigación y desarrollo en curso para mejorar los cálculos de diferencia de color. La motivación principal de esta I + D es la determinación de umbrales mínimos detectables de diferencia de color, para el control de calidad de los procesos industriales de color (por ejemplo, alimentos, pintura, textiles, plásticos, impresos y pantallas auto-luminosas). A medida que se han mejorado los cálculos de diferencia de color para la determinación del umbral, fortuitamente se han vuelto mejores para las aplicaciones por encima del umbral relacionadas con la visualización de datos. Desde que se mostró por primera vez la relación en la Figura 3, ha habido un interés práctico en la determinación más precisa de la ubicación (diferencia de color calculada) de la rodilla de la curva para subtensos visuales de dos grados y para subtensos más pequeños. Una preocupación social general por la inclusión, y en particular por adaptarse a las discapacidades, ha estimulado la investigación sobre las aplicaciones del color para las personas con visión deficiente del color. Un área de investigación vibrante (por ejemplo, de Brian Wandell y David Brainard, y CIE) es el modelado computacional para predecir (por ejemplo, el color) la apariencia, incluidos todos los factores como la óptica intraocular, las respuestas de las células cónicas de la retina, los efectos del subtenso visual, la excentricidad. desde la línea de visión, la óptica atmosférica, el espectro de luz iluminante, el contexto y la adaptación del color. Se están investigando métodos para calibrar pantallas, por ejemplo, para hacer que los colores resalten en una pantalla ubicada lejos de la persona que programa la visualización de datos, y para representar el color con mayor precisión en las pantallas. Las pantallas de alto rango dinámico (HDR) permiten la visualización de los colores más destacados; HDR es un área de investigación activa. Continúan las investigaciones sobre las vías y los circuitos visuales del cerebro; algo de esto es relevante para la visualización y comprensión de datos. Los desarrollos patentados de la tecnología de visualización en color, las computadoras y el software también mejoran la visualización de datos. Hay investigaciones para aplicar técnicas artísticas de codificación de colores a la visualización "para permitir que los no científicos trabajen con datos reales para comunicar problemas que son críticos para la humanidad".
