Kodowanie kolorami w wizualizacji danych - Color coding in data visualization

Wizualizacja danych osiąga dziś swoje znaczenie dzięki technologii informatycznej: big data przetwarzana w komputerach z odpowiednim oprogramowaniem do wizualizacji, w połączeniu z technikami statystycznymi i kodowaniem kolorami na wyświetlaczach elektronicznych. Ten artykuł dotyczy kodowania kolorami w wizualizacji danych .

Początki kodowania kolorami obejmują rubryki , twierdzenie o czterech kolorach w kartografii oraz książkę Jacquesa Bertina z 1967 roku, Sémiologie Graphique ( Semiologia grafiki ). Współczesne kodowanie kolorami do wizualizacji danych jest możliwe dzięki czterem technologiom: statystyce, technologii kolorów, wyświetlaczom i informatyce. Wizualizacja danych została zorganizowana przez statystyków Johna Tukeya i Edwarda Tufte w ich odpowiednich, przełomowych książkach Exploratory Data Analysis w 1977 i The Visual Display of Quantitative Information w 1982. Nie kładli nacisku na użycie koloru. Inni wykazali wyższość kodowania kolorami w celu przyspieszenia wizualnego wyszukiwania wyświetlanych informacji oraz lokalizowania i organizowania interesujących informacji. Trzecim warunkiem wstępnym wizualizacji danych oznaczonych kolorami są kolorowe wyświetlacze elektroniczne o wysokiej rozdzielczości, wysokim kontraście i wysokiej luminancji. Firmy Honeywell Corporation i Boeing Corporation zebrały dane techniczne, które nadal są przydatne do korzystania z kolorowych wyświetlaczy. Niedawno amerykańska Federalna Administracja Lotnictwa (Federal Aviation Administration) opublikowała wytyczne techniczne dotyczące wizualizacji danych dynamicznych (ruchu lotniczego) na kolorowych wyświetlaczach samoświetlnych.

Ludzie mają wrodzoną zdolność do wyszukiwania wizualnego kodowanego kolorami. Bez przeszkolenia lub praktyki czas wyszukiwania przy użyciu kodowania kolorami może zostać skrócony o dziesięciokrotnie lub więcej razy w porównaniu z wyszukiwaniem na tym samym wyświetlaczu informacji bez kodowania kolorami. Na przykład rysunek 1a ilustruje przedłużone wyszukiwanie bez kodowania kolorami, podczas gdy rysunek 1b przedstawia kodowanie kolorami, dzięki którym dane są bardziej istotne.

Rysunki 1a i b. Która kategoria ma najmniej gwiazdek: 32-, 24- lub 16-ramienne gwiazdki? Kliknij rysunek, aby zobaczyć szczegóły na pełnym ekranie.

Podstawy kodowania kolorami do wyszukiwania i grupowania danych

Wizualizacja oznaczona kolorami

Kodowanie kolorami ma różnorodne zastosowania do wizualizacji danych. Ogólną zasadą jest dostosowanie wyrazistości kolorów do trafności wyświetlanych informacji . Wyszukującemu można nadać kolor przedmiotu, który ma znaleźć, lub może znać kolor poszukiwanej kategorii na podstawie swojego doświadczenia. Ewentualnie ich zadanie może wymagać szukania przedmiotu, który wyróżnia się jako inny, oznaczony kolorem, bez podania koloru docelowego.

Wyraźne kolory mogą być użyte na przykład do podkreślenia wzorów lub umożliwienia szybkiego wyszukiwania:

Innym zastosowaniem kodowania kolorami jest pokazywanie symetrii w wizualizowanych danych. Kodowanie kolorami może łączyć i rozplątywać np. trendy na wykresie lub ciągłość aksonów w konektomie neuronowym . Wciąż wynajduje się nowe zastosowania wrodzonej umiejętności wyszukiwania lub grupowania w oparciu o kolor, np. dla sieci, twierdzenia o kolorowaniu dróg , map cieplnych, genomu, zmienności strukturalnej genomu, przeglądarek genomu i danych przestrzennych, takich jak cząsteczki. Kodowanie kolorami służy do wizualizacji wartości odstających i błędów w nieznanych danych.

Kodowanie kolorami służy również do celów innych niż wizualizacja wyświetlanych danych. Wizualizacja danych uzupełnia i nie zastępuje tych innych zastosowań ani ich nie zaprzecza. Jeżeli konflikt jest możliwy, na przykład gdy istnieją ustalone znaczenia kolorów w innych kontekstach, takich jak światła sygnalizacyjne, wówczas znaczenia te należy traktować z szacunkiem przy wyborze kolorów do kodu koloru wizualizacji danych.

Czas potrzebny na znalezienie wizualizowanych informacji

Poszukiwanie wzrokowe odbywa się poprzez szybkie mimowolne i podświadome ruchy gałek ocznych zwane sakadami . Podczas poszukiwań wzrokowych oko wykonuje około trzech sakad na sekundę. Takie ruchy oczu ograniczają ludzkie zdolności poznawcze. Wyszukiwanie obejmuje sieć neuronową w mózgu do przetwarzania ruchu i lokalizacji oraz kontrolowania ruchów sakadowych. Ta sieć neuronowa jest wrażliwa na kolor i zmianę; kodowanie kolorów i kodów błyskowych (jasność zmieniająca się w czasie) może się uzupełniać, aby zwiększyć szybkość wyszukiwania, bez wzajemnych zakłóceń.

Jeśli na wyświetlaczu znajduje się N pozycji do przeszukania, zwykle potrzeba N/2 sakad, aby zlokalizować określoną pozycję. Biorąc pod uwagę trzy sakkady na sekundę, N/(2*3) = N/6 sekund to szacunkowy czas wyszukiwania jednej pozycji wśród N. Szacunek poprawia się przez dodanie czasu reakcji, być może sekundy; oczekiwany czas wyszukiwania wynosi 1 + N/6 sekund, aby znaleźć element docelowy wśród N wyświetlonych elementów . Szacunek ten jest zgodny z empirycznymi czasami wyszukiwania. W takiej sytuacji czas wyszukiwania oznaczony kolorem zwiększa się liniowo wraz z liczbą elementów informacji na ekranie, które mają wspólny kolor docelowy . Co więcej, wyszukiwanie jest szybsze, gdy elementy w kolorze docelowym są uporządkowane przestrzennie , na przykład w postaci krętych ścieżek lub układu prezentacji lub projektu danych liczbowych.

Czas wyszukiwania ma wykładniczy rozkład statystyczny. W rozkładzie wykładniczym zmienność (odchylenie standardowe) jest równa oczekiwanej wartości lub średniej. Wraz ze wzrostem oczekiwanego czasu wyszukiwania rośnie również zmienność czasu wyszukiwania. Dłuższy oczekiwany czas wyszukiwania oznacza kilka bardzo długich wyszukiwań. Na przykład, przy 30 różnych elementach wyszukiwania (N=30) losowo rozmieszczonych na ekranie, oczekiwany czas wyszukiwania to 6 sekund, ale 5% wyszukiwań będzie trwać dłużej niż 18 sekund. Podobne wyniki przedstawiono w Tabeli 1.

Krótki oczekiwany czas wyszukiwania zapobiega niedopuszczalnie długim wyszukiwaniom związanym z dłuższym średnim czasem wyszukiwania. Na podstawie liniowego wzrostu czasu wyszukiwania wraz z liczbą potencjalnych celów i wykładniczym rozkładem czasów wyszukiwania (patrz Tabela 1), ograniczenie wyświetlanych elementów o tym samym kolorze celu do mniej niż około 11 skróciłoby czas wyszukiwania do mniej niż 10 sekund prawie cały czas. Więcej elementów mogłoby mieć wspólny kolor docelowy, gdyby celem było pogrupowanie podzbiorów (różnych kolorów) rozproszonych elementów w innym celu niż wyszukiwanie.

Wybieranie wyrazistych kolorów do kodowania kolorami

Kodowanie kolorami może sprawić, że informacja stanie się istotniejsza (zob. rys. 1b). Rozróżnialne kody kolorów zmniejszają lub eliminują interferencję z wyszukiwaniem przez wszystkie elementy, które nie mają wspólnego istotnego koloru docelowego. Jakościowe, subiektywne metody wyboru wyraźnych kolorów do kodowania ograniczają się do kilku kolorów. Inżynieria kolorów osiągnęła 22 kolory farb o maksymalnym kontraście, zanim pojawiły się samoświecące kolorowe wyświetlacze. Urządzenia samoświetlne, takie jak ekrany komputerowe, są w stanie uzyskać wyższą luminancję (szersza gama kolorów ), wyższą rozdzielczość (mniejsze symbole i segmenty obrazu) i wyższe kontrasty (wyraźniejsze odróżnienie od tła) niż zwykle osiągane przy użyciu materiałów odblaskowych, takich jak farba . Te cechy wyświetlaczy samoświetlnych stwarzają możliwości i problemy związane z kodowaniem kolorami, które omówiono poniżej.

Obiektywną metodą wyboru wyróżniających się kolorów w celu wizualizacji za pomocą kodów kolorów danych wyświetlanych elektronicznie jest uwzględnienie współrzędnych kolorów kolorów dostępnych w ramach gamy wyświetlacza . Zazwyczaj kolor jest reprezentowany przez trzy współrzędne (R, G, B) , każda z zakresu od 0 do 255 w przypadku reprezentacji 8-bitowej. Najczęściej stosowaną reprezentacją kolorów jest odmiana RGB znana jako sRGB , ale używane są również reprezentacje kolorów RGB zależne od urządzenia. Zaletą reprezentacji RGB zależnej od urządzenia jest to, że jeśli urządzenie używa emiterów światła RGB, może określić każdy kolor, który może być wytworzony przez to konkretne urządzenie. Większość wyświetlaczy wykorzystuje emitery światła RGB, chociaż istnieją alternatywy dla wielu podstawowych kolorów , takie jak wyświetlacze Quattron produkowane przez Sharp Corporation .

Rysunek 2. Niektóre wyraziste kolory odpowiednie do kodowania kolorami znajdują się na zewnętrznej granicy gamy kolorów wyświetlacza. Współrzędne (R,G,B) każdego koloru są pokazane w odpowiednim kolorowym sześciokącie.

Rysunek 3. Schematyczne zestawienie zależności między pozornym podobieństwem kolorów a obliczoną różnicą kolorów. Czerwona linia jest tutaj najbardziej istotna. Inne linie na rysunku 3 zostaną omówione poniżej.

Pomiary optyczne można wykorzystać do obliczenia różnicy kolorów między każdą parą kolorów w kodzie koloru. Wiąże się to z pomiarem spektroradiometrycznym trójbodźcowych wartości kolorów dostępnych z wyświetlacza. Wartości trójchromatyczne (X, Y, Z) to niezależne od urządzenia współrzędne kolorów używane do obliczania różnicy kolorów. Luminancja , korelat skali szarości, to na przykład wartość trójbodźca Y. Formuły różnic kolorów CIEDE2000 lub CIECAM02 są statystycznie lepsze jako metryki rozróżnialności dużych różnic kolorów. Ogólnie rzecz biorąc, obliczenia różnicy kolorów przypisują większą wagę różnicom czerwono-zielonym, a mniej różnicom niebiesko-żółtym i różnicom luminancji (tj. w skali szarości), w tej kolejności skuteczności.

Kolory kodowe, które różnią się nieznacznie od koloru docelowego, sprawiają, że elementy rozpraszające wyglądają podobnie do koloru docelowego, mierzone pod względem czasu wyszukiwania lub pod względem ruchów gałek ocznych. Wyświetlane przedmioty z dużymi różnicami kolorystycznymi od celu nie zakłócają wyrazistości celu. Rysunek 3 podsumowuje tę zależność między podobieństwem koloru lub wyrazistością podczas wizualizacji a obliczoną różnicą koloru. Dyscyplina polegająca na identyfikowaniu (i oddzielaniu, w różnicy kolorów) najbardziej podobnych kolorów w kodzie kolorów będzie użyteczna, niezależnie od metody użytej do wyboru kolorów kodu.

W kodzie z n kolorami istnieje n(n-1)/2 par kolorów (patrz rysunek 4), każda para ma różnicę kolorów. Mnożenie się różnic kolorystycznych wraz ze wzrostem liczby kolorów wymusza systematyczną, algorytmiczną i zautomatyzowaną metodę doboru kolorów. Na przykład mapy lotnicze mogą być oznaczone kolorami 28 kolorami, co oznacza 378 par różnic kolorystycznych.

Rysunek 4. Liczba par kolorów, a tym samym różnice kolorów, w kodzie koloru szybko wzrasta wraz ze wzrostem liczby kolorów.

Wyrazistość wielu kolorów, widzianych w kontekście siebie nawzajem, można zoptymalizować. Ponieważ najmniejsze różnice kolorów zakłócają wyszukiwanie, podczas gdy wystarczająco duże różnice kolorów nie przeszkadzają (patrz Rysunek 3), celem optymalizacji jest maksymalizacja minimalnej obliczonej różnicy kolorów wśród n(n-1)/2 różnic kolorów w kod n-kolor, aby uzyskać dużą liczbę (n) różnych kolorów dla kodu koloru dopasowanego do gamy konkretnego wyświetlacza. Ta podstawowa metoda została opracowana do użytku przemysłowego. Metoda została zastosowana w celu uwzględnienia oświetlenia otoczenia odbitego od wyświetlacza. Metoda optymalizacji została rozszerzona o alternatywne funkcje celu. Został zastosowany w skomplikowanych sytuacjach wystawowych i małych symbolach. Techniczny pomiar kolorów i zoptymalizowana różnica kolorów mogą generować kilka alternatywnych, równie skutecznych kodów, które wykorzystują pełną gamę wyświetlacza i możliwości rozróżniania kolorów przez człowieka. Ta dostępność alternatywnych opcji kodowania umożliwia stosowanie kolorów apropos o wcześniej ustalonych znaczeniach lub unikanie niewłaściwych kolorów.

Praktyczne problemy kodowania kolorami dla istotności informacji

Rozmiar symbolu wpływa na wyrazistość koloru

Pozorna różnica kolorów między obiektami zależy od kąta widzenia obiektów, które są oglądane. Mniejsze symbole powodują zmniejszenie różnic kolorystycznych. Obliczona różnica koloru zakłada dwustopniowy podtekst wizualny. Staw kciuka-paznokieć (od czubka kciuka do stawu przy paznokciu) pojawia się na przykład w około dwóch stopniach subtelności wzrokowej na długości ramienia. Typowe symbole wyświetlania mogą trwać tylko 7 minut lub mniej niż 1/16 z dwóch stopni. Rozważ to w kontekście tych faktów

1. praktycznie nie ma komórek wykrywających krótkie fale (niebieskie) na siatkówce w obrębie 20-minutowego dysku wokół linii wzroku (LOS),
2. stanowią tylko około 7% wszystkich receptorów światła dziennego i
3. komórki wykrywające kolor niebieski są oddalone od siebie o około 4 minuty (w zakresie LOS), wzrastając do około 8 minut z większą ekscentrycznością.

Z tych powodów niebieskie wyróżnienia (zawierające kolory na dowolnej linii tritanu) są tracone dla małych symboli. Nazywa się to tritanopią małego pola, która jest niedoborem koloru dla różnic niebieskich między małymi polami widzenia, na które każdy jest narażony. Stąd różnice w odcieniach błękitu powinny być dyskontowane (lub nawet eliminowane z rozważań) przy doborze kolorów kodowania dla małych symboli, krótszych niż około 30 minut (tj. słońca i księżyca) kąta . Nawet różnice kolorów, które nie obejmują błękitu, wydają się zanikać (jednak mniej niż zanikanie koloru niebieskiego), gdy symbole zmniejszają się. Na przykład obiekty wydają się ciemniejsze (mniej jasne), ponieważ dążą do mniejszej subtelności wizualnej; większe obszary o tej samej luminancji wydają się jaśniejsze niż mniejsze obszary. Możliwe jest oszacowanie wpływu subtensji wzrokowej na pozorną różnicę kolorów, w tym różnicę w skali szarości. Mniejsza wizualna część symboli oznacza mniej wyrazistych, a nawet dających się odróżnić kolorów w tej samej gamie wyświetlania. Kolory kodu będą wyraziste, jeśli ich różnice kolorów wynoszą co najmniej 14 jednostek CIEDE2000 w przypadku symboli o dwustopniowym podnakładzie wizualnym lub równoważną różnicę kolorów oszacowaną dla mniejszych podtekstów. Na przykład, wyrazistość celów wyszukiwania wizualnego 1,5 stopnia na 0,75 stopnia wykorzystywanych przez Williamsa poprawiła się, aby zwiększyć różnice w ich kolorach do co najmniej 21 jednostek CIEDE2000; powyżej około 21 lat ich istotność nie uległa dalszej poprawie. (Minimalne wartości różnicy kolorów dla wyraźnych kolorów podane tutaj odpowiadają dolnej granicy 95% przedziału ufności w cytowanej literaturze naukowej.) Niebieska linia i strzałka na Ryc. kąt widzenia) na pozorne podobieństwo kolorów, jako funkcja obliczonej różnicy kolorów. Kąt widzenia wyznaczany przez wyświetlanego symbolu lub innego segmentu obrazu można dokładnie zmierzyć lub obliczyć.

Niedobór widzenia kolorów może wpływać na wyrazistość symbolu

Najczęstsze formy dziedzicznego niedoboru koloru obejmują pomyłki czerwono-zielone. Te pomyłki w postrzeganiu kolorów są spowodowane niedoborem komórek siatkówki, które wyczuwają długie (np. czerwone) lub średnie (np. zielone) długości fal. Czerwony lub zielony wyglądałby ciemniej dla osób z niedoborem odpowiednich komórek. Mała wizualna subtelność symboli lub rzadsza forma niedoboru koloru (tritanopia), zubożają różnice w odcieniach błękitu (z powodu rzadkiego próbkowania przez komórki wykrywające krótkie fale w siatkówce). Kod koloru do ogólnego użytku, w którym nie można uniknąć ani niedoboru koloru, ani niewielkiej subtelności wizualnej (np. widzenia z daleka), to kolor biały, czarny, pomarańczowy i szarości odróżnialne pod względem luminancji od innych kolorów kodu i od luminancji tła. Zakłada to patrzenie na odległość przez osobę, która zachowuje zdolność wyczuwania fal długich lub średnich. Można dodać kolor niebieski (ale wyraźnie jaśniejszy niż czarny) ze względu na rzadkość występowania wadliwych komórek czujnikowych o krótkiej długości fali, jeśli odległości widzenia zapewniają wizualne podciąganie symboli oznaczonych kolorami dłuższe niż 30 minut. (Patrz rysunek 1b.)

Nawet percepcja w skali szarości może mieć wpływ na niedobory kolorów. Obserwatorzy z niedoborem czerwono-zielonego koloru, którzy zachowują komórki wykrywające długie fale (deuteranopy) są dokładnymi sędziami różnic w kolorze w pobliżu czerwieni. W związku z tym najlepszy kod koloru dla obserwatorów z niedoborem koloru będzie zależał od rodzaju niedoboru koloru .

Obrazy można poprawić do oglądania przez obserwatorów z niedoborem kolorów. Zalecane metody to uwydatnianie krawędzi, ponowne kolorowanie i nakładanie wzoru w celu uzupełnienia koloru. Przewidywane są trzy rodzaje obrazów: scena naturalna, wizualizacja naukowa lub dokument biurowy. Żadna technika nie spełnia wymagań wszystkich aplikacji.

Rysunek 5. Demonstracja, w jaki sposób różnica luminancji między symbolem a jego tłem wpływa na czytelność symbolu. Poziome paski i pionowe kolumny wiadomości mają stały kolor.

Czytelność w kontekście kodowania kolorami

Czytelność różni się od istotności omówionej powyżej. Czytelność wiąże się z wyraźnym i wyraźnym widzeniem krawędzi, kształtów i detali przestrzennych, a więc z czytaniem. Czytelność symbolu zależy od różnicy luminancji (nie różnicy koloru) między symbolem a tłem, na którym symbol jest prezentowany. Rysunek 5, którego koncepcję przedstawił australijski architekt Paul Green-Armytage, pokazuje ten wpływ różnicy luminancji na czytelność. Z tego powodu kolor żółty (kolor o wysokiej luminancji) jest mniej czytelny na jasnym białym tle, a białe symbole są mniej czytelne na żółtym tle. Ciemnoniebieskie (kolor o niskiej luminancji) symbole są mniej czytelne na czarnym tle i odwrotnie czarne litery są mniej czytelne na ciemnoniebieskim tle. Dzieje się tak pomimo tego, że żółty jest wyraźny na białym tle, a niebieski na czarnym tle. Posiadanie odpowiedniej różnicy kolorów między wizualizowanymi elementami jest uzupełnieniem i kompatybilnością, umożliwiając czytelność przy odpowiedniej różnicy luminancji między elementami a ich tłem. Istnieją zasoby umożliwiające ilościowe określenie wymaganej różnicy luminancji w celu umożliwienia czytelności.

Skala szarości, ważne narzędzie do wizualizacji danych

Oprócz wpływu na czytelność, luminancja wpływa również na skalę szarości. Różnice jasności i jasności są atrybutami różnic kolorów w skali szarości, więc mogą wpływać na widoczność symboli. Skala szarości jest dostępna dla osób z wadami widzenia kolorów i jest mniej podatna (niż różnice chromatyczne) na blaknięcie z powodu małej subtelności wzrokowej. Wykazano, że skala szarości (zamiast chromatycznych różnic kolorów) jest szczególnie odpowiednia do kodowania danych porządkowych, takich jak temperatura na mapie pogodowej.

Zmiana luminancji tła uwidacznia różnicę między (prawdopodobnie oznaczonymi kolorami) symbolami, które mają luminancje nieco większe i nieco mniejsze niż każda wybrana luminancja tła. Kropkowana szara linia na rysunku 3 podsumowuje ten efekt. Leon Williams zaobserwował to i zasugerował technikę wizualizacji danych, którą nazwał wycinaniem danych, jak pokazano na rysunku 6.

Rysunki 6a-d. Dzielenie danych lub zmiana luminancji tła obrazu może sprawić, że różne dane będą bardziej wyraziste. Istnieją cztery kopie tych samych danych, każda kopia z inną luminancją tła. Kliknij rysunek, aby zobaczyć szczegóły na pełnym ekranie.

Obliczenie logarytmicznej skali szarości Whittle'a dla urządzeń samoświecących określa ilościowo efekty wizualne różnic luminancji między wyświetlanymi symbolami. Umożliwia obliczenie dowolnej liczby równych różnic odczuwalnych (nEPD) tak małych jak próg widzialności lub dowolnej wielkości ponadprogowej. Wielkość jednostki nEPD jest trzy- lub czterokrotnie większa od bezwzględnego progu widzialności dla zmiany luminancji. Ta jednostka nEPD jest „widoczna na pierwszy rzut oka” dzięki swobodnemu oglądaniu elektronicznego wyświetlacza.

Obliczenie Whittle'a jest nietypowe (wśród formuł w skali szarości) na cztery sposoby.

1. Obejmuje luminancję tła.
2. Ma zastosowanie do wszystkich luminancji fotopowej (tj. światła dziennego), w oparciu o dane dotyczące progów i dopasowania.
3. Jego pochodne mają znaczenie.
4. Może uwzględniać przestrzenną skalę kontrastu.

Pochodna (nachylenie) nEPD w odniesieniu do luminancji tła implikuje optymalną luminancję tła. Białe tło stosuje się ze względów historycznych związanych z czytelnością małych symboli. Jednak nie ma rozmiaru symbolu lub zakresu luminancji symbolu, dla którego białe tło jest optymalne, w sensie maksymalizacji liczby widocznie różnych odcieni szarości, jakie symbole mogą mieć w tym zakresie luminancji. Optymalne tło może podwoić liczbę odcieni szarości widocznych wśród większych symboli. Optymalna luminancja tła jest zawsze mniejsza niż 46% maksymalnego zakresu luminancji symbolu, dla zakresów obejmujących zero.

Kontrasty (np. wyświetlane symbole) różnią się luminancją od tła. Luminancja kontrastu byłaby mniejsza niż luminancja tła dla kontrastów ujemnych, a luminancja kontrastu przekracza luminancję tła dla kontrastów dodatnich. Pochodna nEPD w odniesieniu do luminancji kontrastu przewiduje próg widoczności kontrastu (np. w celu zapobiegania prążkom na obrazie cyfrowym) dla dowolnej kombinacji światła dziennego symbolu i luminancji tła. Pochodna obliczeń Whittle'a w odniesieniu do luminancji kontrastu określa również ilościowo ludzką nadprogową wrażliwość na różnice lub zmiany luminancji dla wszystkich kombinacji światła docelowego i luminancji tła. Ta pochodna jest istotna dla cyfrowego przetwarzania obrazu, a zwłaszcza specyfikacji histogramu, co sugeruje zastosowanie do okienkowania obrazów medycznych. Obliczenie Whittle'a pokazuje wielkość pozytywnego kontrastu, poza którą jasność kontrastu wzrasta (ze wzrostem luminancji kontrastu) równie szybko na dowolnym tle, jak na niepodświetlonym (czarnym) tle. Przy mniejszych kontrastach dodatnich i kontrastach ujemnych jasność symbolu zależy od luminancji tła symbolu (w sposób opisany w obliczeniach Whittle'a i znany jako stałość jasności). Kalibracja kontrastu luminancji wyświetlacza byłaby konieczna w zastosowaniach o znaczeniu krytycznym.

Rysunek 7. Wykres obliczeń w skali szarości Whittle (przyjętych przez CIE) dla urządzeń samoświecących, zastosowany do optotypu E odpowiadającego 10 minutom łuku (1/3 średnicy słońca lub pełni księżyca). Zobacz tekst, aby uzyskać szczegółowe informacje na temat tej fabuły.

Na Rysunku 7, istnieje inna krzywa nEPD dla każdej luminancji tła. Najbardziej stroma część każdej krzywej (największa zmiana skali szarości na jednostkę zmiany luminancji symbolu) jest dla luminancji symboli prawie równa ich luminancji tła. Kolejna stosunkowo stroma część każdej krzywej znajduje się po lewej stronie, gdzie luminancja symbolu jest bliska zeru. Ujemna nEPD odpowiada kontrastom ujemnym, a dodatnia nEPD odpowiada kontrastom dodatnim. Symbole z równym nEPD z ich odpowiedniego tła będą miały ten sam odcień szarości, mimo że znajdują się na różnych tłach. (Patrz rysunek 8, który ilustruje to dopasowanie szarości widoczne na różnych tłach.) Krzywizna logarytmiczna obliczeń Whittle'a ma racjonalną podstawę. Pośrednia luminancja tła dla samej figury 7 zwiększa liczbę stopni szarości widocznych na krzywych, czyniąc prawdopodobną optymalną luminancję tła.

Obliczenie Whittle'a dla urządzeń samoświecących ma parametr k, odnoszący się do skali przestrzennej symbolu. It (k) to proporcja (między 0 a 100%) kontrastu obrazu (jasność docelowa minus luminancja tła) utracona w wyniku rozproszenia wewnątrzgałkowego na drodze do przekształcenia się w obraz siatkówki. Redukcja kątowego kąta symbolu zawsze zmniejsza fizyczną różnicę luminancji między symbolem a jego tłem (ze względu na rozproszenie wewnątrzgałkowe), zmniejszając w ten sposób czytelność i wyrazistość oraz zwiększając k. Ten parametr, k, można obliczyć na podstawie zasad optycznych, tak jak to było dla skali szarości 10-minutowego łuku (k=0,2) optotypu E przedstawionego na rysunku 7. Gdy symbol kątowy (reprezentowany przez k) jest zmniejszony, optymalna luminancja tła również jest zmniejszona. Na obliczenia Whittle nie mają wpływu światła odległe od kontrastu, co zweryfikowano eksperymentalnie. Efekt zdalnych podświetleń na wygląd skali szarości wynika z rozpraszania wewnątrzgałkowego.

Rysunek 9. Identyczne wieńce z sześciu sześciokątów w skali szarości o różnych luminancjach tła. Bardziej jasne tło przyciemnia skalę szarości.

Rysunek 8. Ten rysunek ilustruje koncepcję dopasowywania szarości z różnymi luminancjami tła. Każdy sześciokąt ma inną luminancję. Dokładniejsze dopasowania można obliczyć dla konkretnej sytuacji oglądania.

Zjawisko skali szarości, które można obliczyć za pomocą obliczeń Whittle'a dla urządzeń samoświetlnych, polega na dopasowaniu szarości o różnych luminancjach tła. I odwrotnie, obliczenia można wykorzystać do znalezienia luminancji tła, które pozwolą dopasować określone luminancje kontrastu. Zgodnie z obliczeniami (jak widać na rysunku 7) niemożliwe jest zestawienie kontrastów ujemnych z kontrastami dodatnimi; kontrasty negatywne zawsze wyglądają ciemniej niż kontrasty pozytywne. Trzy pasujące chmury (dodatni kontrast) na rysunku 8 mają większą luminancję niż odpowiadające im sześciokąty tła. Trzy (chmury o ujemnym kontraście) mają mniejszą luminancję niż ich tło i również do siebie pasują.

Według obliczeń Whittle'a, ciemniejsze szarości są osiągalne z jaśniejszym tłem. Efekt jest wyraźniejszy dla większych podstanów, ale można go zobaczyć w lewym dolnym rogu Figury 7, gdzie bardziej ujemną nEPD uzyskuje się, gdy luminancja tła jest większa. Rysunek 9 ilustruje efekt; zgodnie z obliczeniami Whittle ten sam sześciokątny cel wizualny jest widziany jako ciemniejszy szary (w tym czarny), gdy jego tło jest jaśniejsze.

Ciągłe badania i rozwój

Trwają prace badawczo-rozwojowe nad technologiami wizualizacji danych. Na przykład trwają prace badawczo-rozwojowe mające na celu poprawę obliczeń różnicy kolorów. Podstawową motywacją dla tego R&D jest określenie minimalnych wykrywalnych progów różnicy kolorów, dla kontroli jakości nad przemysłowymi procesami koloru (np. żywność, farby, tekstylia, tworzywa sztuczne, druk i wyświetlacze samoświetlne). Ponieważ obliczenia różnicy kolorów zostały ulepszone pod kątem określania wartości progowych, przypadkowo stały się one lepsze w zastosowaniach nadprogowych związanych z wizualizacją danych. Odkąd po raz pierwszy pokazano zależność na Rysunku 3, istnieje praktyczne zainteresowanie bardziej precyzyjnym określeniem (obliczonej różnicy kolorów) położenia kolana krzywizny dla dwustopniowego podnapięcia wzrokowego i dla mniejszych podciągów. Ogólna społeczna troska o inkluzywność, a zwłaszcza o przystosowanie się do niepełnosprawności, pobudziła badania nad zastosowaniem kolorów dla osób z wadą wzroku. Aktywnym obszarem badań (na przykład przez Briana Wandella i Davida Brainarda oraz CIE) jest modelowanie obliczeniowe w celu przewidywania (np. koloru) wyglądu, w tym wszystkich czynników, takich jak optyka wewnątrzgałkowa, odpowiedzi komórek stożka siatkówki, efekty podniecenia wzrokowego, ekscentryczność od linii wzroku, nastrojowej optyki, oświetlającego spektrum światła, kontekstu i dostosowania kolorów. Prowadzone są badania nad metodami kalibracji wyświetlaczy, np. aby uwydatnić kolory na wyświetlaczu oddalonym od osoby programującej wizualizację danych i dokładniej odwzorowywać kolory na wyświetlaczach. Wyświetlacze o wysokim zakresie dynamiki (HDR) zapewniają najbardziej wyraziste kolory do wizualizacji; HDR to aktywny obszar badań. Trwają badania nad ścieżkami i obwodami wzrokowymi w mózgu; niektóre z nich są istotne dla wizualizacji i zrozumienia danych. Opatentowane rozwiązania w zakresie technologii kolorowych wyświetlaczy, komputerów i oprogramowania poprawiają również wizualizację danych. Prowadzone są badania mające na celu zastosowanie artystycznych technik kodowania kolorami do wizualizacji, „aby umożliwić nienaukowcem pracę z rzeczywistymi danymi w celu komunikowania problemów o krytycznym znaczeniu dla ludzkości”.

Zobacz też

• Fałszywy kolor
• Niemożliwy kolor

Bibliografia