01. Ziele Anforderungen+Prozess · Modul Computer Graphik Filtering Mapping Rendering Daten Bild ©Prof. Dr.-Ing. Detlef Krömker 29 Visualisierung 2. Der Visualiiserungsprozess Datenflußin

Prof. Dr.-Ing. Detlef Krömker

Goethe-Universität, Frankfurt

Graphische Datenverarbeitung

Visualisierung

Ziele und Anforderungen –Die Visualisierungspipeline

© Prof. Dr.-Ing. Detlef Krömker 2

Visualisierung01. Allgemeine Ziele und Anforderungen

Rückblick

�Visualisierung als Anwendung der CG

�Meilensteine der Entwicklung

�TerminologieScientific Visualization vs.

Informationsvisualisierung

�Beispiele



Übersicht

1. Allgemeine Ziele der Visualisierung

2. Qualität einer VisualisierungExpressivität – Effektivität - Angemessenheit

3. Die VisualisierungspipelineTransformationen (Funktionen) Datenarten und Datenfluss

4. Klassifikation der Visualisierungen

5. Rollen im Visualisierungsprozess

6. Referenzmodell für die Visualisierung

7. Visualisierungsszenarien



Ziele und allgemeine AnforderungenZiel der Visualisierung

� Erzeugung geeigneter

visueller Repräsentationen von Daten / Informationen

� Die Scientific Visualization soll� die Analyse,

� das Verständnis und

� die Kommunikationvon

� Modellen,

� Konzepten und

� Daten

in der Wissenschaft und im Ingenieurbereich erleichtern.



ZwischenrufDaten – Nachricht – Informationen ?

Mit Hilfe einer (dem Sender und Empfänger) bekannten Abbildungsvorschrift α wird einer (konkreten) Nachrichteine (abstrakte) Information zugeordnet.

Eine Nachricht N zusammen mit der ihr zugeordneten Information I, also das Paar (N,I) nennen wir Objekt. Daten sind spezielle Objekte (binär kodierte Zeichen), besonders in Abgrenzung zu Befehlen genutzt.

nach Bauer, Goos

α

IN a



Einsatzbereiche

explorative Analyse

konfirmative Analyse

Präsentation+ Kommunikation

Erkenntnisgewinnung

Kenntnisvermittlung

(Training)

Noch keine Hypothesen bekannt,interaktive, oft ungerichtete SucheZiel: Formulierung einer Hypothese

Ziel: Bestätigen oder Verwerfen einer Hypothese

Ergebnisse und Fakten für Dritte erkennbar darstellen



Qualität einer Visualisierung(im Falle der Präsentation)

definiert sich durch den Grad, in dem die bildliche Darstellung das kommunikative Ziel der Präsentation erreicht.

Sie läßt sich als das Verhältnis von der vom Betrachter in einem Zeitraum wahrgenommenen Information zu der im gleichen Zeitraum zu vermittelnden Information beschreiben.

Mentale Modelle (Form der Wissensrepräsentation beim Menschen, Begriff aus der kognitiven Psychologie)müssen entwickelt oder geeignet adressiert werden.



Einflußfaktoren auf die Visualisierungsqualität

� die Art und Struktur der Daten,zum Beispiel Typ der Daten sowie Dimension und Struktur des Beobachtungsbereiche,

� das Bearbeitungsziel bei der Visualisierung, beispielsweise Überblick, Detailanalyse oder Ergebnispräsentation für Dritte,

� das Vorwissen des Anwenders/Betrachters,ist er zum Beispiel ein Laie, ein Entscheider oder ein Planer

� die visuellen Fähigkeiten und Vorlieben des Betrachters,ist er etwa farbenblind oder hat er spezielle Farbpräferenzen,

� übliche Metaphern oder Konventionen des Anwendungsgebietes,wie zum Beispiel übliche Symbole oder übliche Darstellungsformen

� die Charakteristika des Darstellungsmediumswie Auflösung, Anzahl der darstellbaren Farben und Rechenleistung



Allgemeine Anforderungen

Eine Visualisierung soll

� expressiv,

�möglichst effektiv und dabei

� angemessen

sein.



Expressivität(Ausdrucksfähigkeit)

�Kriterium:

Unverfälschte Wiedergabe der Daten

�Nur die in den Daten enthaltenen Informationen und nur diese sollen durch die Visualisierung dargestellt werden.



Beispiel Expressivität

Scatterplot Balkendiagrammnach Mackinlay 86

Das Balkendiagramm ist nicht expressiv, da es kontinuierliche, geordnete Werte auf der Abszisse suggeriert.



Diskussion Expressivität

�Die Expressivität ist abhängig von der Struktur und der Art (Typ, Wertebereich, ...) der Daten.

�Expressivität ist oft keine binäre Eigenschaft sondern graduell.

�Die Wahl eines oder mehrerer (maximal, genügend) expressiven Vis-verfahrens oder einer Vis-technik ist i.d.R. der erste Schritt bei der Visualisierung.



Effektivität

Kriterium:

Unter Beachtung der Randbedingungen1. Zielsetzung2. Anwendungskontext

3. visuelle Fähigkeiten des Betrachters4. Eigenschaften (und Einstellungen) des

Graphiksystems

wird ein optimales Vis-Verfahren oder eine optimale Vis-Technik gesucht.



Beispiel Effektivität

Visualisierung von Grundstückspreisen in einer Region (nach Bertin 82)

Die rechte Visualisierung ist effektiver, da die Größen der Kreise direkt die richtige Assoziation erweckt.



Diskussion Effektivität

� Das Effektivitätskriterium gibt Aufschluss über die Fähigkeit einer Darstellungsform, die in ihr enthaltenen Informationen zu veranschaulichenund auf intuitive Weise an den Betrachter zu vermitteln. Im allgemeinen sucht man daher nach der effektivsten Darstellungsform für eine gegebene Datenmenge, aber

� nicht immer ist jedoch die effektivste Visualisierung auch die beste Wahl

� Angemessenheit



Angemessenheit

� setzt Aufwand und Nutzen in Relation� nicht nur Technologiekosten zählen, sondern auch und

insbesondere der

� zeitliche,

� kognitive,

� physische und

� psychische

Aufwand / (die Belastung) für den Betrachter.

� eng mit Effektivität verknüpft: Unangemessene Visualisierungen können nicht effektiv sein.



Zusammenfassung

� Hauptqualitätskriterien bei einer Visualisierung:

Effektivität – Effizienz – Angemessenheit

� Akzeptierte formale Beschreibung ist offener Forschungsgegenstand

� Assistenzsysteme sind möglich und hilfreich –können gravierende Fehler vermeiden

� Gute Visualisierungen zu erstellen ist (und bleibt?) eine

KUNST!

© Prof. Dr.-Ing. Detlef Krömker 18Visualisierung2. Der Visualiiserungsprozess

Die Visualisierungspipeline

Die drei wesentlichen Schritte :

Filtering: „Datenaufbereitung“

Mapping: Erzeugung eines Graqhischen Modells (Geometrie + Merkmale): Visualisierung im engeren Sinn

Rendering: „Bildgenerierung“

(nach Haber: Visualization Idioms: A

conceptual model for scientific

Visualization Systems, 1990)

Filtering

Mapping

Rendering

Daten

Bild



Datenerfassung liefert Rohdaten

� Messung

� Berechnung, Simulation

� Manuelle Eingabe

� Datenbanken, TabellenFiltering

Mapping

Rendering

Daten

Bild



Vervollständigung

� Interpolation (Vorsicht!)

Reduzierung

� Selektion� Projektion

Glättung

� Fehlerkorrektur

Bestimmung charakteristischer Eigenschaften

� Extrema, Gradienten� Statistik, Informationsgehalt

Ergebnis:

aufbereitete Daten

Filtering

Mapping

Rendering

Daten

Bild


Die VisualisierungspipelineAbbildung der aufbereiteten Daten in ein Bild (2D) oder eine Szene (3D)

(Geometrie und Merkmalsebene) durch

� Ensemble von geometrischen Objekten (Punkte, Linien, Flächen, Körper)

� Erscheinungsattribute (Farbe, Struktur, Textur, Parametern von Beleuchtungsmodellen, ... )

� Betrachtungsbedingungen

als Repräsentanten sogenannter visueller Variablen: Position auf der Ebene, Größe, Helligkeit, Musterung (Textur), Farbe, Richtung / Orientierung, Form) nach Bertin

Achtung: In Sonderfällen wird direkt in ein Digitales Bild transformiert (Volume Rendering)

Filtering

Mapping

Rendering

Daten

Bild



Rendering

Transformation einer Geometrie- und Merkmalsbeschreibung in ein Digitales Bild

Filtering

Mapping

Rendering

Daten

Bild


Rückblick auf CG2D Rendering

� (Modelling-Transformation)� Transformieren und Klippen(Screen Mapping) Weltkoordinaten � GerätekoordinatenAuschnitt der „Welt“ � „Fenster“ der Zeichenfläche

x

y

Zeichenfläche


2D Rendering (Fortsetzung)

�Rastern (Scan Konvertieren, Rasterisieren)Geometrische Primitive � Menge von Pixeln


Terminologie Rendering

Fachhistorisch taucht der Begriff schon 1968 z.B. bei Appel auf. Zuächst findet man eine starke Anlehnung an die in der Kunst gebräuchlichen Verwendung: Interpretation, Gestaltung, Ausführung. „Our pupose is to make available to everyone rendering capability previously possible only to rare and talented artitsts and draftsmen.“ [Appel 68]

PEX Glossary 88:„The process of converting output primitive commands and colors into displayable colors and pixel locations.“


3D-Rendering

Drei Grundprobleme:1. Welches Objekt beeinflußt welches Pixel

und wie sind die Objekte in Blickrichtung der Kamera relativ zueiander geordnet?

2. Welcher Farbwert ist diesem Pixel aufgrund der Objekteigenschaften, der Kameraposition der Lichtquellen und der Umgebungsverhältnisse zuzuordnen?

3. Wie sind verschiedene Objekteinflüsse zu überlagern und zu mischen

Geometrie-problem

Beleuchtungs-rechnung

Je nach Ursache A oder B



Anzeige:

Digitale Bild � Videosignal

Elektrooptische Wandler (Display): Monitor, ..., Drucker

Filtering

Mapping

Rendering

Daten

Bild


Themen dieser Vorlesung

Applikationsdomäne

Visualisierung.

.

.

Volumenrendering

Modul Computer Graphik

Filtering

Mapping

Rendering

Daten

Bild


Datenfluß in der Visualisierungspipeline

Rohdaten

Bilder

aufbereitete

Daten

Geometrie +

Merkmalsdaten

Bilder


Bildrepräsentationen (Speicher)

Digitales

Bild

Digital-

video

Graphik Animation

Reiz

Video

� Symbolisch

� Geometrie & Merkmal

� Diskret, Quantisiert

� Elektrisch (optisch)

� Optisch (unmittelbar wahrnehmbar)

zeitunabhängige

Rohdaten

aufbereitete Daten

zeitabhängige

Daten


Mapping

Rendering

Rekonstrukion

Anzeige

Methoden der GDVEinordnung der Visualisierung

Bildverstehen

Merkmalsextraktion

Abtastung

Aufnahme

Digitales Bild Digital-Video

Graphik Animation

zeitunabhängig

Rohdaten

aufbereitete Daten

Reiz

Video

zeitabhängige

Daten

Filtering


Beispiel[nach Haber]

Erfassung der Rohdaten an den roten Punkten

Abbildung auf ein reguläres Gitter

Projektion des Gitters und Mapping der WerteDruck � HöheTemperatur � Farbe


Klassifikation von Visualisierungnach verschiedenen Kriterien

nach VDI 3633 Blatt 7

Abstraktionsgrad der visuellen Elemente

� Symbolisch mit folgenden Ausprägungen�Zeichen(-ketten) Wörter oder Abkürzungen

z.B. chemische Elemente, Verbindungen Pb, S, H20

� (abstraktes) Symbol Kreuz (schwarz, rot, ...)

�Piktogramm (graphisch,bildliches Symbol) Totenkopf (für Gift)




Abstraktionsgrad der visuellen Elemente (2)

� ikonisch, zeigt (für einen Menschen) unmittelbar die Bedeutung, anschaulich� stilisierte Abbildungen ( Strichzeichnungen)

� realitätsnah (elementare Beleuchtungsrechnung)

� fotorealistisch: nicht von einem Foto unterscheidbar




Struktur der Darstellung

� Schrift Zeichenketten, Konventionen

� Tabelle zusätzliche Strukturen im Schriftbild

� Diagramme Anordnung von Zeichen, Symbolen und Ikonen

� Zeichnungen zweckgebundene Abstraktion(Karten) Ähnlichkeiten bezgl. topologischer

Strukturen bleiben erhalten

� Bild höherer Grad der Ähnlichkeit

� Virtuelle Welten „erlebbare“ 3-Dimensionalität




� Zeitverhalten der Daten / des Modells

statisch, dynamisch

(diskret, kontinuierlich)

� Zeitverhalten der Präsentation

� Standbild (Festbild)

� nicht proportionales Bewegtbild

� proportionales Bewegtbild� Zeitlupe

� Echtzeit

� Zeitraffer




Interaktion

� ohne

� Navigation in der Präsentation

� mit dem Simulationsmodell / den Messgeräten

� mit dem graphischen Modell

� „in“ dem Modell (Immersion)

(siehe später)


Rollen im Visualisierungsprozess

� Messfachmann� Simulationsfachmann� Berechnungsfachmann

� Visualisierungsfachmann� (Illustratoren)

� (Fach-) Analytiker� Zuschauer

� Autor („Publisher“)

� Betrachter, Leser(„Viewer“)


Variante 1:Der Autor erzeugt ein Bild /

eine Bildsequenz

� Der Betrachter hat keine Möglichkeiten auf den Visualisierungsprozess Einfluss zu nehmen

� Ggf. hohe Datenraten nötig (Bild, Video)

� Der Autor kann die Qualität garantieren

F M RDaten Bild

Autor Betrachter


Variante 2:Der Autor erzeugt ein Geometrie- und

Merkmalsmodell / eine Animation

� Übertragung zum Beispiel als VRML-Szene� Betrachter kontrolliert virtuelle Kamera und ggf. andere

Renderingparameter (walkthroughs)insbesondere bei 3D Präsentationen sinnvoll

� Betrachter gewinnt Freiheiten� Autor kann i.d.R. Qualität noch sicherstellen

F M RDaten Bild

Autor Betrachter


Variante 3:Betrachter erzeugt die Visualisierung

� Der „Autor“ liefert Rohdaten oder aufbereitete Daten

� Daten werden z.B. als netCDF ausgetauscht� Betrachter hat alle Freiheiten – hat mehr Arbeit und Verantwortung (für Qualität)

� Betrachter braucht Visualisierungssystem

F M RDaten Bild

Autor Betrachter


Variante 4:Der Autor erzeugt ein Geometrie-und Merkmals-modell unter Kontrolle / Einfluß des Betrachters

� Filtering und Mapping wird vom Autor vorbereitet � Über ergänzende Schnittstelle erhält der Betrachter

Möglichkeiten zur Beeinflussung des Filtering und des Mappings, aber in vom Autor kontrollierten Art und Umfang

� Kaum ein Visualisierungssystem erlaubt dieses

F M RDaten Bild

Autor Betrachter


Referenzmodell für die Visualisierung

Datenfluß im erweiterten Modell

F M R

Bild

Visualisierungssystem

Roh-daten

Analyse

NutzerSpezifikation derVisualisierung

BeobachtungMessung

Modellierung

SimulationBerechnung

Daten-analyse


Referenzmodell für die Visualisierung

Kontrollfluß (rot) im erweiterten Modell

Bild


Roh-daten

Analyse


BeobachtungMessung

Modellierung


Daten-analyse

F M R


Interaktionszyklenhaben unterschiedliche Zykluszeiten

Bild


Roh-daten

Analyse


BeobachtungMessung

Modellierung


Daten-analyse

F M R

VerschiedeneVerschiedeneNutzungsszenarienNutzungsszenarien


Szenario: Tracking

Bild


Roh-daten

Analyse


BeobachtungMessung

Modellierung


Daten-analyse

F M R

So wie die Daten gemessen oder erechnet werden, so werden sie visualiisertrealtime = schritthaltend

keine Interaktion


Vollständige interaktive Steuerung(Computational Steering, Steering)

Bild


Roh-daten

Analyse


BeobachtungMessung

Modellierung


Daten-analyse

F M R

„optimal“ für den Erkenntnisprozess(wenn der Nutzer genügende Kentnisse hat)

aber oft aufgrund der benötigten Rechenleistung nicht praktikabel

3

2

1


„Bewegungsmodus“

SchrittDatenerzeugung

Roh-daten

BeobachtungMessung

Modellierung


1 SchrittVisualisierung

Bild

2

Roh-daten

Visualisierung

SchrittAnalyse

Analyse

Nutzer

3

Bild


Interaktives Postprocessingist heute das Standardszenarion

SchrittDatenerzeugung

Roh-daten

BeobachtungMessung

Modellierung


1 SchrittInteraktive Visualisierung

Bild

2

Roh-daten

Visualisierung

Analyse

Nutzer


Zusammenfassung

� Tracking

� „Bewegungsmodus“

� Interaktives Postprozessing

� Interaktive Steuerung

� Visualisierungs(kern-)prozesse sind:� Filtering = „Datenaufbereitung“� Mapping = Abbildung der Daten auf

Geometrie- und Merkmalsdaten( = visuelle Variablen)

� Rendering = Abbildung auf ein Digitales Bild

� Rollen im Visualisierungsprozeß:� Autor – Betrachter

� Nutzungsszenarien:


Ausblick – Nächste Schritte�Beschreibung der Daten

� Datenquellen� Beobachtungsraum� Datenmerkmale

�Datenspezifikation�Datenformate�Reduktion einer Datenmenge

� Projektion� Selektion

Documents

01. Ziele Anforderungen+Prozess · Modul Computer Graphik Filtering Mapping Rendering Daten Bild ©Prof. Dr.-Ing. Detlef Krömker 29 Visualisierung 2. Der Visualiiserungsprozess Datenflußin