Page 1
1
Dr. Ralf Dörner
*RHWKH�8QLYHUVLWlW��)UDQNIXUW
*UDSKLVFKH�'DWHQYHUDUEHLWXQJ
�������������
Vorlesung 2
WS 2002/20032Visualisierung – Vorlesung 2Dr. Ralf Dörner
� �������
1. Wiederholung: „Was ist Visualisierung?“ (Teil A)
2. „Wann ist eine Visualisierung gut?“ (Teil B)
3. Der Visualisierungsprozess (Teil C)
Page 2
2
WS 2002/20033Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������������������������������������������
������������������������������� ��!� ���"
�������������� ��� �������� �������� symbolisch
�Zeichen(-ketten) Wörter oder Abkürzungenz.B. chemische Elemente, Verbindungen Pb, S, H20
� (abstraktes) Symbol Kreuz (schwarz, rot, ...)�Piktogramm (graphisch,
bildliches Symbol) Totenkopf (für Gift)
© D
etle
f Krö
mke
r
WS 2002/20034Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������������������������������������������
������������������������������� ��!� ���"
�������������� ��� �������� ������� ���� ikonisch, zeigt (für einen Menschen) unmittelbar
die Bedeutung, anschaulich� stilisierte Abbildungen ( Strichzeichnungen)� realitätsnah (elementare Beleuchtungsrechnung)
� fotorealistisch: nicht von einem Foto unterscheidbar
© D
etle
f Krö
mke
r
Page 3
3
WS 2002/20035Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������������������������������������������
������������������������������� ��!� ���"
�������� ��� ����������� 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
© D
etle
f Krö
mke
r
WS 2002/20036Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������������������������������������������
������������������������������� ��!� ���"
� ������������ ��� ���� � ��� ������statisch, dynamisch
(diskret, kontinuierlich)� ������������ ��� ���������
� Standbild (Festbild)� nicht proportionales Bewegtbild� proportionales Bewegtbild
� Zeitlupe
� Echtzeit
� Zeitraffer
© D
etle
f Krö
mke
r
Page 4
4
WS 2002/20037Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������������������������������������������
������������������������������� ��!� ���"
��������� ohne� Navigation in der Präsentation� mit dem Simulationsmodell / den Messgeräten� mit dem graphischen Modell� „in“ dem Modell (Immersion)
© D
etle
f Krö
mke
r
Dr. Ralf Dörner
*RHWKH�8QLYHUVLWlW��)UDQNIXUW
*UDSKLVFKH�'DWHQYHUDUEHLWXQJ
#�������������������������$
Teil B
Page 5
5
WS 2002/20039Visualisierung – Vorlesung 2Dr. Ralf Dörner
#��%��������&�����������������$
explorative Analysekonfirmative Analyse
Präsentation+ Kommunikation
Erkenntnisgewinnung
Kenntnisvermittlung(Training)
Noch keine Hypothesen bekannt,interaktive, oft ungerichtete Suche���� Formulierung einer Hypothese
����: Bestätigen oder Verwerfen einer Hypothese
Ergebnisse und Fakten für Dritte erkennbar darstellen
© D
etle
f Krö
mke
r
WS 2002/200310Visualisierung – Vorlesung 2Dr. Ralf Dörner
'����������������������
Visualisierung ist gut, wenn sie ihr Ziel erreicht:� die Analyse,� das Verständnis und� die Kommunikation
von� Modellen,� Konzepten und� Daten / Information
ergänzen, erleichtern, ermöglichen� durch die Erzeugung geeigneter visueller
Repräsentationen von Daten / Information
© D
etle
f Krö
mke
r
Page 6
6
WS 2002/200311Visualisierung – Vorlesung 2Dr. Ralf Dörner
����������� � �������� � ������������ �
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
� �
© D
etle
f Krö
mke
r
WS 2002/200312Visualisierung – Vorlesung 2Dr. Ralf Dörner
(�����)�������������������
definiert sich durch den Grad, in dem die bildliche Darstellung das Ziel der Visualisierung 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 im Betrachter entwickelt oder geeignet adressiert werden. Wie gut gelingt dies durch eine Visualisierung?
© D
etle
f Krö
mke
r
Page 7
7
WS 2002/200313Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����*������� �����������������+�����)�
� 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
© D
etle
f Krö
mke
r
WS 2002/200314Visualisierung – Vorlesung 2Dr. Ralf Dörner
!���&����!��������
Eine Visualisierung soll
��!"������#
� möglichst �$$����� und dabei
���������
sein.
© D
etle
f Krö
mke
r
Page 8
8
WS 2002/200315Visualisierung – Vorlesung 2Dr. Ralf Dörner
�,-��������)� !���������)������"
�%�������� Unverfälschte Wiedergabe der Daten
�&�� die in den Daten enthaltenen Informationen �� �� ����� sollen durch die Visualisierung dargestellt werden.
© D
etle
f Krö
mke
r
WS 2002/200316Visualisierung – Vorlesung 2Dr. Ralf Dörner
����-�����,-��������)�
�'�����"�� (������������������������ �
Das Balkendiagramm ist nicht expressiv, da es kontinuierliche, geordnete Werte auf der Abszisse suggeriert.
© D
etle
f Krö
mke
r
Page 9
9
WS 2002/200317Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������,-��������)�
� Die Expressivität ist ������� von der �������� �� ��� ��� (Typ, Wertebereich, ...) ��� ����.
� 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.
© D
etle
f Krö
mke
r
WS 2002/200318Visualisierung – Vorlesung 2Dr. Ralf Dörner
����������)�
%�������� Unter Beachtung der Randbedingungen
1. Zielsetzung2. Anwendungskontext3. visuelle Fähigkeiten des Betrachters4. Eigenschaften (und Einstellungen) des
Graphiksystems
wird ein optimales Vis-Verfahren oder eine optimale Vis-Technik gesucht.
© D
etle
f Krö
mke
r
Page 10
10
WS 2002/200319Visualisierung – Vorlesung 2Dr. Ralf Dörner
����-��������������)�
Visualisierung von Grundstückspreisen in einer Region (nach Bertin 82)
Die rechte Visualisierung ist effektiver, da die Größen der Kreise direkt die richtige Assoziation erweckt.
© D
etle
f Krö
mke
r
WS 2002/200320Visualisierung – Vorlesung 2Dr. Ralf Dörner
��������������������)�
� Das Effektivitätskriterium gibt Aufschluss über die Fähigkeit einer Darstellungsform, die in ihr enthaltenen Informationen zu �����'�����'��und ��$ �������� )���� an den Betrachter *� ���������. 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
© D
etle
f Krö
mke
r
Page 11
11
WS 2002/200321Visualisierung – Vorlesung 2Dr. Ralf Dörner
����-����.
WS 2002/200322Visualisierung – Vorlesung 2Dr. Ralf Dörner
����-����/
Page 12
12
WS 2002/200323Visualisierung – Vorlesung 2Dr. Ralf Dörner
!�&��������
� setzt Aufwand und Nutzen in Relation� nicht nur Technologiekosten zählen, sondern auch und
insbesondere der� zeitliche,� kognitive,� physische und� psychischeAufwand / (die Belastung) für den Betrachter.
� eng mit Effektivität verknüpft: Unangemessene Visualisierungen können nicht effektiv sein.
© D
etle
f Krö
mke
r
WS 2002/200324Visualisierung – Vorlesung 2Dr. Ralf Dörner
!�����������������
� Verwendung als Leitlinien (vgl. Gestaltungsregeln)
� Keine Messbarkeit wie eine physikalische Größe, keine theoretische Ableitung
� Durchführung von +���� mit Nutzern
Page 13
13
WS 2002/200325Visualisierung – Vorlesung 2Dr. Ralf Dörner
0������1����
� Verwendung von empirischen Methoden (z.B. aus der Psychologie)
� Psychologische Methodenlehre:� Objektivität� Reliabilität� Validität
WS 2002/200326Visualisierung – Vorlesung 2Dr. Ralf Dörner
2 3�������)�
� Verwendung operationaler Definitionen� Bsp. „Intuitiv“ vs. „Anzahl der Fehler“
� Standardisierung und Kontrolle der Versuchsbedinungen
� Vermeidung systematischer Fehler (bias)� Placebo Effekt� Rosenthal Effekt� Hawthorne Effekt
Page 14
14
WS 2002/200327Visualisierung – Vorlesung 2Dr. Ralf Dörner
4���� ����)�
� Genauigkeit der Messung
� Konsistenz
� Stabilität
� Reproduzierbarkeit
WS 2002/200328Visualisierung – Vorlesung 2Dr. Ralf Dörner
�������)�
� Was wollen wir messen?
� Welche Kriterien stellen wir auf?
� Welches Verfahren wählen wir?
� Was messen wir mit dem Verfahren wirklich?
Page 15
15
WS 2002/200329Visualisierung – Vorlesung 2Dr. Ralf Dörner
��������5�����������5���������)�
� Koinzidenz:
Zufällige Verbindung von Ereignissen
� Korrelation:
Konsistente, stabile Beziehung zwischen zwei
oder mehreren Variablen (z.B. Krebs u. Rauchen)
� Kausalität:
Veränderung in einer Variablen verursacht Änderung
in einer anderen Variablen
WS 2002/200330Visualisierung – Vorlesung 2Dr. Ralf Dörner
6������������������� �
� Beobachtung� Direkt� Vermittelt
� Befragung� Fragebogen� Interview
� Test� Kontrolliertes Experiment� Korrelationsstudie
Page 16
16
WS 2002/200331Visualisierung – Vorlesung 2Dr. Ralf Dörner
���������������,-���&��
� Unabhängige Variablen (Factors)� Treatment Factor� Group Factor� Trials Factor� Blocking Factor� Error Factor
� Abhängige Variable(n) (Score)
WS 2002/200332Visualisierung – Vorlesung 2Dr. Ralf Dörner
���������������,-���&��
� Factors: diskret (levels)
� Score: Wert aus einem Intervall
� Fixed vs. Random Factors
� Crossed vs. Nested Factors
Page 17
17
WS 2002/200333Visualisierung – Vorlesung 2Dr. Ralf Dörner
���������������,-���&��
� S(A): Subject is nested with A:Between Subject Effects
� S x A: Subject crossed with A:Within Subject Effects
� Benötigte Anzahl Subjects:� Multiplikation d. Level des Between Subject Factors
� Benötigte Anzahl Messungen pro Subject :� Multiplikation d. Level der Within Subject Factors
WS 2002/200334Visualisierung – Vorlesung 2Dr. Ralf Dörner
!�������
� Auswertung mit statistischen Verfahren, z.B. ANOVA / MANOVA
� Konfidenzschwellwert (gewöhnlich 5%)
� Verwendung statistischer Programme (z.B. SPSS) oder Taschenrechner + Verteilungstabellen
Page 18
18
WS 2002/200335Visualisierung – Vorlesung 2Dr. Ralf Dörner
'���&&������
� Hauptqualitätskriterien bei einer Visualisierung:�$$��������� , �$$�*��* , ������������
� Akzeptierte formale Beschreibung ist offener Forschungsgegenstand (-> empirische Tests)
� Assistenzsysteme sind möglich und hilfreich –können gravierende Fehler vermeiden
� Gute Visualisierungen zu erstellen ist (und bleibt?) eine
%-&�+.
Dr. Ralf Dörner
*RHWKH�8QLYHUVLWlW��)UDQNIXUW
*UDSKLVFKH�'DWHQYHUDUEHLWXQJ
�����������������-������
Teil C
Page 19
19
WS 2002/200337Visualisierung – Vorlesung 2Dr. Ralf Dörner
� �������
1. Die Visualisierungspipeline� Transformationen (Funktionen)� Datenarten und Datenfluss
2. Klassifikation der Visualisierungen3. Rollen im Visualisierungsprozess4. Referenzmodell für die Visualisierung5. Visualisierungsszenarien
WS 2002/200338Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������-�-����
Die drei wesentlichen Schritte :
/�������: „Datenaufbereitung“
��""��: Erzeugung eines Graphischen Modells (Geometrie + Merkmale): Visualisierung im engeren Sinn
0������: „Bildgenerierung“
(nach Haber: ���������� ������������������� ����� ��� ����������������� �������, 1990)
Filtering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
Page 20
20
WS 2002/200339Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������-�-����
Datenerfassung liefert ��������� Messung� Berechnung, Simulation
� Manuelle Eingabe
� Datenbanken, TabellenFiltering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
WS 2002/200340Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������-�-����
1�������������� Interpolation (Vorsicht!)
0���*������ Selektion� Projektion
2������� Fehlerkorrektur
(�������� '�������������'��� �����'��$��� Extrema, Gradienten� Statistik, Informationsgehalt
Ergebnis:
��$��������� ����
Filtering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
Page 21
21
WS 2002/200341Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������-�-������������ der aufbereiteten Daten � ��
(��� ���� ��� ��� �*�� �3��(Geometrie und Merkmalsebene) durch
� Ensemble von geometrischen Objekten (Punkte, Linien, Flächen, Körper)
� Erscheinungsattribute (Farbe, Struktur, Textur, Parametern von Beleuchtungsmodellen, ... )
� Betrachtungsbedingungen��� 0�"�������� sogenannter
��������� 1�������: Position auf der Ebene, Größe, Helligkeit, Musterung (Textur), Farbe, Richtung / Orientierung, Form) ����������
�'����: In Sonderfällen wird direkt in ein Digitales Bild transformiert (VolumeRendering)
Filtering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
WS 2002/200342Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������-�-����
0������Transformation einer Geometrie- und Merkmalsbeschreibung in ein Digitales Bild
Filtering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
Page 22
22
WS 2002/200343Visualisierung – Vorlesung 2Dr. Ralf Dörner
1��&����������������
Fachhistorisch taucht der Begriff schon 1968 z.B. bei Appelauf. Zuächst findet man eine starke Anlehnung an die in der Kunst gebräuchlichen Verwendung: ������������� �!��������" �����#����". „$�� ������ � ������ �%���&�� ����%������ �������"����&��� ���%����� ����&�� ���� �������������������������� �������������'(�[Appel 68]
PEX Glossary 88:„)�� ������� ������%����" ������ ����%�������������������� ��� �������&�� ������ �����*�� ��������'(
© D
etle
f Krö
mke
r
WS 2002/200344Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������������-�-����
Anzeige:
Digitale Bild � VideosignalElektrooptische Wandler
(Display): Monitor, ..., Drucker
Filtering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
Page 23
23
WS 2002/200345Visualisierung – Vorlesung 2Dr. Ralf Dörner
!�����7���&�� ���-��7�"�
Elektrooptische Wandler
Refresh-Typen Speichertypen
sequentiell simultan
pixelsequentiellRasterscan: Fernsehprinzip
andere Sequentialisierungen
%�����������4�5��� �60+)
kaligraphische CRTseinzelne Farbauszügein Filmbelichtern
/�7����4��������4�*����
���'���
Plotter
Plasmadisplays
AC-Dünnfilm-Elektroluminis-zenz
Speicherröhre
WS 2002/200346Visualisierung – Vorlesung 2Dr. Ralf Dörner
1��&����������������
Applikationsdomäne
1������������8
88
1�����������
Graphische DatenverarbeitungGDV, Anim u. MM und VR u. MR
Filtering
Mapping
Rendering
Daten
Bild
© D
etle
f Krö
mke
r
Page 24
24
WS 2002/200347Visualisierung – Vorlesung 2Dr. Ralf Dörner
�������* �������������������-�-����
0�����
(�����
��$�������������
2������� 9������������
(�����
© D
etle
f Krö
mke
r
WS 2002/200348Visualisierung – Vorlesung 2Dr. Ralf Dörner
������-�)��������� 8-������"�
DigitalesBild
Digital-video
Graphik Animation
Reiz
Video
� Symbolisch
� Geometrie & Merkmal
� Diskret, Quantisiert
� Elektrisch (optisch)
� Optisch (unmittelbar wahrnehmbar)
zeitunabhängigeRohdatenaufbereitete Daten
zeitabhängigeDaten
© D
etle
f Krö
mke
r
Page 25
25
WS 2002/200349Visualisierung – Vorlesung 2Dr. Ralf Dörner
��""��
0������
Rekonstrukion
Anzeige
6�����������9�������������������������
Bildverstehen
Merkmalsextraktion
Abtastung
Aufnahme
Digitales Bild Digital-Video
Graphik Animation
zeitunabhängigRohdatenaufbereitete Daten
Reiz
Video
zeitabhängigeDaten
/�������
© D
etle
f Krö
mke
r
WS 2002/200350Visualisierung – Vorlesung 2Dr. Ralf Dörner
����-������� �����
Erfassung der Rohdaten an den roten Punkten
Abbildung auf ein reguläres Gitter
Projektion des Gitters und Mapping der WerteDruck � HöheTemperatur � Farbe
© D
etle
f Krö
mke
r
Page 26
26
WS 2002/200351Visualisierung – Vorlesung 2Dr. Ralf Dörner
4������&��������������-������
� Messfachmann� Simulationsfachmann� Berechnungsfachmann
� Visualisierungsfachmann� (Illustratoren)
� (Fach-) Analytiker� Zuschauer
� Autor („Publisher“)
� Betrachter, Leser(„Viewer“)
© D
etle
f Krö
mke
r
WS 2002/200352Visualisierung – Vorlesung 2Dr. Ralf Dörner
��������.:����!��������������������;�
����������+���
� Der Betrachter hat keine Möglichkeiten auf den Visualisierungsprozess Einfluss zu nehmen
� Ggf. hohe Datenraten nötig (Bild, Video)� Der Autor kann die Qualität garantieren
/ � 0Daten Bild
Autor Betrachter
© D
etle
f Krö
mke
r
Page 27
27
WS 2002/200353Visualisierung – Vorlesung 2Dr. Ralf Dörner
��������/:����!���������������9��&�����< ���
6���&���&������;�����!�&����
� 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
/ � 0Daten Bild
Autor Betrachter
© D
etle
f Krö
mke
r
WS 2002/200354Visualisierung – Vorlesung 2Dr. Ralf Dörner
���������:����������������������������������
� 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
/ � 0Daten Bild
Autor Betrachter
© D
etle
f Krö
mke
r
Page 28
28
WS 2002/200355Visualisierung – Vorlesung 2Dr. Ralf Dörner
��������=:����!���������������9��&�����<���6���&���<&����� ��������������;������* ���������������
� Filtering und Mapping wird vom Autor vorbereitet � Über ergänzende Schnittstelle erhält der Betrachter
Möglichkeiten zur Beeinflussung des Filtering und des Mappings, ���� in vom Autor kontrollierten Art und Umfang
� Kaum ein Visualisierungssystem erlaubt dieses
/ � 0Daten Bild
Autor Betrachter
© D
etle
f Krö
mke
r
WS 2002/200356Visualisierung – Vorlesung 2Dr. Ralf Dörner
4������&�������%������������������
Datenfluß im erweiterten Modell
/ � 0
Bild
Visualisierungssystem
Roh-daten
Analyse
&��*��Spezifikation derVisualisierung
BeobachtungMessung
Modellierung
SimulationBerechnung
Daten-analyse
© D
etle
f Krö
mke
r
Page 29
29
WS 2002/200357Visualisierung – Vorlesung 2Dr. Ralf Dörner
4������&�������%������������������
Kontrollfluß (rot) im erweiterten Modell
Bild
Visualisierungssystem
Roh-daten
Analyse
&��*��Spezifikation derVisualisierung
BeobachtungMessung
Modellierung
SimulationBerechnung
Daten-analyse
/ � 0
© D
etle
f Krö
mke
r
WS 2002/200358Visualisierung – Vorlesung 2Dr. Ralf Dörner
�����������7����� ������������������'7���������
Bild
Visualisierungssystem
Roh-daten
Analyse
&��*��Spezifikation derVisualisierung
BeobachtungMessung
Modellierung
SimulationBerechnung
Daten-analyse
/ � 0
VerschiedeneVerschiedeneNutzungsszenarienNutzungsszenarien
© D
etle
f Krö
mke
r
Page 30
30
WS 2002/200359Visualisierung – Vorlesung 2Dr. Ralf Dörner
8������:�1�����
Bild
Visualisierungssystem
Roh-daten
Analyse
&��*��Spezifikation derVisualisierung
BeobachtungMessung
Modellierung
SimulationBerechnung
Daten-analyse
/ � 0
So wie die Daten gemessen oder errechnet werden, so werden sie visualisiert�������� : �'��������������� ��������
© D
etle
f Krö
mke
r
WS 2002/200360Visualisierung – Vorlesung 2Dr. Ralf Dörner
������)���������������8������������������ �������! �������"
Bild
Visualisierungssystem
Roh-daten
Analyse
&��*��Spezifikation derVisualisierung
BeobachtungMessung
Modellierung
SimulationBerechnung
Daten-analyse
/ � 0
„optimal“ für den Erkenntnisprozess(wenn der Nutzer genügende Kentnisse hat)
aber oft aufgrund der benötigten Rechenleistung nicht praktikabel
3
2
1
© D
etle
f Krö
mke
r
Page 31
31
WS 2002/200361Visualisierung – Vorlesung 2Dr. Ralf Dörner
>������&����?
SchrittDatenerzeugung
Roh-daten
BeobachtungMessung
Modellierung
SimulationBerechnung
1 SchrittVisualisierung
Bild
2
Roh-daten
Visualisierung
SchrittAnalyse
Analyse
&��*��
3
Bild
© D
etle
f Krö
mke
r
WS 2002/200362Visualisierung – Vorlesung 2Dr. Ralf Dörner
������������@���-���������������������8�������������
SchrittDatenerzeugung
Roh-daten
BeobachtungMessung
Modellierung
SimulationBerechnung
1 SchrittInteraktive Visualisierung
Bild
2
Roh-daten
Visualisierung
Analyse
&��*��
© D
etle
f Krö
mke
r
Page 32
32
WS 2002/200363Visualisierung – Vorlesung 2Dr. Ralf Dörner
'���&&������
� Tracking� „Bewegungsmodus“
� ����������� ���"�*������ 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:
© D
etle
f Krö
mke
r
WS 2002/200364Visualisierung – Vorlesung 2Dr. Ralf Dörner
������
� Diese Vorlesung basiert auf Material von� Prof. Dr. Detlef Krömker� Prof. Dr. Colin Ware
Page 33
33
WS 2002/200365Visualisierung – Vorlesung 2Dr. Ralf Dörner
A������� �
� Lesen Sie:� SM:
Kap. 1, Kap. 2
� Exzerpieren Sie wesentliche Punkte