可視化技術研究與比較

摘 要:可視化技術經過二十多年發展，誕生出很多新概念，容易使初學者產生混淆，不利于研究定位。分析了科學計算可視化、數據可視化、信息可視化和知識可視化的概念、技術、應用領域和發展趨勢，并給出實例說明，最后從不同角度對這幾種主流可視化技術進行了綜合對比，總結他們之間的異同，為了解和深入研究可視化技術提供了參考。

關鍵詞:科學計算可視化; 數據可視化; 信息可視化; 知識可視化

中圖分類號:TN919-34文獻標識碼:A

文章編號:1004-373X(2010)17-0133-06

Study and Comparison on Visualization Technology

ZHANG Zhuo 1，2， XUAN Lei1， HAO Shu-yong1，3

(1. College of Computer， National University of Defense Technology， Changsha 410073， China;

2. Electric Technology Unit， Engineering College of CAPF， Xi’an 710086， China; 3.66220 Unit of PLA， Xingtai 054000， China)

Abstract: The concepts， technologies， application fields and development trends of visualization in scientific computation， data visualization， information visualization and knowledge visualization are presented with examples. The similarities and differences among them are compared from different facets. The research provides references for understanding and studying of visualization techniques in-depth.

Keywords: visualization in scientific computation; data visualization; information visualization; knowledge visualization

0 引 言

“可視化”一詞源于英文“Visualization”，詞義是:“將不可見的、不能表達的或抽象的一些東西，轉變為可以看到的或者大腦可以想象的圖形圖像”。早在20世紀初，人們已經將表格和統計圖等原始的可視化技術應用到了科學數據分析中。1986年10月，在美國國家科學基金會的“圖形、圖像處理和工作站”討論會上，提出了“科學計算可視化”(Visualization in Scientific Computation， ViSC)[1-2]概念，從此“可視化技術”被正式提出。現代可視化技術的概念更為寬泛，指的是以計算機圖形技術為基礎，通過計算機生成對人體視覺刺激的圖像，以便于人們接受、理解原始數據、信息的技術方法[3]。它作為一門交叉學科涵蓋了許多研究領域，包括:計算機圖形學、計算機視覺、計算機輔助設計、幾何學、感知心理學和人機交互等技術[3-4]。

可視化技術在發展過程中逐步衍化為四類，很多文章都有過介紹[5-8]，但仍不夠全面。本文依據文獻常用的可視化分類方法[8]，分別對4種可視化技術的背景、技術特點、研究方向、發展趨勢和應用領域進行了詳細闡述，最后從各個角度進行了系統總結，為深入研究相關的可視化技術做了鋪墊。

1 可視化技術分類

可視化技術從科學計算可視化起步，最初的應用僅針對科學計算和工程測量數據，經過發展，應用范圍逐漸擴大，又細分為多種門類。各個研究組織和個人對可視化技術的劃分各不相同，Ben shneiderman，Ed H Chi，Daniel Keim等人都提出過不同的劃分[9-11]。目前，比較主流且易于使人理解的劃分方法是依據所處理數據的抽象層次劃分為種:科學計算可視化、數據可視化(Data Visualization)、信息可視化(Information Visualization)和知識可視化(Knowledge Visualization)[8]。

1.1 科學計算可視化

1980年代，科學數據大量產生，由于缺乏有效的輔助工具和手段，90%以上的數據都白白浪費，嚴重影響了科學發現與科學交流。1987年，美國國家自然科學基金會在華盛頓召開了“科學計算可視化”首次專題討論會，認為“將圖形和圖像技術應用于科學計算是一個全新領域”，指出“科學家們不僅需要分析由計算機得出的計算數據，而且需要了解在計算過程中數據變化的情況，這些都需要借助于計算機圖形學及圖像處理技術”[12]。會后發表了第一篇科學計算可視化報告——Visualization In Scientific Computing[1]。

科學計算可視化是用計算機圖形圖像處理技術，將科學計算過程中產生的數據及計算結果轉換為圖形或圖像在屏幕上顯示出來并進行交互處理的理論、方法和技術[7，13]。它所處理的數據主要是科學計算所獲得的海量數據集，它將圖形生成技術、圖像處理技術和人機交互技術有機地結合在一起，實現從復雜的多維數據中產生圖形，通過圖形圖像來分析由計算機算出的數據，了解在計算過程中數據的變化規律[13]。圖1通過Vis5D軟件將空氣流動的計算數據用可視化方法直觀地展現，可以清晰地看到空氣的流動走向[14]。

圖1 科學計算可視化示例

科學計算可視化主要研究將離散的數據轉換為圖形信息的理論、方法以及應用系統的構成[15]，其中涉及到很多算法、技術[2，15]。當前比較主流的技術有4種:等值線(Contour Rendering)、面繪制(Surface Rendering)、體繪制(Volume Rendering)和流場顯示(Fluid Display)。

科學計算可視化近些年的進步很大，但是很多研究還有待于提高與完善[16]:首先是算法和數據結構的改進研究，這方面一些小的進步就可以使系統成像速度顯著提高;其次，隨著計算機硬件和網絡技術的進步，分布式計算環境的組建已經變得非常普遍，分布式環境下的并行繪制技術的研究也是以后一個值得關注的方向。

隨著科學技術的發展，科學計算可視化的含義大大擴展，它不僅包括了科學計算數據可視化，而且包括工程計算數據的可視化以及實驗、測量數據的可視化。當前科學計算可視化應用較廣的領域為[12]:虛擬風洞實驗、醫療領域的計算機斷層掃描(CT)、核磁共振(MRI)、地質勘探、氣象學、分子模型構造、計算流體動力學和有限元分析等。

1.2 數據可視化

數據可視化是指大型數據庫或數據倉庫中數據的可視化[7，17-18]，它是可視化技術在非空間數據領域的應用，使人們以更直觀的方式看到數據及其結構關系，不再局限于通過關系數據來觀察和分析數據信息[19]。

數據可視化技術憑借計算機的巨大處理能力、計算機圖形圖像學基本算法以及可視化算法，把海量的數據轉換為靜態或動態圖形圖像呈現在人們面前，并允許通過交互手段控制數據的抽取和畫面的顯示，使隱含于數據之中不可見的現象成為可見，為人們分析、理解數據、形成概念、找出規律提供了強有力的手段[18]。圖2是Dundas數據可視化工具用圖表、標尺、地圖等形式展示的市場銷售數據[20]，通過圖形顯示，數據有了直觀的表達，數據之間的對比關系一目了然。

圖2 數據可視化示例

數據可視化涉及幾種主流技術[5]:

(1) 基于幾何的技術，以幾何畫法或幾何投影的方式來表現數據庫中的數據(例如，傳統的折線圖和柱狀圖)，是目前最為常用的技術，比較有特點的是平行坐標法(Parallel Coordinates)[21];

(2) 面向像素的技術，將每一個數據項的數據值對應于一個帶顏色的屏幕像素，對于不同的數據屬性以不同的窗口分別表示，德國慕尼黑大學用這種技術實現了VisDB系統[22];

(3) 基于圖標的技術，基本思想是用一個簡單圖標的各個部分來表示n維數據屬性，枝形圖法(Stick Figures)[23]最有代表性;

(4) 基于層次的可視化技術，主要針對數據庫系統中具有層次結構的數據信息，將n維數據空間劃分為若干子空間，對這些子空間仍以層次結構的方式組織并以圖形表示出來，樹圖(Treemap)[24]技術是其代表。

數據可視化還有其他的技術方法，如3D技術、基于圖形的技術等[5]。

數據可視化技術目前尚不成熟，有兩個發展趨勢[5]:一是數據可視化和數據挖掘技術結合，使得數據可視化系統更加智能化;二是數據可視化技術中人機交互的設計還有待完善。數據可視化技術的應用非常廣泛，特別在商務、金融領域有廣闊的應用空間[25]。

1.3 信息可視化

“信息可視化”這個術語第一次出現在1989年Robertson，Card和Mackinlay 發表的《用于交互性用戶界面的認知協處理器》中[26]。其定義為“使用計算機支撐的、交互性的、對抽象數據的可視表示法，以增強人們對抽象信息的認知”。2000年Jim Foley在關于計算機圖形學的“十大尚未解決的關鍵問題”[27]中，將“信息可視化”列為第三位。

信息可視化表現了數據之間的相互關系和發展趨勢。大量數據背后隱藏著許多重要的信息，人們希望能夠對其進行更高層次的分析，以便更好地利用這些數據。硬件系統的圖形處理性能已能滿足在用戶界面中探索3D和動畫的需求，為了充分利用這些性能，新的軟件結構必須支持復雜的異步交互智能體(多智能體問題)，并且，還應支持流暢的交互動畫(動畫問題)[28]。信息可視化更關心的是認知能力的提高，即如何把非空間抽象信息映射為人們易于理解的可視化形式[29]。圖3是Retail Analyzer工具用圓(顏色、大小)在電子地圖上描繪所在區域的店鋪銷售業績信息[30]，銷售額對比一目了然，系統還提供了豐富的人機交互功能。

圖3 信息可視化示例

信息可視化的主流技術很多，大體上有三類:

(1) 視圖展示

擴展輪廓技術[31]，是利用可擴展樹查看多層次信息的技術;Focus+Context技術[31]，是一種放大顯示畫面中某塊小的局部區域的透鏡技術，放大區域的周圍退到背景顯示，但仍然可見[28];雙曲樹(Hyperbolic tree)技術[31-32]，也是一種Focus+Context技術，它將更多的可視化空間用于顯示層次結構中當前被關注的部分，而同時又把整個層次結構顯示出來;魚眼視圖(Fisheye)[33]，把人們感興趣的焦點區域放大顯示，把焦點周圍的信息逐漸變小，同時保持整體視圖的可見性[34] ，同樣屬于Focus+Context技術;錐形圖(Cone Trees)技術[31，35]，是利用三維圖形技術對層次結構進行可視化處理的方法，層次結構的頂部放置在可視化空間的頂端，每個椎體的頂點表示該層結構的頂點，其子節點均勻排列在該椎體的底部。

(2) 視圖變換

視點控制技術，通過放大可視化結構或改變視點，使得細節可見[28];overview+detail技術，同時使用overview和detail兩個窗口，overview窗口提供detail視圖的context(信息)，并且充當改變details視圖的控制部件，detail窗口用于選定區域的放大或聚焦[30]。

(3) 人機交互

Details-on-demand技術，在縱覽整體信息的情況下，交互式地選擇一部分數據來顯示其詳細信息[36];Brushing技術，是位置探查形式，當光標經過一個位置時，在其他相關標記上產生可視化效果[31]。信息可視化是重點研究人、計算機表示的信息以及它們相互影響的技術，因此交互技術在信息可視化研究里顯得尤為重要[37]。

信息可視化研究方向主要有:可視化變量研究、可視化模型研究、符號系統研究、空間信息與信息傳輸研究、心理學和認知科學研究、虛擬現實研究[38]。信息可視化技術的發展趨勢是與分析科學更加緊密地結合，由以結構為中心的可視化向潛在現象的動態屬性可視化發展，由“以任務為中心”向“以用戶為中心”轉變[39]。

信息可視化應用的領域涉及到人們日常生活的方方面面，包括:如人口普查、健康狀況統計、現金交易、銷售業績、財務預算、股市走向、網絡安全監管等。

1.4 知識可視化

知識可視化曾被稱為領域可視化(Domain Visualization)[40]、主題領域可視化(Subject Domain Visualization)、知識域可視化(Knowledge Domain Visualization)，指的是對基于領域內容的結構進行的可視化[41]。

Eppler和Burkard認為知識可視化是在科學計算可視化、數據可視化、信息可視化基礎上發展起來的新興研究領域[42]，應用視覺表征手段，促進群體知識的傳播和創新，研究視覺表征在提高群體之間知識傳播和創新中的作用，目標在于傳輸見解(insights)、經驗(experiences)、態度(attitudes)、價值觀(values)、期望(expectations)、觀點(perspectives)、意見(opinions)和預測(predictions)等，并幫助他人正確地重構、記憶和應用這些知識[43]。圖4是Linux Kernel map展示的Linux操作系統內核結構[44]，Linux內核是最復雜的開源項目之一，涉及到許多知識，很難理解，該圖通過對這些知識內容的可視化提供了一個宏觀視角，從中可以直觀、輕松地獲取Linux內核結構的相關知識，同時，Linux Kernel map也可實現視圖的移動、放大、縮小、最大化顯示等基本人機交互手段。

圖4 知識可視化示例

知識可視化作為一個新興研究領域，其實質是將人們的個體知識以圖解的手段表示出來，形成能夠直接作用于人的感官的知識外在表現形式，從而促進知識的傳播和創新[6]。目前已有的技術方法有:概念圖(Concept Map)[45]、思維導圖(Mind Map)[46]、認知地圖(Cognitive Maps)[47]、語義網絡(Semantic Networks)[48]、思維地圖(Thinking Maps)[49]等，還有很多新技術仍在研究發展中，如:多倫多大學計算機學院開發的WordNet Explorer工具采用輻射環形圖(Radial Space-Filling)[50]對文本內容進行可視化，具有很好效果。

知識可視化不只是知識的一種圖解，更需要人工智能、知識科學、計算語言學和認知語言學等學科的支持，作為連接認知心理學和人工智能研究的新橋梁，知識可視化有兩個發展趨勢[6]:

(1) 二維到多維的轉變。知識可視化技術與虛擬現實空間相結合，向多維空間邁進。

(2) 靜態向動態、交互的轉變。知識可視化將建立一種迭代的、協作的過程，使可視化過程動態發生。

目前，知識可視化主要應用于科學、教育及信息檢索領域[6，40]。

2 各種可視化技術對比

現代可視化技術在發展過程中逐步分化出科學計算、數據、信息和知識可視化，它們之間既有聯系也存在區別。從處理對象來看，數據到知識是一個不斷抽象的過程，數據是信息的載體，信息是數據的涵義，知識又是信息的“結晶”，它們的抽象層次是逐漸增高的。實際上，信息可視化就包括了一部分數據可視化和知識可視化的范疇，而科學計算可視化自然也屬于一種廣義上的數據可視化，圖5展現了4種可視化技術之間的大致關系[8]。

圖5 可視化技術關系圖

從技術角度看，它們又有很多不同，表1從可視化對象、處理技術、可視化目的和研究重點等方面，對4種可視化技術進行了全面對比，通過比較可以看出它們的差異。

表1 4種可視化技術比較表

科學計算可視化數據可視化信息可視化知識可視化

可視化對象

(數據源)科學計算和工程測量數據大型數據集(庫)中的非空間數據多維非空間數據集人類知識

主要處理技術等值線、面繪制、體繪制、流場顯示平行坐標法、枝形圖法、樹圖、面向像素技術輪廓圖、錐形圖、雙曲樹概念圖、思維導圖、認知地圖、語義網絡、思維地圖

可視化目的將科學與工程計算過程中產生的海量(空間)數據用圖形圖像輸出，便于分析將海量非空間數據用直觀的圖形圖像表示，便于理解將多維非空間數據用適當的圖形表達，便于了解數據、數據間的相互關系以及隱含的發展趨勢用圖形圖像表達相關領域的知識，促進群體知識的傳播和創新

研究重點真實、快速地顯示三維數據，偏重于算法改進及可視化方法創新易于理解的圖形展示方式展示數據隱藏關系的圖形展示方式，偏重于心理學和人際交互便于理解和知識傳播的表現方式

圖形生成難度難一般一般一般

交互方法人-機交互人-機交互人-機交互人-人交互

可以看出幾種可視化技術之間存在一些差別，特別是研究目的和研究重點差異較大，采用的技術方法各不相同。在現實當中，對于一個大型可視化系統，可能需要綜合運用多種技術才能更好地表現整個系統。

3 結 語

可視化技術體現了人們在可視化方面的不同需求，這些技術是隨著科學技術的進步和人類認知的需求逐步發展而來的，它們的共同特點都是利用計算機圖形圖像技術來分析和顯示數據，但可視化技術概念眾多，研究重點不一樣，具體實現方法更不相同。要了解可視化技術，必須要了解可視化技術的分類，從需要研究的技術類別入手，才能達到事半功倍的效果。本文闡述了當前4種主流的可視化技術及其特點，并對它們做了比較，為了解和深入研究可視化技術提供了參考。

參考文獻

[1]MCCORMICK B H， DEFANTI T A， BROWN M D， et al. Visualization in Scientific Computing[J]. Computer Graphics， 1987， 21(6): 1103-1109.

[2]李曉梅，黃朝暉.科學計算可視化導論[M].長沙:國防科技大學出版社，1996.

[3]HABER R B， MENABB David A. Visualization idioms: A conceptual model for scientific visualization systems[C]//Visualization in Scientific Computing. [S.l.]: IEEE， 1990: 74-93.

[4]陳建軍，于志強，朱昀.數據可視化技術及其應用[J].紅外與激光工程，2001，30(5):339-342.

[5]劉勘，周曉崢，周洞汝.數據可視化的研究與發展[J].計算機工程，2002，28(8):1-2.

[6]趙國慶，黃榮懷，陸志堅.知識可視化的理論與方法[J].開放教育研究，2005，11(1):23-27.

[7]楊峰.從科學計算可視化到信息可視化[J].情報雜志，2007(1):18-24.

[8]劉波，徐學文.可視化分類方法對比研究[J].情報雜志，2008(2):28-30.

[9]SHNEIDERMAN Ben. The eyes have it: a task by data type taxonomy for information visualizations[C]//IEEE Symposium on Visual Languages′96. CA: Los Alamos， 1996:336-343.

[10]CHI Ed H. A taxonomy of visualization techniques using the data state reference model[C]//Proceedings of the IEEE Symposium on Information Visualization 2000. Salt Lake City: Utah， 2000.

[11]KEIM Daniel A. Information Visualization and Visual Data Mining[J]. IEEE Transactions on Visualization and Computer Graphics，2002，7(1):100-107.

[12]唐澤圣.三維數據場可視化[M].北京:清華大學出版社，1999.

[13]劉勇奎，周曉敏.虛擬現實技術和科學計算可視化[J].中國圖象圖形學報，2000，5(9):794-798.

[14]HIBBARD Bill. Vis5D screenshot[EB/OL]. [1999-11-02]. http://hpux.connect.org.uk/hppd/hpux/Maths/Misc.

[15]肖衛國，賈春華.科學計算可視化的發展及其在兵器領域中的應用[J].兵工自動化，1997(1):50-54.

[16]唐伏良，張向明，茅及愚，等.科學計算可視化的研究現狀和發展趨勢[J].計算機應用，1997，17(3):8-10.

[17]黃志澄.給數據以形象給信息以智能:數據可視化技術及其應用展望[J].電子展望與決策，1999(6):3-9.

[18]任永功，于戈.數據可視化技術的研究與進展[J].計算機科學，2004，31(12):92-96.

[19]王媛媛，丁毅，孫媛媛，等.數據可視化技術的實現方法研究[J].現代電子技術，2007，30(4):71-74.

[20]Grouped X-Axis Labels. Dundas screenshot[EB/OL]. [2009-09-17]. http://www.dundas.com/Components/Gallery/Flash/Dashboards.

[21]INSELBERG A，DIMSDALE B. Parallel coordinates: a tool for visualizing multi-dimensional geometry[C]//Visualization′90. San Francisco， CA: [s.n.]，1990: 361-368.

[22]KEIM D A. Pixel-oriented viusalization techniques for exploring very large database[J]. Journal of Computational and Graphical Statistics，1996，5(1):58-65.

[23]PICKETT R M，GRINSTEIN G G. Iconographic display for visualizing multidimensional data[C]//Proc. IEEE Conf. on Systems，Man and Cybernetics. Beijing and Shenyang: IEEE Press， 1988.

[24]SHNEIDERMAN B. Tree visualization with treemap: a 2D space-filling approach[J]. ACM Transaction on Graphics， 1992(05): 514-519.

[25]韓麗娜.數據可視化技術及其應用展望[J].煤礦現代化，2005(6):39-40.

[26]ROBERTSON G， CARD S K， Mackinlay J D. The cognitive co-processor for interactive user interfaces[C]//Proceedings of the ACM SIGGRAPH Symposium on User Interface Software and Technology. [S.l.]: [s.n.]， 1989: 10-18.

[27]FOLEY Jim， THERE Getting: the ten top problems left[J]. IEEE Computer Graphics and Applications， 2000， 20(1): 66-68.

[28]馮藝東，汪國平，董士海.信息可視化[C]//第一屆全國虛擬現實技術研討會論文集.北京:中國工程圖學學會，2001:324-329.

[29]CARD Stuart， MACKINLAY Jock， SHNEIDERMAN Ben. Readings in information visualization: using vision to think[M]. San Fransisco: Morgan Kaufmann，1999.

[30]Retail. Analyze screenshot[EB/OL]. [2010-01-11]. http://www.flickr.com/photos/idvsolutions.

[31]李淑麗.信息可視化工具的比較研究[D].哈爾濱:黑龍江大學，2006.

[32]LAMPING John， RAO Ramana， PIROLLI Peter. A focus+ context technique based on hyperbolic geometry for visualizing large hierarchies[C]//Confe-rence Proceedings on Human Factors in Computing Systems. Palo Alto， CA: Xerox Palo Alto Research Center， 1995: 401-408.

[33]FURNAS G W. Generalized fisheye views[C]//Conference Proceedings on Human Factors in Computing Systems. Boston: [s.n.]， 1986: 16-23.

[34]任磊，王威信，滕東興，等.面向海量層次信息可視化的嵌套圓魚眼視圖[J].計算機輔助設計與圖形學學報，2008，20(3):298-303.

[35]ROBERTSON George G， MACKINLAY Jock D， CARD Stuart K. Cone trees: animated 3D visualizations of hierarchical Information[C]//Human Factors in Computing Systems Conference Proceedings on Reaching Through Technology. [S.l.]: Springer， 1991:189-194.

[36]Infovis-wiki. Details on demand[EB/OL]. [2006-12-06]. http://www.infovis-wiki.net.

[37]董士海.人機交互和多通道用戶界面[M].北京:科學出版社，1999.

[38]宋紹成，畢強，楊達.信息可視化的基本過程與主要研究領域[J].情報科學，2004，22(1):13-18.

[39]周寧，程紅莉，吳佳鑫.信息可視化的發展趨勢研究[J].圖書情報工作，2008，52(8):35-38.

[40]AIHARA K，TAKASU A. Domain visualization based on authorized documents[C]//Proceedings of the Fourth International Conference on Information Systems. Analysis and Synthesis. [S.l.]: National Institute of Information， 1998(2).

[41]楊峰.知識域可視化研究[J].情報雜志，2007(6):82-84.

[42]EPPLER M J， BURKARD， R A. Knowledge visualization: towards a new discipline and its fields of application[C]//ICA Working Paper. Lugano: University of Lugano， 2004.

[43]賀全兵.可視化技術的發展及應用[J].中國西部科技，2008，7(4):4-7.

[44]Youtube. Linux Kernel map[EB/OL]. [2007-01-26]. http://www.youtube.com.

[45]NOCAK J D， GOWIN D B. Learning how to learn[M]. New York:Cambridge University Press，1984.

[46]托尼#8226;巴贊.思維導圖[M].李斯，譯.北京:作家出版社，1999.

[47]EDEN C. Congnitive mapping[J]. European Journal of Operational Research，1988(36):1-13.

[48]FISHER K M. Semantic networking: the new kid on the block[J]. Journal of Research in Science Teaching， 1990，27(10):1001-1018.

[49]Thinking Maps Inc. Thinking maps[EB/OL]. [2004-05-22]. http://www.thinkingmaps.com.

[50]COLLINS Christopher. DocuBurst: radial space-fill visualization of document content[R/OL]. [2009-12-07]. http://www.eurac.edu.