感知性与和谐度引导的多图表协同配色优化

　　摘要针对在可视化过程中出现的具有相同类别对应关系的多个图表需要保持配色一致的问题,提出多图表协同配色优化,从感知性与和谐度个方面提出感知性与和谐度引导的多图表协同配色优化方法.给定调色板和多图表数据后,对调色板的质量进行评估,若给定的调色板质量较高,则对其颜色分配方案直接进行优化;否则,先对调色板进行优化,再对其颜色分配方案进行优化.多项用户调研结果证明,该方法能够在保证多图表配色统一的前提下提升配色结果的质量。

　　关键词配色优化;感知性;和谐度;遗传算法

　　在可视化过程中,为了增强用户对数据的认知和理解,设计人员会通过调整不同的视觉通道改善最后的可视化结果,如大小、位置还有颜色等.而在这些视觉通道中,颜色作为影响视觉效果的主要因素,其优化效果非常值得研究,且已经有大量这方面的工作对于颜色的优化效果,可以从感知性与和谐度个方面进行刻画,即优化的可视化图表需要增强不同数据间的辨识程度,同时保证图表整体配色的和谐相融性.

　　可视化评职知识：发表可视化交互设计论文的正规期刊

　　当给定调色板与数据后,若按照调色板中颜色与数据类别按顺序对应的关系进行配色,就会导致图表出现一些较小的数据被分配到不易感知的颜色,而一些较大的数据被分配到视觉效果不佳的颜色,使最终的可视化结果感知性与和谐度较差.因此,需要同时对调色板本身以及调色板的颜色分配进行优化相对于先前工作只研究单张图表,本文主要发现在实际应用过程中,由于数据的维度大,需要用多张图表展现不同维度的信息,而这些图表之间存在很强的数据对应关系,因此需要对多图表协同配色进行优化,以达到统一的颜色分配方案和良好的视觉效果.

　　另外,与多图表类似的还有同一图表多布局的情况.例如,对于一些图表,存在按数据输入顺序以及数据大小顺序进行布局的种形式,这种情况同样需要协同优化因此,提出了感知性与和谐度引导的多图表协同配色优化方法,该方法具有很好的普适性,并且对调色板的颜色数量没有限制.在给定调色板和上述数据之后,该方法会先对调色板的质量进行评估,若给定的调色板质量较高,则会对其颜色分配方案直接进行优化,旨在提升可视化结果的感知性与和谐度.

　　若给定的调色板质量较低,则会先对调色板进行优化,提高调色板整体的感知性与和谐度,然后再对其颜色分配方案进行优化.而在颜色分配优化的过程中,主要是通过提取各图表相邻色块,建立起多图表色块的几何约束关系进行引导.为了验证所提出方法的有效性,本文开展了多项用户调研,结果显示本文所提出的调色板优化方法和调色板的颜色分配优化方法均能有效提高可视化结果的感知性与和谐度,且由于问题复杂度高,此种异步优化效果要优于同步优化,即同时优化调色板和颜色分配

　　1相关工作

　　目前关于多图表以及同一图表多布局协同配色的研究尚少,所以本文从调色板和颜色个方面对相关工作进行论述。

　　1.1调色板

　　对于具有类别的数据可视化,Trumbo[1]和Wang等[2]认为,以最大限度的区分度创建一个分类调色板是一项要求很高的任务.因此,大多数可视化用户会尽可能地避免从头创建调色板,而是会直接使用ColorBrewer[3]或Colorgorical[4]等提供的调色板.本文工作也是如此,选用的调色板来源于ColorBrewer[3]以及Tableau①等常见的可视化工具在选定调色板后还可以从多方面对其进行更进一步的优化,如颜色和谐[2]、能量消耗[5]、类别可见度[6]以及感知距离[7]等.

　　Lee等[6]提出的类别可见度是通过每个类别的感知密度来定义的,而感知密度则是通过计算所有点的凸显度总和得到的.基于上述思想,他们提出了一种通过优化给定调色板的感知强度,从而更好地揭示数据分布结构的方法,主要用于地图结构的可视化.Fang等[7]则是通过最大化调色板颜色之间的感知距离优化调色板,并允许用户加入一定的限制在给定调色板和类别数据后,调色板颜色分配的目的是为了给每个类别的数据配上唯一的颜色标识.

　　Wang等[8]对散点图的配色进行优化,在该方法中,颜色的选取属于局部选择.Kim等[9]则对2D图片模板配色问题进行研究,在该方法中,对调色板的颜色数量有限制要求.Lin等[10]提出了一种选择语义相关颜色的方法并证明方法的有效性.Setlur等[11]为了进一步提高Lin等[10]方法的效果,采用谷歌gram的颜色名称频率共现的测量方法本文改进了前人的方法,使其能够适用于多图表的协同优化,并且对调色板的颜色数量没有限制。

　　1.2颜色

　　本文涉及颜色的相关研究主要分为大类颜色之间的和谐度,即颜色相互搭配是否足够好看;颜色之间的感知性差异,即颜色相互之间是否容易区分Paterson[12]认为,通常情况下,当颜色并置在一起产生一种令人满意的统一或平衡时,这些颜色就被认为是和谐的.换句话说,当一些颜色放在一起能够产生令人愉快的效应时,可被认为是和谐的[13]有很多研究人员或艺术家尝试去建立一个基本的颜色和谐规则,最早的颜色和谐规则如下:当颜色色调相同,但饱和度或明度不同时;当颜色相似或互为补色时,即被认为是和谐的.

　　此外,许多研究人员还尝试通过分析实验或调研结果,去构建一个良好的颜色和谐模型.Papachristos等[14]定义了一个模型,预测给定配色方案的情感与审美价值.Ou等[15]开发了双色组合和谐度的计算模型.Szabo等[16]在CIECAM02颜色模型的基础上开发了类似的模型,该模型除了可以用于双色组合外,还可以用于三色组合的评价。

　　2本文方法概述

　　当给定调色板和多图表数据后,先对调色板的质量进行优化,同时从给定的数据中提取相应的几何约束,最后将这些约束与调色板结合在一起,对颜色分配方案进行优化,得到最终的可视化结果.值得注意的是,在给定的调色板质量已经很高的情况下,可直接进行颜色分配方案的优化根据流程,本文的优化目标包括调色板的优化和调色板颜色分配方案的优化.针对提出的个优化目标,均采用遗传算进行求解.通过调整相应的染色体形式、目标方程、交叉函数以及变异函数等,使遗传算法能够适用于不同的问题,具体细节会在后面的章节进行说明。

　　3调色板的优化

　　给定调色板后,最终的可视化结果会受到调色板本身的影响.如果给定的调色板本身质量不够理想,那么无论怎样优化颜色分配方案,最终都不会取得很好的效果.所以针对这种情况,可以对调色板进行优化之后再使用.通过改变调色板中颜色的基本属性,从而提高调色板的质量。

　　4用户调研

　　本文所提出的感知性与和谐度引导的多图表协同配色优化方法主要分为调色板优化和颜色分配优化步,以下将通过用户调研的形式分别对原始调色板的颜色分配结果和调色板优化后的颜色分配结果进行评估

　　4.1原始调色板的颜色分配为了验证本文目标方程设计的合理性以及可视化结果是否有很好的提升,主要从以下几个方面进行调研:(1)目标方程的设计是否具有合理性?能否对结果产生影响?(2)目标方程中是否真的需要颜色感知性与和谐度种度量共同存在?(3)优化结果是否有相应的提升针对上述问题,本文进行了组不同的用户调研,每组共道题,并对结果进行分析,从而验证本文方法的有效性本文共招募了20名参与者,向他们展示了基于种不同颜色分配方案,具有相同类别对应关系的多图表的可视化结果,要求他们在种可视化结果中选取自己偏爱的一种.

　　选择条件主要从感知性与颜色和谐度个方面进行考虑,即首先选择更容易识别各图表类别信息的可视化结果,在组结果类别区分能力差距不明显的情况下,选择他们认为整体颜色和谐度较高的一组.为了确保调研的有效性,本文在保证数据具有一定差异的前提下,随机生成了多组6~12类别数量的数据以供调研第组实验是为了验证目标方程的合理性以及能否对可视化结果产生影响.将目标方程分数最高与最低的结果放在一起,让用户进行选择.实验结果如图所示,其中二者皆可表示用户认为种配色的效果整体差距不大.结果显示,根据本文目标方程优化的最优与最差结果之间有着明显的差异,有77%的用户选择了分数最高的结果。

　　5结语

　　在本文的工作中,针对多图表协同配色的问题进行了种情况的讨论.第种是在给定一个质量较高的调色板后,对调色板的颜色分配方案进行优化,使最终得到的多个图表无论从感知性还是整体的和谐度上都能有很好的效果;第种是在给定调色板的质量较低时,首先对调色板进行感知性与和谐度的优化,然后再对颜色分配方案进行优化,提高最终可视化结果的质量.本文方法同样适用于同一图表多布局协同配色的问题。

　　本文的创新点可以从以下几方面阐述：

　　(1)本文研究的是多图表以及同一图表多布局的协同优化,目前关于此类问题的研究还较少(2)本文从数据获取对应可视化结果中几何约束的方法具有很好的普适性,因此也可应用于单个图表的优化(3)在调色板颜色分配问题上,本文方法对调色板颜色数量没有限制,且颜色选取属于全局选择(4)在给定调色板质量较低的前提下,提出了异步和同步种优化形式,提高可视化质量。

　　本文工作属于起步阶段,虽然经过用户调研证明了方法的有效性,但依然有很多的地方需要进行优化与改进(1)在几何约束的提取上,本文方法有些简单,没有考虑到坐标系尺度以及不用图表类型对于最终结果的影响;同时,单纯的将不同图表的临界关系进行合并,可能会对色块未相邻的图表产生影响,后续工作中需要完善几何约束提取的方法,如将色块在不同图表中相邻的次数也作为权重引入目标方程(2)在目标方程的设计中,本文应用的种度量存在重复的变量,因此会有一定的优化重叠,所以后续可以针对该问题,设计出一种新的标准,消除这种优化重叠现象。

　　本文所使用的优化方法均为遗传算法,虽然有遗传算法在求解近似最优解的问题上有很好的效果,但是在设计求解过程中发现由于初始化种群的随机性,该算法求解具有一定的不稳定性.同样的调色板及数据,2组优化结果有着明显差异.此外,算法的运行时间也比较长,特别是在调色板优化时,这种情况可能来源于遗传算法本身,也可能来源于本文方法设计中还存在需要优化的地方,所以后续可以对该问题的优化方法进行更合理的设计。

　　参考文献(References):

　　[1]TrumboBE.Atheoryforcoloringbivariatestatisticalmaps[J].TheAmericanStatistician,1981,35(4):220226

　　[2]WangLJ,GiesenJ,McdonnellKT,etal.Colordesignforillustrativevisualization[J].IEEETransactionsonVisualizationandComputerGraphics,2008,14(6):17391754

　　[3]HarrowerM,BrewerCA.ColorBrewer.org:anonlinetoolforselectingcolourschemesformaps[J].TheCartographicJournal,2003,40(1):2737

　　[4]GramazioCC,LaidlawDH,SchlossKB.Colorgorical:creatingdiscriminableandpreferablecolorpalettesforinformationvisualization[J].IEEETransactionsonVisualizationandComputerGraphics,2017,23(1):521530

　　[5]ChuangJ,WeiskopfD,TorstenM.Energyawarecolorsets[J].ComputerGraphicsForum,2009,28(2):203211

　　[6]LeeS,SipsM,SeidelHP.Perceptuallydrivenvisibilityoptimizationforcategoricaldatavisualization[J].IEEETransactionsonVisualizationandComputerGraphics,2013,19(10):17461757

　　作者：王晖,胡瑞珍

转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/26814.html