Codage Graphique de l’Information - lirmm.frmountaz/Ens/Ihm/.../c5-codageCouleur.pdf · Codage...

Codage Graphique de l’Information

Mountaz Hascoët, Université de Montpellier,

Plan• Introduction– Un peu de déconstruction pour commencer

• Workflow/dataflow– Des données à leur représentation

graphique interactive

• Variables graphiques • Couleurs–Modèles colorimétriques– Palettes– Contrastes et harmonies

Mountaz Hascoët, Univ. Montpellier 2

Martin Dittus – Arc diagrams to visualise IRC references – source: visual complexityMartin Wattenberg – 2001 – Arc diagrams Infovis 2002

Principe• Positions sur un axe • Taille des cercles• Lien

– Source/destination– Epaisseur des liens– Demi-plan– Longueur

• Ordre sur les éléments• ?• Référence

– Source parle de destination

– Quantité– Lien inverse– Aucun sens

Martin Dittus – Arc diagrams to visualise IRC referencesMartin Wattenberg – 2001 – Arc diagrams

Matthias Dittrich - Source - http://www.matthiasdittrich.com/projekte/dliste/visualisations/index.html

AnneauxVisualisation de la composition d’une université Australienne

• Organisation– RMIT University– College (3)– School (8 pour DSC)– Niveau– Program (210)– Course (2000)

• Sources de Financements• Passerelles (4700)

– Intra écoles– Inter écoles

• Flux d’étudiants• Bilan

– 8 dimensions interdépendantes

Andrew Dun – 2012 – College of Design and Social Context - Source - http://intensional.org/rmit_dsc/

Inclassable

Les différentes écoles

• Géographes– Jacques Bertin – Sémiologie graphique

• Statisticiens– Edward Tufte – Display of quantitative information– Leland Wilkinson – Grammar of Graphics

• Designers– David McCandless, Aaron Coblin, Manuel Lima, etc

• Psychologues– Gibson, Affordance theory– Lindsay, Norman – Human Information processing– Colin Ware – Perception for Design– Gestalt – Berlin School

• Informaticiens– Stuart Card, Jock Mackinlay, Ben Shneiderman, Robert Spence

WORKLOW - DATAFLOW

Des données brutes aux représentations graphiques interactives

Des données aux graphiques (1/3)

Mounta

1010Ed. Chi, Data State Models, AVI 2002]

Visualization Abstraction

Analytical Abstraction

Data Transformation

Visualization Transformati

Visual Mapping Transformation

Documents Textuels, Web page collections, Données d’expression

Extraction, Clustering, Filtrage

Graphes, Tables, Arbres

Codage: placement, pavage, interpolations

Objets graphiques

Opérations de rendu et transformations

Vue d’ensemble graphique

Dos Santos, S. and Brodlie, K. Gaining understanding of multivariate and multidimensional data through visualization. Computers & Graphics,

28(3):311–325. 2004.

Jeffrey Heer, Stuart K. Card, and James A. Landay. prefuse: a toolkit for interactive information visualization. In CHI 2005, Human Factors in

Computing Systems, 2005.

CODAGE

Variables visuelles, appariement des variables, sémiologie graphique

Les variables visuelles – C. Ware

Mounta

14Grammaire visuelle des éléments visuels

Extrait de Colin Ware, Information Visualization, 2000

Les variables visuelles – J. Bertin

– Taille– Valeur– Orientation– Grain– Couleur– Forme

Extrait de J. Bertin, Sémiologie graphique, 1967 - 2005

Implantation des variables visuelles

• Les trois formes d’implantation visuelle– ponctuelle– linéaire– Surfacique

• Exemple– Les trois implantations de

quatres valeurs de grain

Perception pré-attentive

« Une tâche qui s’effectue en moins de 200 à 250 ms sur un écran comportant de nombreux objets peut être considérée comme pre-attentive »

C.G. Healey

Mountaz Hascoët, Univ. Montpellier II

Sélection

• Définition– Une variable graphique est dite sélective lorsqu’elle

permet d’isoler de manière pré-attentive les familles d’entités partageant la même valeur.

• Les variables sélectives:– Taille (moins de 5 tailles différentes présentes)– Valeur (moins de 5 en implantation surfacique)– Grain (moins de 5 en implantation surfacique)– Couleur (moins de 8 en implantation surfacique)– Orientation (moins de 2 en implantation linéaire)

• Les variables non sélectives:– La forme

• Définition:– Une variable est dite ordonnée lorsque

différentes valeurs de cette variable peuvent être perçues comme naturellement ordonnées.

• Exemples de variables ordonnées– Taille– Grain– Valeur

Quantité

• Définition– Une variable est dite quantitative

lorsqu’elle permet de d’évaluer la distance entre deux de ses valeurs.

• Exemples de variables quantitatives– Taille

A B C D

1 2 5 10 20 50 100

Association

• Définition– Une variable est associative si ces

différentes valeurs ne modifient pas radicalement la visibilité des objets.

• Variables associatives– Toutes sauf taille et valeur

En résumé

• Perception associative ()– Regrouper des semblables

• Perception sélective ( )– Rechercher un catégorie précise

• Perception ordonnée (O)– L’ordre géographique des taux de naissance

est-il semblable à celui des décès

• Perception quantitative (Q)– Evaluer le rapport quantitatif entre deux signes

Exemples / Application

Mounta

Taille

Valeur

Orientation

Couleur

SélectiveQuantitativeOrdonnable

SélectiveOrdonnable

AssociativeSélective en implantation P et LAssociativeSélectiveOrdonnable

AssociativeSélective

Associative

COULEURS

Modèles, Palettes, Harmonies, Contrastes

Le phénomène physique

• Définition physique de la lumière– La lumière est issue d’une onde

électromagnétique perceptible par l’œil humain

– Deux caractérisations du spectre électromagnétique de cette onde peuvent être utiles• Corpusculaire: énergie des photons• Ondulatoire: longueur d’onde ou fréquence

Le phénomène physique

Mounta

Le phénomène perçu

• Bâtonnets (rod) – Vision nocturne– Monochromatique– Faible intensité

lumineuse

• Cônes (cone)– Vision diurne– Couleur– Forte intensité

lumineuse– Trois types

• L,M,S

Extrait de Dowling (1987). "The Retina: an approachable part of the brain." The Belknap Press of

Harvard University Press, Cambridge

Le phénomène interprété• Quelques effets célèbres:

Quel est le plus sombre ou le plus brillant: A, B, C, D ?Réponses:physique –> aucunperception physiologique – >aucun ?interprétation –> A est le plus brillant et D le plus sombre

A B C D

Le phénomène socio-culturel

Mounta

Modèles

• Modèle de l’imprimeur– Orienté pigment

• Synthèse soustractive– Ajout de couleur conduit au noir

• Chaque pigment absorbe l’une des trois portions du spectre de la lumière visible.

• La couleur du pigment résulte des couleurs qu’il réfléchit

Modèle CMY : Cyan/Magenta/Yellow

Modèles RVB – CIE 1920

• Modèle de l’image d’écran– Orienté émission de lumière

• Synthèse additive– l’ajout de couleurs conduit au blanc

• Chaque composante émet de la lumière dans sa longueur d’onde

• Modèle inspiré d’études de la CIE sur l’œil humain– R, V, B correspondraient aux teintes auxquelles les

récepteurs rétiniens seraient les plus sensibles

• Existe dans différentes variantes– sRVB

Conclusion : Limites de RVB et CMY

• Représentation de l’espace colorimétrique orienté matériel

• Modèle éloigné des besoins des designers– Définition des contrastes, des harmonies– Différences significatives– Contrôle de la brillance– Contrôle de la teinte– Roue des couleurs

• Alternatives à RVB et CMY– HCB ou HSV– CIE XYZ– CIE L*U*V

HSB: Hue, Saturation, Brightness

• Aussi appelé HSV (V=Value)

• Hue: teinte–~ la longueur d’onde

• Saturation: pureté– À quel point la couleur est

mélangée à d’autre: • 0 -> blanc, max -> couleur

saturée ou pure (à éviter)

• Brightness / Value– Intensité lumineuse: • 0 -> noir.

– Attention: la définition de brillance n’est pas toujours la même

Brillance, luminance, luminosité

• Chaque domaine donne ses définitions– Pas toujours cohérentes avec les autres

• Proposition– Brillance

• Intensité lumineuse perçue• ~ « Mesurable » subjectivement et contextuellement• Perspective perception/design

– Luminance• Intensité lumineuse émise ou réfléchie• ~ Mesurable objectivement• Perspective physique électronique

– Luminosité~ brillance• Très polysémique

Modèle XYZ – CIE 1930

• Espace XYZ – C = X+Y+Z– Où Y est censé suivre la fonction

d’efficacité de l’œil• Sensibilité exacerbée sur les verts• Prend en compte perception

• Espace chromatique CIE– x = X / (X + Y + Z)– y = Y / (X + Y + Z)– Diagramme fer à cheval

• Propriétés– Les couleurs pures ou saturées

• Situées sur périphérie de la courbe sur le fer à cheval

• Longueur d’onde mentionnées en bleu

– Limite du visible ultraviolet et infrarouge• Situées sur segment de droite qui

ferme le fer à cheval

Espace chromatique CIE xy

Espace chromatique CIE XYZ

• Spectre des couleurs visibles perceptibles avec x et y >0– Conversions avec RVB

• Représentation et comparaison de gamut– Le gamut ~ triangle dans

espace chromatique– Gamut = sous ensemble

des couleurs qu’un dispositif matériel (écran, projecteur) permet de produire

– E ~ blanc

Espace chromatique CIE xy et gamut

Bilan espace chromatique CIE XYZ

• Aspect positif– Couvre l’espace

chromatique visible • avec seulement deux

coordonnées positives

• Aspect négatif–Modèle non uniforme• Diagramme de Mac

• Alternatives–Modèles CIELUV–Modèle CIELAB

Espace chromatique CIE xy et diagramme de Mac Adam

Modèle CIELUV

• Trois composantes– l,u,v ou l*u*v*– l ~ brillance – u et v ~ x et y• De sorte à ce que l’espace colorimétrique

soit uniforme

• Espace colorimétrique uniforme– Le distance euclidienne en deux

couleurs représente la distance perçue

Modèle CIELAB

• Utilise des oppositions de couleurs– Vert – Rouge (a)– Bleu – Jaune (b)

• Trois composantes l,a,b ou l*,a*,b*– l ~ brillance (idem cieluv)– a ~ distance entre vert et rouge• Min = vert (-300)• Max = rouge (299)

– b ~ distance entre bleu au jaune• Min = bleu (-300)• Max = jaune (299)

Conclusion modèle de couleurs

• De nombreux autres modèles de couleur– En particulier pour images animées

• Comment faire de bonnes palettes de couleurs– Combien de couleurs ?– Physique -> infinité– Moniteur 24 bits -> plus de 16 Millions– Système perceptif humain -> 15

000 ? Mountaz Hascoët, Univ. Montpellier 41

Palettes

Objectifs et questions

• Des palettes pour quoi faire?– Esthétique– Informatique• => codage et transmission des informations

• Comment les construire ?– Palettes adhoc• Créées par des auteurs

– Palettes génériques à création semi-automatiques• Prendre en compte les interactions entre couleurs

– Contrastes– Harmonies

• Choisir le bon nombre de couleurs– Discrimination– Catégories

Objectifs et questions• Combien de couleurs dans une palette?– Expérience de Healey 1996

• Trouver un élément par sa couleur parmi d’autres éléments de n autres couleurs• Couleurs de même brillance• Distance entre chaque paire de couleurs choisie et fixée pour être identifiable• Nb couleurs varie : 3, 5, 7 et 9

– Résultats de l’expérience de Healey• Si nbc <= 5 : processus préattentif (ie < 200ms)

– Ne dépend ni de nb items ni des couleurs

• Si nbc = 7 ou 9 : processus plus complexe– Le choix de la couleur cible est déterminant

» Cibles vertes donnent les plus mauvais résultats

• =>Plus le nb de couleurs est élevé plus le choix des couleurs est déterminant

• Rappel– « Une tâche qui s’effectue en moins de 200 à 250 ms sur un écran

comportant de nombreux objets peut être considérée comme pre-attentive » C.G. Healey

Conception de palettes adhoc

• Exemple de ColorBrewer (1/2)

Principes de conception de palettesorientées codage

• Types des palettes de ColorBrewer– Données nominales

• Données qualitatives catégorisables mais non ordonnables ou pour lesquelles aucun ordre ne fait de sens

=> palettes qualitatives

– Données qualitatives ordinales• Données non numériques pour lesquelles un ou plusieurs

ordres peuvent faire du sens=> palettes séquentielles

– Données quantitatives• Données numériques => palettes divergentes

Palettes Qualitatives

• Objectifs– contrôle des

distances entre teintes

– différentiation– Isobrillance

• Exemple– Coloration – de graphe

Palettes séquentielles (1/2)

• Monochromatique–Min = blanc–Max = la couleur

saturée– C = Interpolation

linéaire (dans modèle XYZ ou L*a*b*) entre Min et Max

Palettes séquentielles (2/2)

• Polychromatique– Couleurs interpolées sur intervalles prédéfinis

• Du Jaune au Rouge• Du Rouge au Pourpre• Du Vert au Bleu• Du Jaune au Vert au Bleu

+– brillance décroissante

Palettes divergentes

• Pour représenter des données numériques– Deux échelles

séquentielles concaténées• Rouge – Vert• Rouge – Violet

– Spectre complet

• Rouge - Jaune - Bleu• Rouge - Bleu

HARMONIES ET CONTRASTES

Palettes génériques

Harmonies (1/4)

• Définition– Ensemble de couleurs équilibrées ou assorties

• Harmonie de type 1– Déclinaison d’une couleur• Couleur (Hue)• Couleur+blanc – Nuance (Tint)• Couleur+gris – Ton (Tone)• Couleur+noir – Ombre (Shade)

• Harmonie de type 2–~dégradé– Principe de création:• modèle HSB • deux des composantes restent constantes (ex: S et B)• la troisième varie (ex: H)

Harmonie (2/4)• Harmonie de type 3– Équilibre des forces– Prend en compte partiellement le contexte• Taille des surfaces colorées dans une composition

– Force d’une couleur (d’après Lyons et Moretti, 2010)• F(c) = Saturation(c) x Brillance(c) x Surface(c)• NB: d’autres définitions existent

– Valeurs de lumière établies par Goethe

– Harmonie de n couleurs c1, c2, … cn • pour tout i, j, F(ci) = F(cj)

Mountaz Hascoët, Univ. Montpellier53

Harmonies (3/4)

• Harmonies de type 4– Schémas théoriques construits à partir de la roue des couleurs–Multitude de schémas construits

• Définissent les relations entre couleurs• Par des relations d’angles sur la roue des couleurs• Permettent de générer toutes sortes d’harmonie par rotation du schéma

Analogues Complémentaires Triade Complémentaire réparti

Harmonies (4/4)

• Schémas harmoniques de type 4 (suite)

Rectangle Carré Triade Complémentaire réparti

Contrastes (1/4)

• Les sept contrastes d’Itten– Art de la Couleur, Johannes Itten– Peintre du début du 20ième siècle

• Lumière et ombre– Contraste de brillance ou, à défaut et le plus souvent

contraste de luminance

• Contraste de couleurs –Maximal entre trois couleurs primaires– Calcul possible mais controversé– Pour C1 and C2 deux couleurs définies en RGB par (r1,v1,b1)

et (r2,v2,b2) dans [0-255]3 : • d = |r1-r2| +|v1-v2|+|b1-b2| [6]

– NB: norme W3C ~ si d > 500 contraste couleur suffisant

Contrastes (2/4)

• Contraste de température– Facile à calculer en HSB– Difficile à utiliser à bon escient

• Contraste de qualité– Qualité ~ saturation– Contraste de qualité = contraste Mat/brillant

• Contraste de quantité– Quantité ~ force de la couleur ~ valeur établie par Goethe ~

taille de la surface colorée– Valeurs de lumière établies par Goethe

– ->Dimensions des surfaces pour harmonie selon Goethe

Jaune Orange Rouge Violet Bleu Vert9 8 6 3 4 6

Jaune Orange Rouge Violet Bleu Vert3 4 6 9 8 6

Contraste (3/4)

• Contraste simultané– Chaque couleur émise provoque simultanément la

perception de sa couleur opposée – Contraste simultané avec du gris ou du noir

• =>Un gris entouré d’une couleur forte est perçu dans la couleur complémentaire de la couleur qui l’entoure • Une cravate à rayure noire et rouge peut facilement paraître verte

et rouge.

– Contraste simultané entre couleurs• Deux couleurs presque complémentaires juxtaposées et

isoluminantes• Chaque couleur suggère l’autre

– Les couleurs suggérées se superposent aux couleurs émises – ~dissonance

• Effet scintillement, fatigue visuelle

Contraste (4/4)

• Contraste simultané (suite)– Atténuation d’un contraste simultané

• Une couleur C1 et un gris en contraste simultané• Ajouter une touche de couleur complémentaire de

C1 dans le gris

– Accentuation d’un contraste simultané• Ajouter une touche de couleur analogue au

complémentaire de C1 dans le gris

• Contraste des complémentaires– Relation de deux couleurs dont le mélange

donne le gris de ton neutre

Codage Graphique de l’Information - lirmm.frmountaz/Ens/Ihm/.../c5-codageCouleur.pdf · Codage...

Documents

LA CARTOGRAPHIE À L’HEURE DU GÉOWEB · sémiologie graphique du géoweb en nous intéressant aux nouvelles modalités de représentation géographique de l’information qui émergent

Codage ADICAP

Codage Manchester

Objectifs du TD - robert.cireddu.free.frrobert.cireddu.free.fr/SNIR/TD sur la representation et le codage... · Représentation et codage des informations ... L’unité de codage

Codage de linformation. Deux grandes catégories Codage des nombresdes caractères Fin

Codage, Compression et Cryptologie - deptinfo.unice.frdeptinfo.unice.fr/twiki/pub/Linfo/Organisation Rapports/Knoff... · Le codage de l’information est la première étape de toute

ThØorie et codage de l’information - Cédric Richard's ...cedric-richard.fr/coursIT/transparent-c6-1.pdf · ThØorie et codage de l’information ... Il existe un unique corps

Prez CONCILIUM juin 2017 v2...Mise en place des outils Déploiement du site internet, newsletter, réseaux sociaux… 2 3 1 Développement technique Création graphique, codage des

Proposition d’activités Mon imagier sonore€¦ · Plage 21 La bouteille Plage 23 La mer ... se laver les dents...). Répartir la classe ... Un autre codage graphique permettra

Atelier de codage – EMOIS 2015emois.org/wp-content/uploads/2015/06/AtelierCodage.pdf · 03/04/2015 5 Programme Codage de la grippe Codage des résistances Injection de fer Codage

ESIEE : Signaux et Télécommunicationsjardinp/pdf/codage-source.pdf · préservant l’information essentielle qu’elles portent. ... Un codage est l’opération d’assignation

CODAGE ET TRANSMISSION DE L’INFORMATION …20de%20l%27info%20num%E9rique_Co… · La fibre optique offre un débit d'informations nettement supérieur à celui des câbles coaxiaux

UV Théorie de l’Information Cours n° 1−2 - INSA Rouenasi.insa-rouen.fr/enseignement/siteUV/ti/private/Cours1... · 2012. 8. 27. · ⇒ Codage de canal Accroître (autant que

Théorie de l’Information et Codage

Communications Numériques et Théorie de l’Information · 2013. 10. 1. · CNTI 2008. Page 7 La Théorie de l’Info Introduction à la théorie de l'information et le codage,

Système d’information hospitalier Codage de l’information ... · Informations au cours du séjour Observations cliniques Prise en charge Soins, prescriptions Examens complémentaires

Promouvoir l’éducation aux médias et à l’information en · 2021. 2. 26. · et garçons au codage et les encourage à concevoir, promouvoir et déployer des applications mobiles

Intro Codage Source Et Codage de Canal

NEUROSCIENCES - medias.dunod.commedias.dunod.com/document/9782100585045/Feuilletage.pdf · Ancien professeur de neurophysiologie ... Fiche 59 Le codage de l’information par les

Représentation et codage de l’information · • Le codage de l’information permet d’établir une ... Octal binaire 20.L’idée est de faire des regroupements de 3 bits à