Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
Prof. Dr.-Ing. Detlef Krömker
Goethe-Universität, FrankfurtGraphische Datenverarbeitung
Visualisierung
Abbildung auf Farbe
WS 2000/20012Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Rückblick
� Übersicht zur Farbwahrnehmung
� Farbmetrik� CIE XYZ, Yxy,� CIELUV, CIELAB
WS 2000/20013Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Übersicht
1. Nachtrag: Einige Farbwahrnehmungsphänomene
2. Abbildung nominaler Daten: Color for Labeling
3. Abbildung ordinaler Daten4. Abbildung quantitatier Daten: Farbskalen
WS 2000/20014Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Übersicht (Fortsetzung)
5. Zusammenfassung 6. Glossar7. Weitere Informationen8. Ausblick – Nächste Schritte
WS 2000/20015Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Nachtrag:Nachtrag:Nachtrag:Nachtrag:Einige Farbwahrnehmungsphänomene
Sprachen und Farbnamen, Studie von Berlin und Kay (1969): Untersuchten mehr als 100 Sprachen mit folgenden Ergebnissen:Sprachen mit 2 Farbbezeichnungen: immer schwarz und weißSprachen mit 3 Farbbezeichnungen: es kommt immer rot dazu
rot
grüngelb
gelbgrün rosalila
orangegrau
braunblauweißschwarz
GegenfarbenHellig-keit
WS 2000/20016Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
FarbnamenStudie von Post und Green
(1986):210 mögliche Farben in 20
Größe mit schwarzem Hintergrund: Bild zeigt die Gebiete, die mit 75% Sicherheit als solche benannt wurden:
Beachte: Reine Monitorrot wurde oft als orange bezeichet
Nur 8 Farben wurden überhaupt konsistent benannt
WS 2000/20017Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Ortsauflösung in den Farbkanäleniso- oder equiluminate Muster
Lesen Sie weiter, um festzustellen, wie schwierig es ist und ob sie vielleicht Unterschiede erkennen können. Dies ist keineswegs sicher, aber man muss es versuchen, sonst weiß man es eben nie. Auf alles was ich als Poet geleistet habe, bilde ich mir gar nichts ein. ... Das ich aber in meinem Jahrhundert der einzige bin, der das Rechte weiß, darauf tue ich mir etwas zugute, und ich habe daher ein Bewusstsein der Superiorität über viele. Dies hat Goethe gesagt, der eine naturgemäße Ordnung der Farben suchte.
WS 2000/20018Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Folgerungen
� Reine chromatische Differenzen sind ungeeignet um � Formen, � Objektbewegung, � Entfernungen oder� Detailinformationen (wie Text)
zu präsentieren.� ABER: Farbe ist ein „natürliches“ Attribut von
ObjektenFarbe erregt Aufmerksamkeit
� Nahrung (Früchte, Beeren)
WS 2000/20019Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Noch ein kleiner Versuch
WS 2000/200113Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Die Farbe Braun
� BRAUN ist ein dunkles gelb.� Es gibt kein BRAUN in einer dunklen
Umgebung� BRAUN braucht eine Referenz um
wahrgenommen zu werden�� VORSICHT bei farbigen Helligkeitsskalen: � BRAUN wird u.U. nicht als dunkles Gelb
wahrgenommen.
WS 2000/200114Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Abbildung auf FarbeGrundsätzliche Fragen
� Welche Arten von Daten, Informationen und Eigenschaften lassen sich gut durch Farbwerte kodieren?
� Welche Arten von Zusammenhängen lassen sich aus den so dargestellten Daten identifizieren und wie effektiv sind einzelne Visualisierungsmethoden in diesem Kontext?
� Welche Formen von Farbdarstellungen sind vorbelegt und können einerseits für eine effektivere Interpretation als Metaphern genutzt werden, müssen jedoch andererseits vermieden werden, wenn diese Metapher in der speziellen Situation nicht gültig ist?
WS 2000/200115Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einsatz von Farbe
� zur Unterscheidung unterschiedlicher Elemente
� zur Betonung von Elementen und Regionen
� zur Darstellung von Strukturen und Objekten in einer Form, wie wir sie auch in der Natur wahrnehmen
� zur Repräsentation von symbolischen Assoziationen
� zum Ausdruck von Stimmungen
FragenFarbästethik wird hiernicht behandelt!
Fragen zurExpressivität, Effektivität werden behandelt.
WS 2000/200116Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Farbe und nominale Daten
� Mögliche Aufgaben: Suchen und Identifizieren, „Labeling“
� Farben müssen leicht unterschieden und erinnert werden
� � man wähle Farben, die einen deutlich trennenden Charakter haben
WS 2000/200117Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien
1. Verschiedenheit (distinctness)� Kodierungen mit Farbabständen zwischen
45 und 65 in CIELUV-Farbdifferenzeinheiten haben sich als effektiv erwies.
� Beachte: Große Farbabstände werden von CIELUV oder CIELAB leicht fehlerhaft repräsentiert.
� Für schnelle Unterscheidungen soll eine Farbe außerhalb der konvexen Hülle der benachbarten Farben liegen
WS 2000/200118Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Konvexe Hülle z.B. im CIELUV-Diagrammzur „schnellen“ Unterscheidung [Bauer]
Grau liegt in der konvexen Hülle
Rot liegt außerhalb der konvexen Hülle
Regel kann auch im 3D (z.B. YU*V*) benutzt werden!
WS 2000/200119Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien
2. Ausgezeichnete Farbtöne(Unique Hues) sind:� Schwarz – Weiß� Rot – Grün – Blau – GelbEmpfehlung: aus keiner Kategorie 2 Farben
wählen (z.B. zwei Grüntöne) (auch wenn sie farbmetrisch einen großen Abstand aufweisen).
WS 2000/200120Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien
3. HintergrundkontrastDieselben Graphiken werden oft auf verschiedenen
Hintergründen oder Umgebungen benutzt: durch Simultankontrast ergeben sich ggf. stark verschiedene Farbwahrnehmungen.� wenige Farben benutzen!� keine Farben nutzen, die nur Chrominanz-
unterschiede aufweisenMan kann diesen Effekt reduzieren, wenn man um die
Farbflächen einen neutralen (z.B. weißen oder schwarzen Rand) legt. (Genutzt z.B. bei Signallichtern)
WS 2000/200121Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien
4. Farbsehschwächen berücksichtigenam häufigsten Rot-Grün-Sehschwäche
Bezeichnung Effekt Häufigkeit
Ursprung derVerwechslungsgeraden
Unbunt
Protanopie Rot-Blindheit ca. 1% xp = 0.7635 yp = 0.2365 494 nm
Deuteranopie Grün-Blindheit ca. 5-6% xd = 1.4000 yd = -0.4000 499 nm
Tritanopie Blau-Gelb-Blindheit
0.004% xt = 0.1748 yt= 0.0000 570 nm
Monochromasie
Farbenblindheit 0.003%
WS 2000/200122Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Verwechslungsgerade im Falle der Deuteranopie
(Grün-Blindheit)
Beispiel:Verwechselungsgerade für Deuteranope: Farbvalenzen, die sich auf einer Geraden durch denspezifischen Ursprung befinden,können von Deuterapopen nicht unter-schieden werden.
Eine Berücksichtigung dieserFehlsichtigkeiten reduziert dienutzbaren Farben erheblich.
WS 2000/200123Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien
5. Anzahl der nutzbaren FarbenWenn „paralleles Suchen“ ausgenutzt werden soll (schnelles Unterscheiden), dürfen nicht mehr als 5-8 (10) verschiedene Farben eingesetzt werden [Healey] oder „The Magical Number Seven“ [Miller]
WS 2000/200124Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien6. Flächengröße
Minimale Größe von Farbstimuli für verschiedene AufgabenArt der
dargestelltenInformation
Vergleichende Farbunter-scheidung
(2-7 Farben)
Absolute Farbidentifi-
zierung (2-4 Farben)
Helligkeit des Symbols
kritischeInformation,
variable Position
≥ 20’ ≥ 20’ ≥ 1 fL
kritischeInformation,
feste Position≥ 16’ ≥ 20’ ≥ 1 fL
unkritischeInformation ≥ 12’ ≥ 16’ ≥ 1 fL
WS 2000/200125Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien6. Flächengröße – Ergänzende Regeln
für gelb-blau Differenzen sollten die Flächen sogar mindestens ein halbes Grad groß sein: kleine Flächen � stark gesättigte Farben
mit möglichst großemFarbabstand
größere Flächen � weniger gesättigte Farbenmit geringerem Farbabstand möglich
WS 2000/200126Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
KriterienBeispiel für die Nutzung von Farben bei großen Flächen:Geringe Sättigunggroße Helligkeit
Interferenzen mit schwarzen Detailinformati-onen (Text) sind gering
Import java.applett.Applett;Import jawa.awt.Graphics;Import jawa.awt.Color
Public class ColorText extends Applett{
public void init (){
red = 100;green = 255;blue = 20;
}
public void paint (Graphics g){
Gr.setColor (new Color (red,green, blue));Gr.drawString (“Colored Text“.30,50);
}
private int red;private int green;private int blue;
}
WS 2000/200127Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien
Import java.applett.Applett;Import jawa.awt.Graphics;Import jawa.awt.Color
Public class ColorText extends Applett{
public void init (){
red = 100;green = 255;blue = 20;
}
public void paint (Graphics g){
Gr.setColor (new Color (red,green, blue));Gr.drawString (“Colored Text“.30,50);
}
private int red;private int green;private int blue;
}
WS 2000/200128Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Kriterien7. Konventionen (kulturell bedingt)
rot = heiß, Gefahr, Stopp...blau = kalt, frisch, ...grün = Leben, Gehen, Frei, ...
WS 2000/200129Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Farbempfehlungen für Farbkodierungen (nach Ware)
1. Rot2. Grün3. Gelb4. Blau5. Schwarz6. Weiß
7. Rosa8. Cyan9. Grau10. Orange11. Braun12. Lila
Bei weniger als sechs Werten wähle man nur aus 1...6
WS 2000/200130Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Empfohlene Grundfarben für Farbkodierungen
(nach Smallman)
Farbbezeichnung CIE-x-Wert CIE-y-Wert(1) rot 0.51 0.32
(7) pink 0.35 0.30
(12) lila 0.27 0.20
(4) blau 0.19 0.25(2) grün 0.31 0.52
(3) gelb 0.46 0.48
(10) orange 0.54 0.40(11) braun 0.46 0.38
Zahlen in Klammern entsprechen der Nummerierung nach Ware
WS 2000/200131Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Erweiterte Farbtabelle(durch Interpolation)
Farbbezeichnung CIE-x-Wert CIE-y-Wertrot 0.51 0.32
rot-pink* 0,43 0,31pink 0.35 0.30
pink-lila* 0,31 0,25lila 0.27 0.20
lila-blau* 0,23 0,23blau 0.19 0.25
(8) blau-grün* 0,25 0,39grün 0.31 0.52
grün-gelb* 0,39 0,50gelb 0.46 0.48
gelb-orange* 0,50 0,44orange 0.54 0.40
orange-rot* 0,53 0,36* durch Interpolation gewonnen
WS 2000/200132Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Position der Farben der Erweiterten Farbtabelle in der Normfarbtafel
Kritik:Farbabstand besserIm u‘v‘-Diagrammbeurteilen
WS 2000/200133Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Zusammenfassung
� Bei der visuellen Suche nach Zielobjekten sind Farbkodierungen effektiver als monochromatische Darstellungen (hier unterscheidet und bezeichenet man höchstens 4 Helligkeiten: schwarz – dunkelgrau – hellgrau – weiß
� Wenn es auf Schnelligkeit ankommt, wähle man die Farben nach Bauer`s Regel (Konvexe Hülle)
� Man wähle die Farbflächen groß genug!
WS 2000/200134Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Ordinale Daten
Je nach Aufgabe:� Suchen und Identifizieren:
� Wahl wie bei nominalen Daten� Übersicht oder Vergleichen:
� Abbildung auf Farbskalen wie bei quantitativen Daten
z.B. modifizierter FarbkreisWerden diese Größen dann auch als
quantitative Größen interpretiert?
WS 2000/200135Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Quantitative Daten
Beachte: Immer nur einen Teil der Buntton-Skala Benutzen
Die zwei unteren Verfahren erlauben den Einsatz vonFarbtabellen (Color-Look-Up-Table)
WS 2000/200136Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Farbskalen
� Grauwertskalen Helligkeit� Farbskalen Sättigung und Farbton
= Farbartmöglich: � Abbildung auf RGB
(i.d.R. nicht effizient und wenig effektiv)� Abbildung auf HSV, HLS, o.ä. möglich
Spezielle Farbskalen i.d.R. effizienter
WS 2000/200137Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Grauwertskalen
� Man verwende empfindungsmäßig gleichabständige Stufen, etwa nach folgender Formel:
� Berücksichtigt man die nötige Gammakorrektur (für Farbmonitore 2,3 ... 2,8), so erhält man:
� Kuriosum: Diese Zwei Effekte korrigieren sich fast selbst!
( ) Stevens nach 300 ≈−⋅��
���
�+= νν
mitYYniYY ni
( )00 YYniYY ni −⋅��
���
�+=γν
WS 2000/200138Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Beispiele für spezielle Farbskalen
Farbton-Skala (Hue)
Regenbogenskala
Temperaturfarbskala
Magenta-Farbskala
WS 2000/200139Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Regenbogenfarbskala
� Im Gegensatz zum natürlichen Regenbogen, bei dem auch die Helligkeit variiert wird (Sättigung kaum), hält man die Helligkeit hier üblicherweise konstant.
� Subjektive „Natürlichkeit“ der Ordnung ist zweifelhaft, wird aber gelegentlich behauptet (findet man häufig in der Physik)
� Die sogenannte modifizierte Regenbogenskala nutzt zusätzlich Helligkeiten.
WS 2000/200140Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Temperatur-Farbskala(Heated Object Scale)
� Wird als natürlich empfunden
� Modifiziert Helligkeit und Farbe
( ) ( ) ( ) ( )
( )
( )
( )��
��
�
>−⋅
≤=
���
�
���
�
�
>
≤<−⋅
≤
=
��
��
�
>
≤⋅=
⋅+⋅+⋅=
3223320
321
32
3113
310
311313
3
2
1
321
xfürx
xfürxa
xfür
xfürx
xfür
xa
xfür
xfürxxa
BxaGxaRxaxc
WS 2000/200141Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Magenta-Farbskala
� Nach Levkowitz� Versucht auszunutzen,
daß der Mensch für Bunttonunterschiede im Magentabereich besonders empfindlich ist
� Kodierung über Farbton und Helligkeit
( ) ( ) ( ) ( )
( )
( )
( )
���
�
���
�
�
>
≤<−⋅
≤
=
��
��
�
>−⋅
≤=
��
��
�
>
≤⋅=
⋅+⋅+⋅=
321
32
3113
310
3223320
311313
3
2
1
321
xfür
xfürx
xfür
xa
xfürx
xfürxa
xfür
xfürxxa
BxaGxaRxaxc
WS 2000/200142Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Zwei wesentliche Fragestellungen
1. Bleiben „Spitzen“, „Täler“ oder „Kämme“ = Strukturen in den Werten wahrnehmbar?
2. Bleiben bestimmte Klassifizierungen wahrnehmbar (kann man Datenwerte einfach aus der Karte ablesen)?
WS 2000/200143Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Beispiel zur Wahrnehmung von Formen = Strukturen
WS 2000/200144Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einige Regeln für den Einsatz von Farbskalen
1. Auch hier gilt es u.U. Farbfehlsichtigkeit zu berücksichtigen. Details findet man in [Meyer, Greenberg 1988]
Beispiele:
WS 2000/200145Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einige Regeln für den Einsatz von Farbskalen
2. Wenn eine wahrnehmungsmäßig geordnete Sequenz benötigt wird, bevorzuge man eine
� Grauwertskala,� Rot-Grün Skala� Gelb-Blau Skala� Sättigungsskala
WS 2000/200146Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einige Regeln für den Einsatz von Farbskalen
3. Verschiedene Skalen sind für verschiedene Detailgrade unterschiedlich gut geeignet:Großer Detailreichtum � LuminanzskalenGeringerer Detailreichtum � Farton- oder
Sättigungsskalen
WS 2000/200147Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einige Regeln für den Einsatz von Farbskalen
4. Uniforme Skalen können durch Verwendung von CIELUV (CIELAB) gewonnen werden.
Achtung: Manchmal sollen spezielle Eigenschaften durch nichtuniforme Skalen hervorgehoben werden.
WS 2000/200148Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einige Regeln für den Einsatz von Farbskalen
5. Für ein Ablesen von Datenwerten sollte man Farbskalen benutzen, die durch viele Farbarten charakterisiert ist(Minimiert Fehler durch Farbkontrast)
6. Oft ist eine Spiralskala, z.B. im CIELUV-Farbraum sehr gut: alle Farben unterscheiden sich auch in der Helligkeit
WS 2000/200149Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Einige Regeln für den Einsatz von Farbskalen
7. Durch Wahrnehmungseffekte erscheinen kontinuierliche Skalen oft diskret.
8. Um Formen und Strukturen in Wertefeldern wahrnehmbar darzustellen, ist die Betrachtung der Daten als Höhenfeld und ein Standardshading der CG oft effizienter als Farbskalen.
WS 2000/200150Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Zusammenfassung
� Farbe ist ein sehr breites und komplexes Gebiet
� Viele Wahrnehmungseffekte erklären sich durch die Gegenfarbentheorie
� Luminanzunterschiede sind mit einer wesentlich höheren Ortsauflösung wahrnehmbar.
� Farbe ist effektiv für nominale, ordinale und quantitative Wertebereiche
WS 2000/200151Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Glossar
WS 2000/200152Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Weitere Informationen
[Meyer, Greenberg 1988]: Color-defective vision and computer graphics displays, IEEE Computer Graphics and Applications, September 1988, pp. 28-40.
WS 2000/200153Visualisierung9. Abbildung auf Farbe© Prof. Dr.-Ing. Detlef Krömker
Ausblick – Nächste Schritte� Mittwoch 13.12.2000� Im Rahmen des CG Kolloquiums
Ulrike SpierlingErzählen Spielen und sinnliche ErfahrungAuf der Suche nach neuen Formen für Benutzungsschnittstellen
� Nächste WocheVideo „The History of Computergraphics“
im AGC-Seminarraum� Im Neuen Jahr: Visuelle Aufmerkamkeit,
Information that pops out, Texturen, Glyphen, ...