空间场数据可视化

概述

场数据是一种特殊的数据类型，其中包含按照坐标或者拓扑结构存储的单元格，每个单元格中存储一个或多个属性值
场数据对连续的空间进行度量，这种度量可以是现实生活中测量，也可以是软件模拟。常见的度量，包括温度、速度、密度等。场数据大多与空间、时间或者地理位置相关，因此也常被称为空间数据或者时空数据、地理空间数据

空间场数据通常根据空间的维度与属性值的特征来共同命名
它们的多元结构取决于属性值，只拥有单一属性的为标量场，拥有两个以上属性的称为矢量场，属性结构更加复杂的为张量场

它们的多维结构取决于空间的维度，空间上数据的维度可以是一维二维或三维，其中包括时间维度的就是时空场数据
空间场数据来源一般有实际测量的值和软件模拟的结果
单元格结构与在空间中进行采样的方法息息相关，进行采样时单元格的划分策略称为栅格

常见的采样策略包括以相同间隔采样的均匀栅格，非均匀分布的直线型栅格，基于地理坐标的采样等

虽然空间场数据通过采样的形式获取，但它的值并非对应某个特定的点，而是对空间中一定范围的度量，所有的采样连续且相邻的分布在整个空间域中

除了基础的数据呈现，空间场数据的可视化研究还包括许多其他的研究方向，比如如何合理表达数据采集或者模拟生成中的不确定性，如何通过风格化绘制生成更加具有艺术美感的结果或类似教科书上示意图的图像，如果在三维场可视化结果或者虚拟现实环境中进行交互，此外由于空间场数据常常有着多维度、多尺度和大数据量的特征，并行计算、空间索引等加速算法也是空间场数据可视化研究的重点

空间场数据可视化在医疗，气象，流体力学，计算机模拟等多个科学领域有着广泛的应用

例：
风格化的绘制——展现医疗影像数据

全球洋流的可视化

卫星观测到的日冕爆发

标量场

一维标量场数据通常指沿空间某一路径采集的数据

一维标量数据，通常用二维坐标图或折线图来可视化

二维标量场数据更为常见，比如用于医学诊断的x光片、实测的地球表面温度、遥感观测的卫星影像等

从几何的角度看，二维数据的定义域分为两类：
平面型，如常见的医学影像
曲面型，如地球表面温度分布或者飞机机翼上的空气流速分布，复杂的曲面往往需要在三维空间中可视化，相对简单的曲面可投影到二维平面上可视化，例如将地球表面按经纬度坐标在二维平面上投影显示

二维标量场数据最常使用的可视化方法是颜色映射，例如x光片，以及温度地图就归为此类。使用颜色映射时，需要建立一张将数值转化为颜色的颜色映射表，再将二维空间中的标量值按照颜色映射表转化为显示的颜色，除了颜色，平面之外的第三维度高度，也可以作为视觉通道用于映射。高度并不一定符合另外两个维度的比例尺，仅需保持相对高度的比例正确即可，颜色和高度还可以同时使用


除了颜色和高度外还可以用一些标记的大小和形状来表示标量值

还有一种常见的二维标量场数据可视化方法是等值线提取
一张等值线图中含有对应多个不同数值的等值线，而每条等值线都是将整个场中有着相同数字的所有点相连得到的，由于空间场数据采样的特性，通常无法确定一个特定值所在的具体空间坐标，因此需要采取一些特殊的方法，最常见且高效的等值线生成方法是移动四边形法：
将平面划分为一个二维网格，每个顶点上有一个数值，假设我们现在绘制值为5的等值线，先将所有大于等于5的顶点标出，我们一共可以得出16种不同情形的方格以及对应的等值线，进一步的通过差值可以得到更加精确的等值线，用同样的方法还可以画出其他标量值对应的等值线

三维标量场数据可以记录三维空间中的物理属性及其演化规律

最简单的三维标量场数据可视化方法是从中提取出低维截面，然后应用低维标量场可视化方法


提取等值面可以采用移动立方体算法

与等值面的可视化方法不同，直接体绘制并不从原始数据中构造出新的几何结构，而是直接对三维数据场进行变换和着色，进而在屏幕上生成二维图像，它像x光一样穿透整个空间，以模拟光线传播的方式，将物质分布内部结构和信息的分布以半透明的方式进行表达

直接体绘制中最常见的光线投射法：对于每个投影平面的像素，从视点也就是人眼开始到屏幕的每个像素之间都连一条光线，并将这条光线投射到数据空间，在光线遍历的路径上进行数据采样，重建数据映射和着色等操作。

这里图上的小圆点表示沿光线的采样点，模拟光线通过数据空间时的各种光学效应，包括发射、吸收、衰减、散射等，而不断累积颜色和透明度等属性，最后把它们合成对应像素的颜色，这个过程称为光学积分。在这个过程中数据映射和着色，也就是将数据中的标量值转化为颜色的过程，是直接体绘制中的重要步骤，通常称为体数据分类，它主要通过调节和应用传输函数来实现，传输函数用来定义如何将数据值映射为光学属性，包括颜色和不透明度的，从而实现对数据的分类，揭示空间数据场内部的结构。
传输函数影响沿投射的光线累积颜色和透明度时进行的计算

矢量场和张量场

矢量场与标量场的区别在于空间中的任意位置都对应一个矢量，而非标量
矢量场数据也可以看成流场数据，即每一个点的矢量方向都代表流体在这个位置的流向，矢量的大小代表流速

最基本的矢量场表示方法就是用可以标识方向的标记，如三角形，箭头等来编码不同位置上的矢量的方向和大小，标记法有一定的局限性，比如可显示空间的尺寸，会限制标记的数量，也就限制了可视化的精度，离散排布的标记也缺乏对场数据连续性的直观表达


积分曲线法则更为有效，常用于表现流场，积分取向法可以跟踪一直在流场中的轨迹，每一条积分曲线都是从初始点开始连续的曲线，这条曲线上的每一个点上的切线都和流场中这个位置的矢量重合，针对静态场生成的积分曲线称为流线，但实际中的流场会不断变化，在这样的动态场中产生的积分曲线便称为迹线，而从同一个点不断发射新的粒子的轨迹则称为脉线，由于积分曲线通常表现动态的流程，因此也非常适合通过动画的方式来进行直观的展示

表达流场也可以用纹理法，比如点噪声方法或者线积分卷积，线积分卷积可以生成逼真的可视化效果，同时信息密度大能够保留数据中的大量细节

矢量其实可以看作一维的张量，而矩阵就是二维张量，此外还有三维或者更多维的张量
张量在工程和物理领域常用于表示物理性质的各项异性，例如在固体力学和土木工程中，张量用来表示应力、惯性、渗透性和扩散，在医学图像领域，张量场是弥散张量成像的理论基础

弥散张量成像数据是张量场数据的典型代表，它可以描述测量对象，例如生物组织内的水分子在不同磁场梯度方向上的扩散速度，通过这些数据可以推测出很多有用的信息，例如水分子扩散速度最快的方向通常就代表了组织纤维的生长方向，我们可以用椭球来表现扩散的各项异性，椭球的方向和各个轴的长度是通过计算对应位置张量的特征向量和特征值得到的，这里举例的是一个矩阵，也就是二维张量，实际测量中得到的弥散张量的维度更高，水分子扩散的分布也远比椭球要复杂的多

由于张量过于复杂，无法直接可视化出所有分量，我们可以采用指数法或标记法来应对

指数法是将每一个张量转化为一个标量，然后运用标量的可视化方法进行展示，这种方法简单明了并且符合领域专家的习惯，但是张量转化为标量的过程中显然丢失了很多信息

标记法是类似二维场数据中使用的标记法，只是使用的标记更加复杂，通常用一些图形来表达，前面提到的椭球就是其中一种