python 将两幅图拼接_图可视化进展（三）

通过布局和放大镜，我们已经在图可视化研究上迈出了成功的一大步。但在某些场景下，造成视觉混乱的原因是大量边造成的拥塞。针对这样的场景，研究者们提出了边绑定（edge bundling）技术——通过将具有类似性质的边捆绑在一起，改变不同位置之间连接边的形状，可以准确地获取数据中的主要结构和重要信息，在数据量庞大、结构极其复杂的情况下能够提供良好的归约总结作用，帮助用户更好的分析数据。

被广泛应用的边绑定算法包括FDEB（Force-Directed Edge Bundling），MINGLE(Multilevel Agglomerative Edge Bundling for Visualizing Large Graphs), KDEEB(Graph bundling by Kernel Density Estimation)等等。然而这些边绑定算法千差万别，效果各有优劣，研究人员和开发者们一般根据自己的需求来选择。给定一个大规模图数据，不同图局部数据的展示可能需要使用不同的边绑定算法。为了解决以上问题我们设计了一种高效融合不同绑定结果的算法。

该融合结果产生过程如下：

1. 给定一个图布局结果，用户使用不同的边捆绑算法得到不同的捆绑结果，并在其中指定具有“好结果”的区域。
2. 将用户指定的区域移植到初始图的对应位置，我们的算法将计算出一个平滑，保持结构的过渡。
3. 用户通过调整边来进一步优化结果。

我们的主要贡献如下：

1. 我们基于全局优化设计了一种新颖的融合算法，该算法能将多个边绑定结果以一种平滑、保持结构、消除歧义的方式拼接在一起。
2. 我们设计了三种交互方式辅助用户探索拼接结果：（1）边向量插值来控制不同区域的边捆绑程度；（2）自定义聚合来平滑拼接两个选中区域间的边捆绑结果；（3）通过直接交互感兴趣的边来微调融合结果。
3. 我们在三个不同的应用场景中展示了该方法的有效性，并且开发了基于GPU的高效实现，使得每秒能处理多达50,000个控制点的数据。

在上述示例中，我们将边绑定结果（a）中虚线框部分移植到未捆绑结果（b）的相应位置上。（c）直接将两幅图接缝处的边拼接导致了锯齿状结果。其中红色到蓝色的颜色范围映射从大到小的不平滑程度/曲率。（d）将（c）的结果变平滑但两部分结构被破坏。（e）我们的方法可以生成平滑且保持结构的的拼接结果。（f）通过交互增加可读性约束解决易造成歧义的点-边重叠现象。

该成果“Interactive Structure-aware Blending of Diverse Edge Bundling Visualizations”发表在可视化顶会IEEE VIS 2019上。论文原文：

http://www.yunhaiwang.net/infoVis2019/EdgeBundling/index.html​www.yunhaiwang.net

我们实验室的主页是：

Home​vislab.wang

感谢持续关注！