技术领域
[0001] 本
发明涉及一种多变量矢量场
数据可视化方法，特别涉及一种基于图标的三维多变量矢量场数据可视化方法，属于科学计算可视化中的矢量场可视化领域。
背景技术
[0002] 在计算
流体力学和气象数值模拟等领域，三维矢量场是一种广泛存在的数据场，其特点是场中任意一点都有一个与之关联的矢量。这样的矢量场有时也称为流场。为分析矢量场的结构和特征，探索数据背后的现象或规律，需要对矢量场数据进行可视化处理。
[0003] 目前常用的矢量场数据可视化方法主要有：图标法、纹理法、几何法以及特征分析法(McLoughlin T,Laramee R,Peikert R,et al.Over Two Decades of Integration-based,Geometric FlowVisualization.Computer Graphics Forum,Vol.29,No.6,2010,pp.1807-1829)。这些方法各有特色，但都面临一个共同的问题，即：大部分方法关注的都是基本矢量信息(包括矢量方向和大小)的可视化。但是在实际应用中，矢量场一般都是关联多个属性变量的数据场。例如，在气象数值模拟领域，数值模拟结果除了包含描述气流的流动速度和方向的三维矢量数据外，还有
温度、气压、
水汽含量等其他属性数据。这些数据关联在一起，共同构成三维多变量矢量场数据。
[0004] 在分析多变量矢量场数据时，除了需要对基本矢量信息进行可视化分析外，还需要对各个属性变量数据进行可视化分析。这些属性变量一般都是标量数据；如果是非标量数据，可以将其拆分为多个标量数据。对这些标量属性数据的可视化分析，目前主要有两种方式。第一种方式是将属性数据作为单独的标量场数据进行可视化，得到独立的属性视图，然后通过比对不同的视图实现多变量关联分析。这种方式不仅存在视图对齐的问题，还需要在不同视图间频繁切换，严重影响了可视化分析效率。第二种方式是将属性数据融入到矢量场数据的可视化方法中，通过
颜色和纹理来区分不同的属性数据。例如，Urness等提出的色织(Color Weaving)方法(Urness T,Interrante V,Marusic I,et al.Effectively visualizing multi-valued flow data using color and texture.Proceedings of the 14th IEEE Visualization 2003,VIS'03,pp.115-121)。这种基于颜色和纹理的方法实际上是通过图像融合技术综合了多个不同的属性视图，简单直观，克服了第一种方法的不足，但是受限于图像融合的层次数目，只能处理较少的属性变量。另外，适用于二维矢量场的图像融合技术和方法很难直接推广到三维矢量场。
[0005] 因此，如何在可视化基本矢量信息的同时有效地可视化多个属性变量数据，仍然是矢量场可视化面临的一个挑战性问题。针对这一问题，本发明提供了一种新的适用于三维多变量矢量场数据的可视化图标——星形矢量图标(Star-vector Glyph)，以及基于该图标的三维多变量矢量场数据可视化方法。
发明内容
[0006] 本发明的目的是提供一种对三维多变量矢量场数据进行联合可视化的方法，在显示三维矢量场基本矢量方向和大小的同时，可视化矢量场关联的多个属性变量数据，以此提高多变量矢量场数据的可视化分析效率。
[0007] 本发明的目的是通过以下技术方案实现的。
[0008] 一种基于图标的三维多变量矢量场数据可视化方法，包括以下步骤：
[0009] 步骤一、输入三维多变量矢量场数据，其中包括基本的矢量场数据以及多个关联的属性变量数据，对各个属性变量数据分别进行归一化处理。
[0010] 步骤二、从属性变量数据中，选取多个(3个或3个以上)需要可视化的属性变量，将选中的属性变量分别标记为a1、a2、…、aN，其中N为选取的属性变量数目。
[0011] 步骤三、根据参数N，建立基本星形矢量图标G的线
框图，方法是：在
正交坐标系XYZ的XY平面上，从X轴开始，依次绘制N条以原点O为起点、
角度间隔均匀且长度为1的直线段；令各直线段的终点依次为D1、D2、…、DN，将D1、D2、…、DN、D1依次连接；然后在Z轴正向上，取到O距离为1的点S，将S与D1、D2、…、DN分别连接起来，由此得到基本星形矢量图标的线框图。
[0012] 步骤四、
选定N种不同的颜色c1、c2、…、cN，对基本星形矢量图标G的线框图着色，得到实体化的基本星形矢量图标G，具体的着色方案是：三角形OD1D2、OD2D3、…、ODN-1DN、ODND1的颜色依次为c1、c2、…、cN-1、cN，三角形SD1D2、SD2D3、…、SDN-1DN、SDND1的颜色依次为c1、c2、…、cN-1、cN。
[0013] 步骤五、选取一个或多个
流线种子点，根据输入的矢量场数据和流线种子点计算流线。流线种子点的
位置和数量根据实际需要确定。计算流线的方法包括但不限于欧拉
算法和Runge-Kutta算法。
[0014] 步骤六、选取步骤五得到的部分或全部流线，针对每条流线L，依次执行步骤七和步骤八。选取流线的方法包括但不限于：随机选取或者根据流线编号依次等间隔选取。
[0015] 步骤七、根据流线L的样本点，绘制表示流线曲线。曲线的颜色可以是固定的某种颜色，也可以是随曲线切线方向变化的颜色，具体情况视实际需要而定。
[0016] 步骤八、按照一定的
采样间隔，在流线L上依次选取一系列采样点，针对每个采样点P，依次执行步骤九和步骤十。其中采样间隔是事先设定的，可根据实际需要调整。
[0017] 步骤九、从输入数据中获取采样点P的基本矢量数据v和属性变量a1、a2、…、aN的值m1、m2、…、mN。
[0018] 步骤十、将实体化的基本星形矢量图标G复制为G′，用G′可视化采样点P的矢量数据值v和属性变量值m1、m2、…、mN，具体方法是：
修改G′使得G′的线段OS的长度等于矢量v的大小，线段OD1、OD2、…、ODN的长度分别等于m1、m2、…、mN，然后将G′平移到点P所在的位置使G′的点O与点P重合，再通过旋转变换使G′的Z轴正向方向与矢量v的方向一致。
[0019] 有益效果
[0020] 本发明所述的一种基于图标的三维多变量矢量场数据可视化方法，实际上是通过星形矢量图标实现三维矢量信息和多属性变量信息的同时可视化。与传统的矢量场可视化方法相比，本发明的方法具有以下几个方面的优点：
[0021] (1)本发明方法可以在编码三维矢量信息的同时有效表达多个属性变量的信息。
[0022] (2)本发明方法可以可视化的属性变量数目的上限，在理论上是不受限制的。
[0023] (3)本发明方法在同一视图中可视化矢量信息和多种属性变量信息，避免了不同数据视图之间的切换和对齐问题，可有效提高可视化分析效率。
[0024] (4)本发明方法将星形矢量图标与流线结合起来，可以对三维矢量场数据进行多变量可视化关联分析，提高数据分析的深度和广度。
附图说明
[0025] 图1基本星形矢量图标G的线框图；
[0026] 图2实体化的基本星形矢量图标G；
[0027] 图3示例流线的绘制结果；
[0028] 图4关联了星形矢量图标的示例流线；
[0029] 图5示例流线可视化结果的局部放大图。
具体实施方式
[0030] 下面结合附图和
实施例对本发明做详细说明。
[0031] 一种基于图标的三维多变量矢量场数据可视化方法，包括以下步骤：
[0032] 步骤1、输入三维多变量矢量场数据，其中包括基本的矢量场数据以及多个关联的属性变量数据，对各个属性变量数据分别进行归一化处理。
[0033] 本发明采用一个公开的飓
风场模拟数据集作为实施实例。该数据集是美国国家气象研究中心针对2003年的Isabel
飓风模拟生成的多变量矢量场数据。数据场大小为500×500×100。数据集种除了基本的矢量数据外，还包括10个属性变量数据。本发明选取该数据集中T＝01时刻的数据作为实施实例的输入数据，并对各个属性数据分别做规一化处理。
[0034] 步骤2、从飓风场属性变量数据中，选取5个需要可视化的属性变量：QVAPOR(WaterVapor)、QCLOUD(CloudWater)、QGRAUP(Graupel)、QRAIN(Rain)、QSNOW(Snow)，将这些属性变量分别标记为a1、a2、…、a5。
[0035] 步骤3、根据步骤2属性变量数，建立基本星形矢量图标G的线框图。
[0036] 具体方法是：在正交坐标系XYZ的XY平面上，从X轴开始，依次绘制5条以原点O为起点、角度间隔均匀且长度为1的直线段；令各直线段的终点依次为D1、D2、…、D5，将D1、D2、…、D5、D1依次连接；然后在Z轴正向上，取到O距离为1的点S，将S与D1、D2、…、D5分别连接起来，由此得到基本矢量星形图标G的线框图。
[0037] 按照上述方法建立的基本星形矢量图标的线框图如图1所示。
[0038] 步骤4、选定5种不同的颜色c1、c2、…、c5，对基本星形矢量图标G的线框图着色，得到实体化的基本星形矢量图标G，具体着色方案是：三角形OD1D2、OD2D3、…、OD4D5、OD5D1的颜色依次为c1、c2、…、c5，三角形SD1D2、SD2D3、…、SD4D5、SD5D1的颜色依次为c1、c2、…、c5。
[0039] 本实施实例所选取的5种颜色分别是：红色、黄色、绿色、蓝色、紫色。采用这5种颜色，按照上述方法对基本星形矢量图标G的线框图进行着色，得到如图2所示的实体化的基本星形矢量图标G。为了方便查看底面三角形的着色情况，图2将所建立的图标做了一定角度的旋转。
[0040] 步骤5、选取一个或多个流线种子点，根据输入的矢量场数据和流线种子点计算流线。流线种子点的位置和数量根据实际需要确定。计算流线的方法包括但不限于欧拉算法和Runge-Kutta算法。
[0041] 不失一般性，本实施实例在飓风场内部选取了一个流线种子点，采用四阶Runge-Kutta算法，计算得到一条流线。
[0042] 步骤6、选取步骤5得到的部分或全部流线，针对每条流线L，依次执行步骤7和步骤8。选取流线的方法包括但不限于：随机选取或者根据流线编号依次等间隔选取。
[0043] 本实施实例根据流线编号依次选取流线，选取编号为1流线作为示例流线，令其为流线L。由于本实施实例的步骤5只得到一条流线，所以这里选取的是步骤5的全部流线。
[0044] 步骤7、根据流线L的样本点，绘制表示流线曲线。曲线的颜色可以是固定的某种颜色，也可以是随曲线切线方向变化的颜色，具体情况视实际需要而定。
[0045] 本实施实例采取了曲线颜色随切线方向变化的方法绘制流线，由此得到如图3所示的示例流线的绘制结果。
[0046] 步骤8、按照一定的采样间隔，在流线L上依次选取一系列采样点，针对每个采样点P，依次执行步骤9和步骤10。其中采样间隔是事先设定的，可根据实际需要调整。
[0047] 在本实施实例中，编号为1的示例流线是由2561个样本点依次连接而成的，每间隔64个样本点选取一个采样点，共选取了40个采样点。
[0048] 步骤9、从输入数据中获取采样点P的基本矢量数据v和属性变量a1、a2、…、a5的值m1、m2、…、m5。
[0049] 步骤10、将实体化的基本星形矢量图标G复制为G′，用G′可视化采样点P的矢量数据值v和属性变量值m1、m2、…、m5，具体方法是：修改G′使得G′的线段OS的长度等于矢量v的大小，线段OD1、OD2、…、OD5的长度分别等于m1、m2、…、m5，然后将G′平移到点P所在的位置使G′的点O与点P重合，再通过旋转变换使G′的Z轴正向方向与矢量v的方向一致。
[0050] 对于编号为1的示例流线，重复执行步骤9到步骤10，直到步骤8所选取的每个采样点都处理完毕，可以得到关联了星形矢量图标的示例流线，如图4所示。从图4可以看到：星形矢量图标的方向跟流线切线的方式是一致的；不同形状和大小的星形矢量图标，揭示了该流线不同位置上各不相同的属性特征。对比流线上的图标，可以发现该流线螺旋部分的流速比较大，属性变量的取值也比较高；沿着该流线往外围走，可以看到流速逐渐减弱，各属性变量的取值也逐渐变小，有的属性变量的取值几乎小到难以察觉。将图4的螺旋部分局部放大并调整查看角度，可以得到图5。对比图5中的图标T1、T2、T3和T4，可以看到：从T1到T2再到T3，图标形状发生了剧烈变化。T1拥有的红色区域在T2上几乎消失，在T3上又重新出现并表现得强。T4与T2在形状上非常相似，两者所处的方位相对于漩涡中心也基本一致。这些通过可视化揭示出来的现象或特征，表明图标T1、T2、T3和T4所在区域有某种特殊性，需要继续深入分析这些现象背后的问题。这也正是本发明方法的有益效果之一。
[0051] 上述步骤说明了本发明所述的一种基于图标的三维多变量矢量场数据可视化方法的全部过程。
[0052] 应该理解的是，本实施方式只是本发明实施的具体实例，不应该是本发明保护范围的限制。在不脱离本发明的精神与范围的情况下，对上述内容进行等效的修改或变更均应包含在本发明所要求保护的范围之内。
