← Zpět na přehled MVT
MVT • Moderní vizualizační technologie

Vizualizace vědeckých dat

Petr Pauš
FIT ČVUT v Praze
Úvod

Vědecká data & vizualizace

Cílem vizualizace je zjednodušit pochopení dat a pomoci objevit vzory a trendy, které by číslech zůstaly skryté.

Vizualizace dat:

  • Obor zabývající se reprezentací dat vizuální formou.
  • Převod dat na informace.
  • Obrázky, animace, videa, interaktivní aplikace (web, hry, …).

Mohou pocházet ze

  • statistik a průzkumů,
  • vědeckých výpočtů a simulací,
  • měření,
  • z databází, logů a interních systémů,
  • senzorů.
Téměř všechny vědní obory:
Lékařství Technická data Matematické vědy Sociologie …
Úvod

Cíl vizualizace

  • Pochopit a objevovat souvislosti (explorativní analýza).
  • Pracovat s přesnými daty — nevydávat za přesné to, co přesné není.
  • Předat nějakou zprávu — co chceme pomocí dat říct.
  • Měli bychom zůstat korektní — nemanipulovat.

Postup

1. Pořízení dat 2. Analýza dat 3. Vizualizace dat
Špatná vizualizace 1
Špatná vizualizace 1
Špatná vizualizace 2
Špatná vizualizace 2
Špatná vizualizace 3
Špatná vizualizace 3
Úvod

Vizualizace dat

  • Umožnit rozpoznat trendy, vzory, korelace.
  • Zvýraznit struktury, vzory.
  • Ukázat skrytější vztahy.
  • Potvrdit nebo vyvrátit hypotézy.
  • Umožnit čtenáři udělat vlastní úsudek.
  • Nabídnout objektivitu.
  • Umožnit porozumění datům v krátkém čase.
Pokud je to nutné, tak z dostupných dat vygenerovat nové datasety
Možné typy vizualizace: grafy, diagramy, časové osy, myšlenkové mapy, …
Typy vizualizace

Typy dat k vizualizaci

  • Kvantitativní (numerická):
  • Spojitá: např. teplota, výška, čas.
  • Diskrétní: např. počet zákazníků, počet chyb.
  • Kvalitativní (kategorická):
  • Nominální: např. barvy, názvy měst, pohlaví.
  • Ordinální: např. úroveň vzdělání, hodnocení spokojenosti 1–5.
  • Jednorozměrná a vícedimenzionální: klasické řádky a sloupce vlastností.
  • Časové řady (temporal data): posloupnost a vývoj (např. akcie, vývoj počasí).
  • Sítě a grafy (relační data): vztahy a propojení mezi entitami (např. sociální sítě, struktura databází).
  • Hierarchická data: Stromové struktury (např. souborový systém, organizační struktura firmy).
  • Vektorová a tenzorová pole: obsahují směr a velikost (např. rychlost a směr proudění tekutin).
Typy vizualizace

Grafy

Převádí číselná data a trendy do názorných tvarů, což umožňuje okamžitě odhalit vývojové tendence, porovnat hodnoty a rychle pochopit celkový význam dat.

  • Vhodně volit typ grafů.
  • Volit správně škálování os.
  • Logaritmické škálování os.
  • Hlavní důraz: čtenář pochopí, co chceme vizualizací sdělit.
  • Zobrazovat jen to důležité.
🔗
ScienceDirect — odkaz na studii
https://sciencedirect.com/
Příklad grafu 1
Příklad grafu 2
Typy vizualizace

Diagramy

2D reprezentace toho, jak něco funguje.

  • Přehledná reprezentace procesů.
  • Zjednodušení složitých vztahů.
  • Standardizace a hierarchie.
Příklad diagramu 1
Funkční schéma
Příklad diagramu 2
Struktura / tok
Typologie dat

Vizualizace grafů

Vizualizace grafových dat (neboli vizualizace sítí) je grafické znázornění entit a jejich vzájemných vztahů.

Vhodné pro zobrazení:

  • vazeb,
  • komplexních systémů,
  • neuronů.
  • Skládají se z uzlů a hran.
Vizualizace propojených dat
Vizualizace propojených dat
Vizualizace sítí
Vizualizace sítí
Typologie dat

Vizualizace datových polí

Datové pole přiřazuje hodnotu každému bodu (nebo buňce) domény.
Podle toho, jaká hodnota to je, se mění způsob vizualizace.

Skalární

  • Teplota, hustota, tlak
  • koncentrace, výška terénu
  • Jedno číslo v každém bodě
Jak zobrazit: barva / intenzita (heat mapa), vrstevnice, řezy, objemové renderování.

Vektorová

  • Rychlost proudění, magnetické pole
  • síly, tepelný tok, gradient
  • Směr + velikost v každém bodě
Jak zobrazit: pole šipek (glyfy), proudnice (stream lines), stopa částic, LIC.

Tenzorová

  • Tenzor napětí, tenzor difúze
  • např. DTI — difuze v nervových svazcích
  • Matice v každém bodě → opisuje anizotropii (vlastnost je různá ve různých směrech)
Jak zobrazit: tenzorová elipsoida / hyperelipsoida rozmístěná v mřížce.
Problém vizualizace: Řád pole (skalár → vektor → tenzor) určuje, kolik čísel připadá na jeden bod. U time-dependent dat přibývá ještě časová dimenze.
Typologie dat

Reprezentace dat v mřížce (Grids)

Structured — regular

Stejný krok h ve všech směrech. Souřadnice body se neukládají — stačí index i, j, k → nejmenší nároky na uložení, nejrychlejší přístup.

Structured — rectilinear

Pravoúhlá, ale s nerovnoměrným krokem podél každé osy. Ideální např. v mezní vrstvě, kde potřebuje hustší buňky u stěny a řídké ve volném proudu.

Structured — curvilinear

Ohýbaná (body-fitted) mřížka přizpůsobená geometrii tělesa. Souřadnice se musí ukládat pro každý bod, struktura i, j, k ale zůstává.

Unstructured

Volná síť elementů — v 2D trojúhelníky / obdélníky, ve 3D tetraedry a hexaedry. Výhoda: libovolně složitá geometrie a lokální zhuštění. Nevýhoda: musí se ukládat konektivita → více dat, pomalejší přístup.

AMR — Adaptive Mesh Refinement

Mřížka se dynamicky zjemňuje jen tam, kde se něco děje (velké gradienty, rozhraní, šokové vlny). Hierarchie hrad (quadtree / octree), buňky se dělí a zase slučují za běhu výpočtu → velká úspora paměti i času.

Body vs. buňky

  • Node-centered — hodnota na vrcholu
  • Cell-centered — hodnota průměru buňky
Dimenze: 1D (křivka) → 2D (řez, mapa) → 3D (objem) → 3D + čas (animace). Rozměr domény i rozměr pole se řeší zvlášť.
Typologie dat

Standardní datové formáty pro mřížková data

VTK

Rodina souborů Toolkitu VTK — geometrie sítě i datová pole v jednom souboru. Textový i binární zápis, varianty podle typu mřížky (.vtk, .vti, .vtu, .vtp, .pvd).

De-facto standard pro proudění a 3D data,
čte ho ParaView i VisIt.
NetCDF

Dimenzionální pole na strukturovaných mřížkách (.nc) — pojmenované osy, self-describing proměnné + atributy (jednotky, kalendář).

Standard klimatologie, meteorologie a oceanografie (modely atmosféry, reanalýzy, časové řady).
HDF5

Univerzální hierarchický kontejner (.h5, .hdf5) — skupiny a datasety jako strom adresářů, podporuje obří data a paralelní I/O.

Často spodní vrstva jiných formátů (včetně NetCDF-4) pro data z experimentů a superpočítačů.
DICOM

Digital Imaging and Communications in Medicine (.dcm) — snímky CT/MR + bohatá metadata o pacientovi, přístroji a řezu (poloha, orientace, thickness).

Nativní formát pro Slicer3D, OsiriX i RadiAnt, sada řezů tvoří 3D objem.
Volba formátu není detail: Formát rozhoduje o velikosti na disku, přenositelnosti mezi nástroji a zčásti i o tom, co vůbec jde vizualizovat (strukturovaná data se načtou jinak než volná síť).
V praxi se často jde cestou surová data → převod do VTK → ParaView/VisIt.
Vizualizace skalárních dat

Skalární mřížková data: Isolines (vrstevnice)

Čáry stejných hodnot spojují na mapě či grafu body se shodnou velikostí veličiny.

  • Křivky vyznačující konstantní hodnotu.
  • iso = rovnost.
  • Spojuje body se stejnou hodnotou.
  • Přehledná vizualizace spojitých polí.
  • Algoritmus Marching squares (vrstevnice)
    nebo Marching cubes (isoplochy).
Topografie Meteorologie Fyzika polí
Vrstevnice / isolinie
Vrstevnice — isolinie nadmořské výšky
Vizualizace skalárních dat

Marching Cubes (algoritmus pro izoplochy)

Vytváří 3D polygonální síť (trojúhelníkový model) reprezentující izoplochu z mřížky skalárních dat.

  • Mřížkou voxelů se postupuje buňku po buňce — odtud název „marching“
  • Každých 8 rohů buňky se porovná s izohodnotou c → 8 bitů stavu vně / uvnitř
  • Hrana s rohy v různých stavech izoplochu protíná; bod spočteme lineární interpolací podél hrany
  • Tabulka pak řekne, které průsečíky mezi sebou spojit trojúhelníky
  • Výsledkem je triangulovaná síť — osvětlitelná, otáčecí, vhodná i pro animaci v čase
0,40 0,60 0,70 0,55 izoplocha
Vizualizace skalárních dat

Marching Cubes (algoritmus izolovací plochy)

Lookup table — 256 případů, 15 kanonických

  • Osm rohů dává 28 = 256 kombinací stavů.
  • Rotací, zrcadlením a záměnou uvnitř ↔ vně se ale výpočetně vyplatí řešit jen 15 kanonických případů.
  • #0 bez povrchu a 14 tvarů řezu.
#0#1#2 #3#4#5 #6#7#8 #9#10#11 #12#13#14
Vizualizace skalárních dat

Přímé promítání 3D dat do 2D

Vizualizace bez vytvoření povrchu z dat.

  • Přímé vykreslování objemu (Direct Volume Rendering / DVR).
  • Buď přímá projekce dat do roviny obrazovky.
  • Nebo nejprve manipulace s daty a následné promítnutí.
  • Bez nutnosti nejprve vytvářet mezipovrch či polygonovou síť.

Možnosti

  • Mlha s různou intenzitou
  • Kapalina
  • Řezy prostorem
Přímé promítání 3D dat do 2D
Příklad přímého promítání
Vizualizace vektorových dat

Vektorová data: Stream lines (proudnice)

Proudnice je křivka, která je v každém svém bodě tečná k rychlostnímu vektoru pole.

  • Vizualizace proudění tekutiny.
  • Zobrazuje směr proudění.
  • Kudy by se pohybovala částice vhozená do tekutiny.
  • Výpočet numerickou integrací (např. Runge-Kutta) počátečních bodů (seed points)
Proudnice kolem tělesa
Proudnice obtékaného tělesa

Jak získat vědecká data

Postup — od jevu k vizualizaci

1. Přírodní jev

Jev v přírodě nebo reálném světě:

  • Chceme zjistit, jak probíhá.
  • Chceme predikovat výsledek nebo simulovat jev za nestandardních podmínek.
Přírodní jev
Pozorování jevu
Přírodní jev 2
Reálná situace
Přírodní jev 3
Měření
Postup — od jevu k vizualizaci

2. Nutné studovat přírodní zákony

  • Nastudovat, jak jev probíhá.
  • Získat co nejvíce informací o jevu.
  • Mnoho jevů je již prozkoumaných, ale nebyla dosud možnost je popsat matematicky a fyzikálně.
Studium přírodních zákonů
Zákony a měření
Postup — od jevu k vizualizaci

3. Fyzikální popis

  • Na základě výzkumu popsat jev pomocí fyziky a matematiky.
  • Většinou se jedná o diferenciální rovnice.
  • Nutná hluboká znalost fyzikálních zákonů.
  • Není úplně nutné pro pouhou vizualizaci.
Fyzikální a matematický popis
Matematický model jevu
Postup — od jevu k vizualizaci

4. Získat experimentální data

  • Nutné získat experimentální data pro jednodušší případy.
  • Podle nich se potom kalibruje model.
Experimentální měření
Experiment a měření
Postup — od jevu k vizualizaci

5. Vytvořit matematický model

  • Podle fyzikálního popisu vytvořit matematický model.
  • Model je ve většině případů zjednodušený.
  • Většinou nejsme schopni řešit rovnice analyticky (přesné výsledky).
Matematický model
Model a zjednodušení
Postup — od jevu k vizualizaci

6. Návrh a implementace numerického výpočtu

  • Rovnice nutné převést do formy vhodné pro počítače.
  • Většina diferenciálních rovnic vede na velké soustavy lineárních rovnic (velké matice).
Pozor na přesnost
Výpočty na počítačích nejsou přesné — vznikají chyby zaokrouhlování a problémy s přesností desetinných čísel.
console.log(0.1 + 0.2); 
// Output: 0.30000000000000004
Numerické výpočty
Simulace na počítači
Postup — od jevu k vizualizaci

7. Interpretace a vizualizace výsledků

  • Výsledná data je nutné správně interpretovat.
  • Špatná interpretace může vést k nesprávným závěrům.
  • Klademe velký důraz na vhodnou vizualizaci.
Interpretace výsledků
Interpretace výsledků vizualizace
Proč vizualizovat

Důležitost správné vizualizace

Lidský mozek je schopen v průměru pracovat se 6 čísly
  • Kapacita naší krátkodobé paměti je velmi omezená.
  • Millerovo pravidlo $7 \pm 2$.
  • U přesných číselných řad často spíše $4$ až $6$ prvků.
  • Proto se snažíme data vizualizovat.
  • Nutné vzít v úvahu formát dat — různá data mají různé způsoby vizualizace.
Pevnost oceli - špatná vizualizace

Příklady vědecké vizualizace na ČVUT

Typy vizualizace

Výběr zajímavých oblastí na ČVUT (FIT, FJFI)

  • Medicínské aplikace
  • Proudění v mezní vrstvě atmosféry
  • Proudění v porézním prostředí
  • Fluidní spalování v elektrárně
  • Vizualizace zvuku

Výpočty & algoritmy

  • Růst krystalů při tuhnutí kovů
  • Výpočty na superpočítačích a GPU
  • Mainframe (vizualizace velkých matic)
  • Vizualizace grafů a algoritmů
  • Vizualizace sluneční aktivity
Pozn. Toto je pouze výběr z výzkumu na ČVUT — aplikací a vizualizací je zde mnohem více.
Příklady — medicína

Vizualizace pomocí animací • Data z MR

Měření objemu ze scanu pomocí MR

Zobrazení objemu tkáně z magnetické rezonance: Segmentace + 3D rekonstrukce
Vizualizace pomocí animací • Data z MR
Příklady — medicína

Simulace 2D proudění v aortě

Zobrazení rychlosti pomocí barev, směru pomocí šipek.
Vizualizace pomocí animací • Data z MR
Příklady — medicína

Porovnání vizualizace s reálnou situací pomocí MR

Srovnání výsledků simulace a vizualizace se skutečným scanem MR — validace modelu.

MR srovnání 1
MR srovnání 2
MR srovnání 3
Příklady — medicína

Proudění skrz chlopeň 3D

  • Simulace proudění skrz chlopeň pomocí metody LBM (Lattice-Boltzmann Method).
  • Dva režimy: konstantní a periodický průtok.
  • Zelená barva: Isoplocha zvolené velikosti rychlosti proudění.
  • Žluté čáry: Proudnice s barevnou škálou odpovídající velikosti rychlosti.
Konstantní průtok
Periodický průtok
Příklady — medicína

Vizualizace mozku

  • Scan pomocí MR, následné výpočtu nad daty.
  • Složitá vizualizace nervových svazků.
  • Možno vizualizovat pomocí diferenciálních rovnic.
Mozek — scan
3D vizualizace
Mozek — svazky
Vizualizace nervových svazků
Mozek — 3D
Vizualizace nervových svazků
Mozek — detaily
Vizualizace nervových svazků
Vizualizace mozku
Příklady — atmosféra

Vizualizace proudění v atmosféře

  • Experiment v tunelu — měření reálného proudění
  • Simulace na počítači — numerický model
simulace v mezní vrstvě
proudění v atmosféře
Příklady — biologie

Proudění kolem rostlin

  • Vzduch ovlivňuje vypařování
  • Důležité pro sušší oblasti
Vizualizace proudění vzduchu kolem listů a rostlin — dopad na evapotranspiraci.
Proudění kolem rostlin 2
Rostlina 2
Proudění kolem rostlin 1 Proudění kolem rostlin 3
Příklady — geologie

Proudění v porézním prostředí

  • Proudění kapaliny v hlíně nebo písku
  • Aplikace: podzemní voda, filtrace, geotechnika
Porézní prostředí — experiment
Experiment
Proudění v porézní látce — simulace
Příklady — materiály

Růst krystalů

  • Růst krystalů při tuhnutí materiálu
  • Vizualizace fázových přeměn a dendritů
Růst krystalů — mikroskopie
Růst krystalů — simulace
Růst krystalů — simulace
Příklady — energetika

Hoření v elektrárně: vizualizace splodin

Složitý proces — chemie + termodynamika + mechanika.
Hoření — simulace
Hoření — vizualizace splodin
Aplikace — výzkum

Vizualizace sluneční aktivity

  • Vojtěch Tomas, FIT
  • Vizualizace vektorového pole v čase
Sluneční aktivita 1
Sluneční aktivita 2
Aplikace — výuka

Vizualizace fourierovy transformace ve 3D

  • Jozef Valko, FIT
  • Vizualizace 2D FT ve 3D.
Aplikace — Umělecká vizualizace

Vizualizace zvuků vyhynulých zvířat

  • Kryštof Šuk, FIT
  • Možnost real-time namixovat několik zvuků zvářat.
  • Vásledek je umělecká vizualizace vlastního mixu.
Aplikace — kultura

Vizualizace muzeálií

  • SageLab — digitální zpracování kulturního dědictví
  • Fotogrammetrie — 3D rekonstrukce z fotek
  • 3D Skenování
  • Nutné ruční doladění modelu.
  • Kiosky v muzeích, prezentace na webu.
  • Portál: modely.cesnet.cz
  • Vizualizace Pražského orloje: orloj.cesnet.cz
Muzeálie 1
Měření objektu
Muzeálie 2
Digitalizace
Muzeálie 3
Fotogrammetrie
Muzeálie 4
3D model
Nástroje

Používané programy pro vizualizaci dat

Obecná data

  • GNUPlot — 2D a 3D grafy
  • Matplotlib, chart.js, další spousta knihoven

Medicínská data

  • Slicer3D, OsiriX, RadiAnt

Proudění a 3D data

  • VisIt, ParaView
  • Často formát dat VTK
Skriptování
Všechny zmíněné nástroje umožňují automatizaci a dávkové zpracování pomocí skriptů.
Nástroje — medicína

Slicer3D (pro MRI)

  • Open-source nástroj pro analýzu medicínských obrazů.
  • Segmentace
  • 3D rekonstrukce
  • Vizualizace z MR dat
Slicer3D
Slicer3D — vizualizace MRI
Nástroje — proudění

ParaView (3D data a proudění)

  • Open-source vizualizace velkých 3D dat
  • Proudění, vektorová pole, objemové vizualizace
  • Zpracování masivních dat (paralelizace, výkon)
  • Analytické a vizualizační algoritmy
  • Pokročilé vyhodnocovací funkce - od výřezů (clipping), generování izoploch (Marching Cubes), vizualizace vektorových polí (proudnice/streamlines) až po přímé volumetrické vykreslování (Direct Volume Rendering).
ParaView
ParaView — proudění a 3D pole
Nástroje — proudění

VisIt (3D data a proudění)

  • Výkonný nástroj pro vizualizaci a analýzu velkých dat.
  • Podpora VTK (postaveno na VTK toolkitu jako ParaView)
  • Zaměřené pro superpočítače (exascale data)
  • Zpracování složitých mřížek
VisIt
VisIt — 3D data a proudění
Nástroje — grafy

GNUplot (2D a 3D data)

  • Skriptovací nástroj pro grafy 2D i 3D
  • Ideální pro automatizované generování grafů
  • Open-source dostupný většinu OS a architektur
  • Jednoduché skriptování přes command line
  • Výstup do bitmapových i vektorových formátů
GNUplot 2D
GNUplot — 2D
GNUplot 3D
GNUplot — 3D
GNUplot příklad
Výstup skriptu