1.3.4 在其他领域的应用

1．生命科学可视化

生命科学可视化指面向生物科学、生物信息学、基础医学、临床医学等一系列生命科学探索与实践中产生的数据可视化方法，本质上属于科学可视化。由于生命科学的重要性以及生命科学数据的复杂性，生命科学可视化已成为一个重要的交叉型研究方向。当前，可视化技术已广泛应用于诊断医学、整形与假肢外科中的手术规划及辐射治疗规划等方面。在以上应用中的核心技术是将过去看不见的人体器官以二维图像显示或三维模型重建。由于三维医学图像构模涉及的数据量大、体元构造算法复杂、运算量大，因此至今仍是医学图像可视化中的技术瓶颈。在这一领域，图像处理技术占主流，而计算机视觉与图形学则在整形外科的手术中起主要作用。

举例来说，图1-7所示为核磁共振（MRI）图像序列重构的三维脑部图像。此类三维图像有助于医生决定是否需要外科手术，应用何种方法和需要何种工具等问题。目前，在医学可视化领域主要包含3个研究热点，即图像分割技术、实时渲染技术和多重数据集合的图像标定技术。这些技术的发展将进一步促进可视化技术在医学领域中的推广。

2．表意性可视化

表意性可视化指以抽象、艺术、示意性的手法阐明、解释科技领域的可视化方法。早期的表意性可视化以人体为描绘对象，类似于中学的生理卫生课和高等院校的解剖课程上的人体器官示意图。在科学向文明转化的传导过程中迸发了大量需要表意性可视化的场合，如教育、训练、科普和学术交流等。在数据爆炸时代，表意性可视化关注的重点是从采集的数据出发，以传神、跨越语言障碍的艺术表达力展现数据的特征，从而促进科技生活的沟通交流，体现数据、科技与艺术的结合。例如，Nature和Science杂志大量采用科技图解展现重要的生物结构，澄清模糊概念，突出重要细节，并展示人类视角所不能及的领域。

3．地理气象信息可视化

地理信息可视化是数据可视化与地理信息系统学科的交叉方向，它的研究主体是地理信息数据。地理信息可视化的起源是二维地图制作，并逐渐扩充到三维空间动态展示，甚至还包括地理环境中采集的各种生物性、社会性感知数据（如天气、空气污染、出租车位置信息等）的可视化展示。

气象预报中涉及大量的可视化内容，从普通的云图到中尺度数值预报。大量的气象观测数据都必须经过可视化后再向用户提供信息。一方面，可视化可将大量的数据转换为图像，在屏幕上显示出某一时刻的等压面、等温面、旋涡、云层的位置及运动、暴雨区的位置及其强度、风力的大小及方向等，使预报人员能对未来的天气作出准确的分析和预测；另一方面，根据全球的气象监测数据和计算结果，可将不同时期全球的气温分布、气压分布、雨量分布及风力风向等以图像形式表示出来，从而对全球的气象情况及其变化趋势进行研究和预测。图1-8为三维空间里的风暴前锋模型，描述了冷暖锋面及锋面相交时的压力场分布。

4．教育可视化

教育可视化指通过计算机模拟仿真生成易于理解的图像、视频或动画，用于面向公众的教育和传播信息、知识与理念的方法。教育可视化在阐述难以解释或表达的事物（如原子结构、微观或宏观事物、历史事件）时非常有用。美国航空航天局等机构专门成立信息可视化部门，制作传播自然科学的教育可视化作品。

5．系统可视化

系统可视化指在可视化基本算法中融合了叙事型情节、可视化组件和视觉设计等元素，用于解释和阐明复杂系统的运行机制与原理，向公众传播科学知识的方法。它综合了系统理论、控制理论和基于本体论的知识表达等，与计算机仿真和教育可视化的重合度较高。

6．商业智能可视化

商业智能可视化又称可视商业智能，指在商业智能理论与方法发展过程中与数据可视化融合的概念和方法。商业智能可视化专门研究商业数据的智能可视化，以增强用户对数据的理解力，目标是将商业和企业运维中收集的数据转化为知识，辅助决策者做出明智的业务经营决策。数据包括来自业务系统的订单、库存、交易账目、客户和供应商等，以及其他外部环境中的各种数据。从技术层面上看，商业智能是数据仓库、联机分析处理工具和数据挖掘等技术的综合运用，其目的是使各级决策者获得知识或洞察力。因此，商业智能可视化能够快速了解商业趋势，预测未来，降低企业决策风险，使得精准广告投放成为可能，降低无意义花销成本；有助于企业知己知彼，抢占先机，在市场上立于不败之地。

7．知识可视化

知识可视化采用可视化形式表达与传播知识，其形式包括素描、图表、图像、物件、交互式可视化、信息可视化应用以及叙事型可视化。与信息可视化相比，知识可视化侧重于运用各种互为补充的可视化手段和方法，面向群体传播认识、经验、态度、价值、期望、视角、主张和预测，并激发群体协同产生新的知识。知识可视化与信息论、信息科学、机器证明、知识工程等方法各有异同，其特点是使发现知识的过程和结果易于理解，且在发现知识过程中通过人机交互界面发展发现知识的可视化方法。

8．高维度数据的可视化

图1-3所示的四组数据集比较简单，因为只处理了二维数据，如果是三维数据，则会想当然地使用三维图像。但如果是更高维度的数据，如Excel表中很多行很多列的数据，可能就无从下手了。实际上，超过三维的数据集都不可能在超三维空间中进行可视化。人的思维有穷有尽，很难想象四维空间的方体如何旋转；也难以理解逻辑很长的句子，例如，南京鼓楼区20年房龄以上的房子在去年3月的房价增长率比南京平均房价增长率快了多少，如再增加几个维度就更难理解了。因为每个事物都有很多特点，也就是数据维度多，反映到数据库就是字段非常多，而且一句话说不清楚，必须把它们切成片段。

利用海量的数据，可以描述观点，解答问题和疑惑，指导行动和决策。做一个可视化分析与说一句话、拍一张照片一样，即选择几个维度表达一个观点，寻找一个角度捕捉一个瞬间。然而可视化和说话一样，有角度的可视化是不全面的，面面俱到就是什么都没说，并不存在一种解决所有问题的数据可视化，因为不同的角度有不同的答案。高维度数据可视化有两种思路：一是虚拟现实（VR）的方法；二是基于自下而上的子空间探索的方法。这些方法在以后章节讨论。PacificVis的一篇文章提出一种自下而上的子空间探索方法，支持对多变量体数据中特征的提取和可视化。