UNIVERSIDADE DE SÃO PAULO Departamento de Engenharia Elétrica “Visualização Científica” Marcelo Andrade da Costa Vieira

INTRODUÇÃO A Computação Gráfica é a área da ciência que estuda a geração, manipulação e interpretação de modelos e imagens de objetos utilizando o computador. Pode ser dividida em 4 sub-áreas: . Síntese de Imagens . Processamento de imagens . Análise de Imagens . Visualização de Dados

SINTESE DE IMAGENS Produção de representações visuais a partir das especificações geométrica e visual de seus componentes. É onde aparecem os sistemas CAD É freqüentemente confundida com a própria Computação Gráfica.

PROCESSAMENTO DE IMAGENS Envolve as técnicas de transformação de Imagens onde tanto a imagem original quanto a imagem resultado apresentam-se sob uma representação visual (geralmente matricial). Essas transformações visam melhorar as características visuais da imagem, como aumentar o contraste, foco, ou mesmo diminuir ruídos e/ou distorções.

ANÁLISE DE IMAGENS Procura obter a especificação dos componentes de uma imagem a partir de sua representação visual. Através da informação pictórica da imagem se produz uma informação não pictórica da imagem. Por exemplo, as primitivas geométricas elementares que a compõem. n = 5

VISUALIZAÇÃO DE DADOS Usa técnicas de Computação Gráfica para representar informação numérica em imagem gráfica, de forma a facilitar o entendimento de conjuntos de dados numéricos de alta complexidade. Exemplos de áreas de aplicação são: visualização de imagens médicas, meteorologia, dados financeiros, simulação, dinâmica dos fluidos, e muitas outras.

VISUALIZAÇÃO DE DADOS Surgiu da necessidade entre os cientistas, engenheiros, médicos, economistas, entre outros, em analisar e interpretar dados numéricos ou estudar o comportamento de certos processos envolvendo números. Pode ser dividida em duas sub-áreas: traçado de gráficos e visualização científica: . O traçado de gráficos consiste em gerar gráficos computacionais capazes de representar conjuntos de dados numéricos de forma clara e concisa a fim de ajudar na tomada de decisões ou esclarecer fenômenos complexos. . A visualização científica surgiu para que fosse possível a visualização e a interpretação de grande quantidade de dados em tempo real, pois as simulações computacionais começaram a gerar arquivos que continham milhões de dados numéricos, os quais precisavam ser interpretados de forma rápida e precisa. Percebeu-se que não seria possível essa análise sem resumir os dados e identificar tendências e fenômenos através de representações gráficas em tempo real.

VISUALIZAÇÃO CIENTÍFICA Animações computadorizadas do comportamento variante no tempo de objetos reais ou simulados. Podem ser utilizadas para estudar fenômenos como fluxo de fluidos, relatividade, reações químicas e nucleares, deformação de estruturas mecânicas sob diferentes tipos de pressão, controle de processos complexos como tráfego aéreo, usinas de energia, satélites de análise climática etc. A visualização científica permite mostrar graficamente os dados coletados por sensores conectados a componentes críticos dos sistemas, de forma que os operadores possam responder rapidamente e adequadamente sempre que surgirem condições críticas. Altamente interativa: o usuário controla o conteúdo, a estrutura e a aparência dos objetos e suas imagens visualizadas na tela. Ao usuário cabe definir parâmetros e atributos da imagem para melhor 'navegar' seu conjunto de dados. Dessa maneira, a visualização de dados partilha de características da síntese, do processamento e da análise de dados.

VISUALIZAÇÃO CIENTÍFICA O uso do termo “Visualização Científica” ou “Scientific Visualization” como ciência foi utilizado pela primeira vez em 1987 por Bruce McCormick1. McCormick a definiu como: “uso da computação gráfica como ferramenta aos cientistas para extrair informações e conhecimentos de dados obtidos em simulações ou cálculos experimentais, permitindo que os dados fossem analisados em tempo real. Aplicações: engenharia, automação eletrônica, reconstrução de imagens médicas, simulação, hidrologia, meteorologia, movimentação financeira, exploração de gás e óleo, e muitas outras. 1. McCormick B.,DeFanti T. A., Brown M. D., “Visualization in Scientific Computing”, ACM SIGGRAPH Computer Graphics, Vol 21 (6), 1987.

CLASSIFICAÇÃO Classificados de acordo com a dimensão dos dados e a dimensão do domínio onde ele será visualizado, ou seja, leva-se em conta o número de variáveis independentes que precisam ser visualizadas e o tipo dessas variáveis (pontuais, escalares ou vetoriais). Variáveis Pontuais (x,y,z): Domínio 1D, 2D e 3D. Variáveis Escalares (f(x), f(y), f(z)): Domínio 1D: Gráficos Lineares e Histogramas. Domínio 2D: Contorno Linear e Visualização de superfície. Variáveis Vetoriais (f(x1,x2, xn), f(y1, y2, yn), f(z1,z2, zn)) Domínio 2D: Visualização de superfície com código de cores. Domínio 3D: Representação volumétrica (reconstrução 3D).

TÉCNICAS Renderização de Superfície: gráfico é renderizado considerando a interação da luz com a superfície, não importa o interior da cena (pixel). Renderização Volumétrica: gráfico é renderizado considerando o interaçào da luz com a superfície e com o interior do objeto (voxel).

VARIÁVEIS PONTUAIS Cada dado numérico medido ou simulado comporta-se de maneira independente. Podem ser representados nos domínios de qualquer dimensão, de acordo com o número de informações utilizadas. Por exemplo:   1D: valores que podem ser marcados em uma reta. Por exemplo, uma reta representando a distância entre uma determinada cidade e algumas cidades vizinhas.

VARIÁVEIS PONTUAIS 2D: pares de valores representam um ponto no plano. Por exemplo, um gráfico que represente a altura e o peso dos funcionários de uma empresa.

VARIÁVEIS PONTUAIS 3D: três valores representam um ponto no espaço. Por exemplo, na mesma empresa citada acima, a variável “idade do funcionário” também é incluída.

VARIÁVEIS ESCALARES 1D: Gráficos Lineares

VARIÁVEIS ESCALARES 1D: Histograma

VARIÁVEIS ESCALARES 2D: Contorno linear

VARIÁVEIS ESCALARES 2D: Visualização de Superfície

VARIÁVEIS VETORIAIS 2D: Visualização de Superfície com Código de Cores

VARIÁVEIS VETORIAIS 3D: Representação Volumétrica

APLICAÇÕES Imagens médicas: Tomografia Computadorizada Ressonância magnética Medicina Nuclear (SPECT) Reconstrução de Imagens 3D Meteorologia, Cartografia, Indicadores Estatísticos, Bioquímica Reconstrução de imagens por sensores remotos (satelites, oceanografia) Dinâmica de Sistemas (animação/simulação): Dinâmica de Fluídos, Tráfego Aéreo, Distribuição de Tensão em peças mecânicas, Distribuição de Calor, Túnel de vento

CONCLUSÕES Permite a construção de um modelo empírico baseado em dados numéricos complexos, criando uma representação gráfica (estática ou dinâmica) de um determinado fenômeno. Pode promover uma interpretação mais profunda dos dados investigados pois possibilita a visualização de correlações entre diversas variáveis de um mesmo sistema. Permite a análise e dados simulados ou experimentais de forma global e generica, em tempo real. Permite uma interação completa entre o usuário e os dados coletados.

REFERÊNCIAS BIBLIOGRÁFICAS Giloi, W. K. Interactive Computer Graphics. Prentice Hall Inc., New Jersey, USA, 1978.   Brodlie, K. W.; et al. Scientific Visualization: Techniques and Applications. Springer-Verlag, N. Y., USA, 1992. Hearn, D.; Baker, M. P. Computer Graphics, C version. 2nd ed. Prentice Hall, N. J., USA, 1997. Nielson, G. M.; Hagen, H.; Müller, H. Scientific Visualization: Overviews, Methodologies and Techniques. IEEE Computer Society, CA, USA, 1997. Rosenblum, L.; et al. Scientific Visualization: Advances and Challenges. Academic Press, CA, USA, 1994. http://www.cc.gatech.edu/scivis/tutorial/tutorial.html http://www.cs.utah.edu/~crj/cs523/examples.html http://www.crs4.it/Animate/Animations.html http://mpire.sdsc.edu http://www-ugrad.cs.colorado.edu/~csci4576/SciVis/SciVisColor.html#SciVis