对于如何更好的展现一个可视化结果，不同的研究提出形形色色的评判标准，学术界众说纷纭。西班牙吉罗那大学图形图像实验室（Graphics and Imaging Laboratory, University of Girona）的学者R. Bramon等人在今年的EuroVis上提出了一种新颖的基于信息论的方法，量化信息从原始数据到渲染结果的传递过程，以此来对可视化结果的参数进行调优[1]。
在信息论最早的提出中，香农（Claude Elwood Shannon）在《A Mathematical Theory of Communication》（通信的数学理论）中提出了信息熵的定义：
其中p(xi)为随机变量Xi的概率质量函数，信息熵描述的是一个随机变量在其取值范围内分布的不确定性。对于两个随机变量Xi和Yi，它们之间可能具有的信息相关性，被称为两个变量的互信息，其定义如下：
互信息描述的是两个变量之间的信息传递程度，比如，当y值确定的时候，x值得不确定程度如何。可视化的过程可以被认为是一种用视觉传递数据信息的过程，所以这篇论文中，作者提出信息论的方法来对待可视化：将这个过程看作从原始体数据中每个格点上的强度信息值转变为最终结果上的每一个像素点颜色值。作者通过衡量强度值和像素颜色之间的互信息大小来评定某一个可视化结果的质量好坏，互信息越大，说明这种可视化的效果越好。这种评定的标准称为观察信道（Observation Channel）。
在实现方面，作者用两遍光线跟踪算法，来统计每一个像素点发出的光线经由的所有点上的强度值和这个像素点的结果颜色值的联合分布直方图，从而得到二者的联合概率分布，算出互信息值。之后，综合调整参数得到的不同可视化结果的互信息，选取结果最大的参数取值，来获得信息传递最大的情况。这种观察信道的评定标准被用在了体绘制中的三个过程中：视点选择、传递函数设计和光照位置选择，简单说来，就是调节参数选择能够产生最大互信息的情况作为最佳的参数值即可。例如，下图是利用这篇文章计算得出的最佳传递函数，可以看到，互信息最大的那一种传递函数的可视化效果最好，我们可以同时看到人体的肌肉组织、骨骼和内脏。
这篇论文的主要贡献在于，它将信息论的思想运用到了体数据渲染的过程中，并且利用这种原理，将体渲染过程的参数调优过程自动化。
[1] Bramon R, Ruiz M, Bardera A, et al. An Information‐Theoretic Observation Channel for Volume Visualization[C]//Computer Graphics Forum. Blackwell Publishing Ltd, 2013, 32(3pt4): 411-420.
评论关闭。