摘要:目前支持散点围栏热力网格聚合等方式致力于让大数据可视化变得简单易用。如图表示,红色区域表示分析要素的密度大,而蓝色区域表示分析要素的密度小。实现热力原理读取每个像素的值透明度,做一个颜色映射。
本文作者:TalkingData 可视化工程师李凤禄编辑:Aresn
欢迎加入 QQ 群参与技术讨论:618308202
inMap 是一款基于 canvas 的大数据可视化库,专注于大数据方向点线面的可视化效果展示。目前支持散点、围栏、热力、网格、聚合等方式;致力于让大数据可视化变得简单易用。
GitHub 地址:https://github.com/TalkingData/inmap (点个 Star 支持下作者吧!)热力图这个名字听起来很高大上,其实等同于我们常说的密度图。
如图表示,红色区域表示分析要素的密度大,而蓝色区域表示分析要素的密度小。只要点密集,就会形成聚类区域。
看到这么炫的效果,是不是自己也很想实现一把?接下来手把手实现一个热力(带你装逼带你飞、 哈哈),郑重声明:下面代码片段均来自 inMap。
inMap 接收的是经纬度数据,需要把它映射到 canvas 的像素坐标,这就用到了墨卡托转换,墨卡托算法很复杂,以后我们会有多带带的一篇文章来讲讲他的原理。经过转换,你得到的数据应该是这样的:
[ { "lng": "116.395645", "lat": 39.929986, "count": 6, "pixel": { //像素坐标 "x": 689, "y": 294 } }, { "lng": "121.487899", "lat": 31.249162, "count": 10, "pixel": { //像素坐标 "x": 759, "y": 439 } }, ... ]
好了,我们得到转换后的像素坐标数据(x、y),就可以做下面的事情了。
创建 canvas 渐变填充创建一个由黑到白的渐变圆
let gradient = ctx.createRadialGradient(x, y, 0, x, y, radius); gradient.addColorStop(0, "rgba(0,0,0,1)"); gradient.addColorStop(1, "rgba(0,0,0,0)"); ctx.fillStyle = gradient; ctx.arc(x, y, radius, 0, Math.PI * 2, true);
createRadialGradient() 创建线性的渐变对象
addColorStop() 定义一个渐变的颜色带
效果如图:
那么问题就来了,如果每个数据权重值 count 不一样,我们该如何表示呢?
根据不同的count值设置不同的Alpha,假设最大的count的Alpha等于1,最小的count的Alpha为0,那么我根据count求出Alpha。
let alpha = (count - minValue) / (maxValue - minValue);
然后我们代码如下:
drawPoint(x, y, radius, alpha) { let ctx = this.ctx; ctx.globalAlpha = alpha; //设置 Alpha 透明度 ctx.beginPath(); let gradient = ctx.createRadialGradient(x, y, 0, x, y, radius); gradient.addColorStop(0, "rgba(0,0,0,1)"); gradient.addColorStop(1, "rgba(0,0,0,0)"); ctx.fillStyle = gradient; ctx.arc(x, y, radius, 0, Math.PI * 2, true); ctx.closePath(); ctx.fill(); }
效果跟上一个截图有很大区别,可以对比一下透明度的变化。
(这么黑乎乎的一团,跟热力差距好大啊)
getImageData() 复制画布上指定矩形的像素数据
putImageData() 将图像数据放回画布:
getImageData()返回的数据格式如下:
{ "data": { "0": 0, //R "1": 128, //G "2": 0, //B "3": 255, //Aplah "4": 0, //R "5": 128, //G "6": 0, //B "7": 255, //Aplah "8": 0, "9": 128, "10": 0, "11": 255, "12": 0, "13": 128, "14": 0, "15": 255, "16": 0, "17": 128, "18": 0, "19": 255, "20": 0, "21": 128, "22": 0 ...
返回的数据是一维数组,每四个元素表示一个像素(rgba)值。
实现热力原理:读取每个像素的alpha值(透明度),做一个颜色映射。代码如下:
let palette = this.getColorPaint(); //取色面板 let img = ctx.getImageData(0, 0, container.width, container.height); let imgData = img.data; let max_opacity = normal.maxOpacity * 255; let min_opacity = normal.minOpacity * 255; //权重区间 let max_scope = (normal.maxScope > 1 ? 1 : normal.maxScope) * 255; let min_scope = (normal.minScope < 0 ? 0 : normal.minScope) * 255; let len = imgData.length; for (let i = 3; i < len; i += 4) { let alpha = imgData[i]; let offset = alpha * 4; if (!offset) { continue; } //映射颜色 imgData[i - 3] = palette[offset]; imgData[i - 2] = palette[offset + 1]; imgData[i - 1] = palette[offset + 2]; // 范围区间 if (imgData[i] > max_scope) { imgData[i] = 0; } if (imgData[i] < min_scope) { imgData[i] = 0; } // 透明度 if (imgData[i] > max_opacity) { imgData[i] = max_opacity; } if (imgData[i] < min_opacity) { imgData[i] = min_opacity; } } //将设置后的像素数据放回画布 ctx.putImageData(img, 0, 0, 0, 0, container.width, container.height);
创建颜色映射,一个好的颜色映射决定最终效果。
inMap 创建一个长256px的调色面板:
let paletteCanvas = document.createElement("canvas"); let paletteCtx = paletteCanvas.getContext("2d"); paletteCanvas.width = 256; paletteCanvas.height = 1; let gradient = paletteCtx.createLinearGradient(0, 0, 256, 1);
inMap 默认颜色如下:
this.gradient = { 0.25: "rgb(0,0,255)", 0.55: "rgb(0,255,0)", 0.85: "yellow", 1.0: "rgb(255,0,0)" };
将gradient颜色设置到调色面板对象中
for (let key in gradient) { gradient.addColorStop(key, gradientConfig[key]); }
返回调色面板的像素点数据:
return paletteCtx.getImageData(0, 0, 256, 1).data;
创建出来的调色面板效果图如下:(看起来像一个渐变颜色条)
最终我们实现的热力图如下:
下节预告下一节,我们将重点介绍 inMap 文字避让算法的实现。
文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。
转载请注明本文地址:https://www.ucloud.cn/yun/90443.html
摘要:容器跟虚拟化是解决不同问题的,从这一点来看与有相似之处,我认为虚拟化解决的一个重大问题是隔离和安全的问题,而容器则解决的是快速交付的问题。同时也可以应用一些虚拟化比较成熟的技术,包括容器的容器的热迁移,现在也都具备一些初步的方案。 5月26日,数人云产品战略发布会在北京万达索菲特酒店举行,发布会最后一个环节圆桌论坛可谓大咖云集,小数为大家在第一时间带来了实录分享,快来感受下容器生态圈的...
摘要:避让算法采用的是四分位模型算法,接下来手把手教你写避让算法,老司机带你装逼带你飞。创建四分位模型所谓四分位模型,每一个标记点都有上下左右四个放文字的位子,如果左边放不下,那就放右边试试,还不行就放到下面试试,以此类推,原理就这么简单,哈哈。 本文作者:TalkingData 可视化工程师李凤禄编辑:Aresn inMap 是一款基于 canvas 的大数据可视化库,专注于大数据方向点线...
摘要:然而反向传播自诞生起,也受到了无数质疑。主要是因为,反向传播机制实在是不像大脑。他集结了来自和多伦多大学的强大力量,对这些替代品进行了一次评估。号选手,目标差传播,。其中来自多伦多大学和,一作和来自,来自多伦多大学。 32年前,人工智能、机器学习界的泰斗Hinton提出反向传播理念,如今反向传播已经成为推动深度学习爆发的核心技术。然而反向传播自诞生起,也受到了无数质疑。这些质疑来自各路科学家...
阅读 2627·2021-11-22 15:24
阅读 1333·2021-11-17 09:38
阅读 2685·2021-10-09 09:57
阅读 1161·2019-08-30 15:44
阅读 2417·2019-08-30 14:00
阅读 3506·2019-08-30 11:26
阅读 2914·2019-08-29 16:28
阅读 728·2019-08-29 13:56