在科学计算模拟及相关应用的研发过程中,通常会涉及对二维标量场数据的研究,包括气象学的PM2.5浓度值、物理学的密度值、空气动力学的扩散值等。二维标量场数据的可视化对领域科学家在读取数值、理解数据特征和分析数据隐藏规律方面起到了至关重要的作用。例如,气象学家在分析雾霾时,温度、相对湿度等标量场的可视化对探索雾霾的成因和发展很有帮助。色彩映射是可视化二维标量场数据最有效的形式,被使用的范围也最广泛。色彩映射的载体是颜色表。在用户的理解过程中,颜色表很大程度影响了用户对数据的感知。优秀的颜色表使数据特征一目了然,而质量差的颜色表会模糊数据特征,甚至丢失数据信息。因此,在当前很多颜色表优化算法已经被提出。优化颜色表时需要考虑的因素很多,但现有工作只单方面考虑数据的统计值或颜色表中的色彩分布,缺乏了对连续数据特征与颜色的联合考虑。此外,现有工作大多只设计算法,没有为用户提供可交互工具,忽略了交互行为对颜色表优化的影响。针对现存方法优化颜色表的片面性与单一性,本文提出了面向数据感知的二维标量场颜色表优化算法。本文的主要贡献有以下几点:●调研并整理了科学家对颜色表的需求,根据用户需求全面地定义了优化算法需要考虑的因素。●实现了考虑数据边界、颜色表保真、前后景对比度的自动优化算法。●通过对算法的参数分析、性能分析、相关对比实验,证明了算法的有效性。●将优化算法生成的颜色表应用在对雾霾的分析中,提高了气象学家分析雾霾的效率。我们不仅实现了优化颜色表的算法,还为用户提供可交互工具,工具为用户提供“拉锁”、“背景遮罩”等功能,支持用户选择或屏蔽数据的特定区域,帮助用户得到符合自身需要的颜色表。最后,我们通过案例分析、对比实验等手段验证了优化算法的有效性。