Rozhraní þlovČk - poþítaþ (stroj) Matematické (poþítaþové) modelování - (60. a hlavnČ 80. léta)
Možnost komunikace þlovČka s neživým okolím je dána jeho tČlesnými dispozicemi a jeho „mentální vybaveností“.
Ɣ Lidský faktor v Ĝízení stroje
Je etické možnosti komunikace zkoumat a poznávat, nikoli mČnit. [1]
Ɣ Model práce uživatele
Mentální vybavenost je nutno cviþit (R. D. Parslow – Eurographics’82 – 3D slepota) [2].
Ɣ Dynamika komunikace ap.
PĜedpokladem je pĜedvídatelnost chování þlovČka a možnost formulace modelu.
Metody zkoumání þtení a vnímání obrazu
Formy realizace rozhraní (historicky) :
Empirické metody - (od 60. let) nezkoumají podstatu jevĤ. Obtížné navrhování experimentĤ, obtížná interpretace výsledkĤ, omezené možnosti zobecĖování.
Ɣ Manuální (tlaþítkové, pákové ap.) Ɣ Textové
Studium vnímání obrazu - ( Ĝada „škol“, již 20. léta). Cílem je zajištČní pĜíznivého stavu vČdomí pĜi komunikaci a „nerušené sdČlování“ informace (Ĝada aplikátorĤ).
Ɣ Grafické
PĜístup ekologický – optická reflexe odraženého svČtla na objektech ve scénČ (J. J. Gibson 1979).
Ɣ Multimediální
PĜístup kognitivistický – konstrukce obrazu v mozku (vidČné + pamČĢ + dedukce), „vyšší“ procesy vnímání (I. Rock 1983).
Ɣ Virtuální realita Grafické rozhraní 2D (3D) je tČžištČm našeho zájmu.
PĜístup konstruktivistický – artikulace a kompletace stimulĤ („filtrace“ signálĤ) neuronovým mechanismem (D. Maar 1982). 1
PĜíklad modelu:
2
Legenda k modelu
3
4
VNÍMÁNÍ OBRAZU
OKO SPOLUPRACUJE S MOZKEM,
ale s rĤzným výsledkem!!!
PĜ. Hádanka P. B. Portera, 1954 [2]: ýtení obrazu (rozpoznání scény) není jen urþení rozložení svČtelné energie ve scénČ
OBRAZ je špatnČ definovaný problém pro jeho Ĝešení potĜebujeme pĜedpis (omezení) MOZEK poskytuje recept na þtení obrazu dává nejlepší výklad vidČného (mnohaúrovĖová interpretace) VIDċNÍ je konstruktivní (tvoĜivý) proces vidíme jev, o kterém je mozek pĜesvČdþen, že existuje
odtud plynou: zrakové klamy zrakové nejednoznaþnosti
Vadné interpretace pozorovaného (scény, obrazu) jsou testovacími úlohami pro hodnocení mocnosti jednotlivých škol. 5
OKO SPOLUPRACUJE S MOZKEM
6
Optické klamy [3]
PĜ. Hádanka z nedČlních novin
Subjektivní deformace
SouþasnČ pozorujeme detail i celek Obtížná selekce detailu.
7
8
Subjektivní hrany
Efektu subjektivních hran lze výtvarnČ využít:
9
10
PĜ. Aktivní dynamický klam
OPTICKÉ NEJEDNOZNAýNOSTI [5], [6]
11
12
PĜ. Zdánlivý pohyb PĜ. Pasivní dynamický klam
13
14
Modelování nejednoznaþností [8] Multistabilní vnímání mĤžeme modelovat nČkolika zpĤsoby
Spirála? [7]
PĜ. 1. – Dvojznaþnost modelovaná aparátem teorie katastrof: Potenciální funkce V = ̳ 1/4x4 + bx2 + ax je Ĝízena konstantami a,b.
15
16
PĜ. 2. – Dynamika dvojznaþnosti modelovaná aparátem dif. rovnic
Problém je zajímavý i pro výtvarníky [8]:
Ditzinger a Haken: Veliþiny d1 a d2 reprezentují saturaci pozornosti na oba „obrazy“
Veliþiny O 1 a O 2 reprezentují þasovČ závislé parametry pozornosti, A, B a g jsou konstanty. PĜi urþitých hodnotách parametrĤ systém osciluje!!!
17
18
TECHNIKA POZOROVÁNÍ [5] 1. TČkáme s fixací na 0,2 - 0,5 s. 2. Úhel pozorování 5° - 15°. 3. Zabíráme 5 % scény, ale neumíme potlaþit zbytek. 4. InformaþnČ bohaté oblasti vzorkujeme þastČji (místa vysokého kontrastu). Poznámka: Orientujeme se podle obrysĤ (místa kontrastu).
TENDENCE KE SDRUŽOVÁNÍ 1. Blízké. 2. Podobné. 3. Blížící se k sobČ. 4. Symetrické. 5. Ty, co "známe" pohromadČ. SPECIALIZACE NEURONU 1. Barva. 2. Tvar. 3. Objekt. 19
20
PĜ. NČkteré „efekty“ pĜi pozorování [6]: Nebezpeþné sdružování [6]: nestejné vnímání detailu
obrysy þasto pro informaci nestaþí stylizace nemusí vadit [5]
21
22
NČkterých efektĤ využívá optické umČní (OPART)
VNÍMÁNÍ HLOUBKY SCÉNY[5] Objekty vidíme každým okem jinak – stereo Vzdálené objekty se jeví menší Clonící objekt je bližší Obrysy a textury se vzdáleností rozostĜují Vzdálené objekty modrají a šednou Vzdálenosti urþujeme z polohy zdroje svČtla a stínu Orientujeme se pomocí úbČžníkĤ Pohybující se objekty mají menší úhlové rychlosti v dálce - pohybová paralaxa Pro 2. - 7. nám staþí jedno oko !!! Poznámka: Rozlišujeme 150 000 až 2 000 000 barev, diferenþnČ odlišíme 1 nm. V. Vasarely 23
24
PĜ. NČkteré efekty pĜi vnímání hloubky scény [6]
Obrazovka jako rozhraní þlovČk-stroj
perspektiva
User Friendliness Dialog ( 1969, adaptivní?) PrĤmyslové standardy- Apple, Xerox Parc ANSI HCI (Human computer interface) -metodika -principy interakce -testování a hodnoceni
stíny 1
stíny 2 [9]
Dialog slovem (textem) je jednoduchý, ale: Ɣ trpČlivost (You have been idle to long) Ɣ tolerance (datum 13-3-97) Ɣ uklidĖování(Fatal Error, Terminate) Ɣ nearogance (Error 35)
gradient textury [9]
Dialog obrazem je informaþnČ bohatší 1: 10000 NEZKAZIT !!! 25
26
Pozor na rozdíly:
INFORMAýNÍ PROPUSTNOST OBRAZOVKY Faktory: PĜizpĤsobení uživateli. DČlení plochy. Volba objektĤ (ikon, textu,…). Volba barev.
27
28
ENTITY GRAFICKÉ KOMUNIKACE [10]
Respektujeme archetypy barev a tvarĤ
29
IKONY – PIKTOGRAMY VÝPOýETNÍ TECHNIKY [11]
30
Poznámka: Vzhled ikon, stejnČ jako piktogramĤ a logotypĤ podléhá „módČ doby“ [11]
Respektujeme zásady grafického designu piktogramĤ.
Typická silueta??? Únosná stylizace???
31
32
Názvosloví barev
BAREVNÁ HARMONIE [10] Soulad barev a velikostí barevných ploch Barva bývá smČsí základních barev (podvojné, potrojné,...)
Ɣ Lomené barvy (barva s pĜímČsí jiné) doplĖkové barvy (180° ). Ɣ Studené barvy (pĜ. modrá, zelená, fialová). Ɣ Teplé barvy (pĜ. þervená, oranžová, purpurová) pestré barvy (studené + teplé). Ɣ Nepestré barvy -chromatické (tón v tónu). Ɣ Achromatické (šedé).
Psychologické úþinky barev (poznámka: þasto zvyk, napĜ. barvy jídel) Ɣ ýerná, šedá, bílá - hodí se ke všem barvám. Ɣ Šedá dobĜe oddČluje svČtlé barvy (tlumí a vyrovnává). Ɣ Barva ovlivĖuje své okolí komplementární barvou. Ɣ ýerná zvyšuje svítivost okolí (zejména teplé barvy) þerná budí pocit hloubky a plnosti. Ɣ Bílá v malé ploše zjemĖuje. Ɣ Bílá + þerná = slavnostní, atd. 33
DOPORUýENÁ VOLBA BAREV GRAFICKÉHO ROZHRANÍ
34
Ɣ Achromatické barvy (šedé) používáme pĜedevším k oddČlování ploch (rámování). Ɣ Jas a saturace barev pĜitahují pozornost.
Ɣ Aplikovaná barva je vČtšinou smČsí základních barev þervené, zelené, modré a žluté TémČĜ všechny barvy jsou použitelné!
Ɣ ýerná, šedá a bílá se hodí ke všem barvám. Ɣ Respektujeme oblibu barev a šetĜíme jejich poþtem (pokud lze, užijeme maximálnČ 6 barev).
Ɣ Šedá dobĜe oddČluje svČtlé barvy (tlumí a vyrovnává).
Ɣ Lomené barvy (barva s pĜímČsi jiné) jsou vhodné pĜedevším jako podkladové.
Ɣ ýerná zvyšuje svítivost okolí (zejména teplých barev).
Ɣ DoplĖkové barvy vytváĜejí maximální kontrast a dobĜe ladí.
Ɣ ýerná budí pocit hloubky a plnosti.
Poznamenejme: Barva ovlivĖuje své okolí komplementární barvou
Ɣ Bílá v malé ploše zjemĖuje.
Ɣ Studené barvy (pĜ. modrá, zelená, fialová) ustupují.
Ɣ Entity, které k sobČ patĜí, spojovat barvou pozadí (podkladem).
Ɣ Teplé barvy (pĜ. þervená, oranžová, purpurová) vystupují.
Ɣ Podobný význam entit = podobné barvy.
Ɣ Pestré barvy (studené + teplé) vzrušují, ale unavují.
Ɣ StupeĖ zmČny entity nechĢ odpovídá stupni zmČny barvy.
Ɣ Nepestré barvy -chromatické (tón v tónu) uklidĖují (až uspávají). 35
36
Ɣ Sousedící barvy Ĝadit podle spektrálního umístČní.
Barevný kontrast (Johannes Itten 1888 – 1967)
Ɣ „Jasu" nedocilovat svítivostí, ale volbou barvy.
[15]
1 – Základní kontrast barev
Ɣ Barvy spektrálnČ vzdálené nezobrazovat sytČ (zmČna zaostĜení oka). Ɣ Modrá barva je nevhodná pro tenké þáry. Ɣ Entity neodlišovat obsahem modré barvy. Ɣ Nejlepší detekce zmČn je v oblasti žlutozelené barvy.
2 – Jasový kontrast (þistota)
Ɣ ýervená a zelená barva nepatĜí na okraj obrazovky … a další ménČ podstatná doporuþení. Ɣ Text jako souþást obrazu se stává grafickým prvkem. 3 – Kontrast studená-teplá
Ɣ Nepoužívat pro komunikaci ozdobná písma !!! Ɣ Bílá s þernou jsou na obrazovce vhodné (pĜedevším pro vČtší texty). Ɣ Nepíšeme modrou na þerném pozadí a naopak. 37
38
4 – Komplementární kontrast 6 – Saturaþní kontrast
7 – Plošný (obsahový) kontrast 5 – Simultánní kontrast barva ovlivĖuje okolí (efekt záleží na paletČ a ploše) Barevné plochy v harmonickém pomČru podle Ittena: citlivost na „pĜímČs do šedé“
39
40
OONNPĜ. RĤznost prostorového efektu(J. Itten) [15]
PĜ. Vzájemné ovlivĖování barev [12]
NNOO
41
42
Nejednoznaþné asociace vyvolané barvou (dle L. W. MacDonalda 1999, USA)
PĜ. Pseudoprostor [12]
Pozitivní asociace þervená
zelená
žlutá
modrá
bílá
šedá
þerná
nadšení napČtí energie horoucnost láska
jaro pĜíroda venkov plodnost bezpeþí
slunce léto sklizeĖ zlato optimismus
obloha moĜe nadČje jednota stabilita
sníh þistota mír nevinnost nezkaženost
inteligence dĤstojnost zralost umírnČnost zdrženlivost
hloubka síla Ĝád styl solidnost
Negativní asociace þervená
zelená
žlutá
modrá
bílá
šedá
þerná
krev válka oheĖ hnČv nebezpeþí
nezkušenost neštČstí rozklad chudoba závist
zbabČlost zrada hazard nemoc podlost
deprese pasivita ztrnulost oplzlost nemravnost
chlad sterilnost smrt kapitulace nemocnice
stín beton nuda neteþnost uniformita
noc anonymita tajuplnost prázdnota hĜích
Poznámka: Asociace je dána etnikem, výchovou apod.
43
44
Volba pomČru stran obdélníkĤ (oken)
ZLATÝ ěEZ JAKO „UNIVERZÁLNÍ“ POMċR DÉLEK [14]
Dávný problém estetiky [13]:
Konstrukce zlatého Ĝezu
ZLATÝ ěEZ
PomČr zlatého Ĝezu si zaslouží obsáhlejší poznámku:
45
46
47
48
49
50
51
52
[ 7] Wade, N.: The Art and Science of Visual Illusions. Routledge & Kegan Paul, London 1982. [ 9] Wanger, L. R., Ferwerda, J. A., Greenberg, D. P.: Perceiving Spatial Relationship Computer generated Image. IEEE CG&A, May 1992, pp. 44-58.
LITERATURA: [13] Arteology: Beauty of Artefacts. http://www.uiah.fi/projects/metodi/155.html
[ 8] Yevin, I.: Ambiguity and Art. Visual Matematics, 2, No. 1, 2000, http://members.tripod.com/vismat/
[ 6] Crick, F.: VČda hledá duši. Mladá fronta, Praha 1997.
[ 1] Zemþík, P. Komunikace þlovČka se strojem, habilitaþní práce ÚIVT FEI VUT v BrnČ, 1998.
[ 5] Landsdown, J.: Visual Perception, and Computer Graphics. In: NATO ASI Series, Vol. F17, Earnshaw, R. A.: Fundamental Algorithms for Computer Graphics, Springer Verlag, Berlin 1985, pp. 1005 – 1026.
[14] Doczi, G.: The Power of Limits Proportional Harmonies in Nature, Art, and Architecture Shambhala, Boston & London, 1994.
[ 3] Legothetis, N. L.: Vision: A Window on Conciousness, Scientific American, Novwmber 1999, pp. 69 – 75.
[15] Itten , J.: The Art of Color, URANIA Verlag, Stuttgart, 2004
[10] MacDonald, L. W.: Using Color Effectively in Computer Graphics, IEEE CG&A, July/August 1999, pp. 20 - 35. [ 2] Parslow, R. D.: Spatial Concepts in 3D. In: NATO ASI Series, Vol. F17, Earnshaw, R. A.: Fundamental Algorithms for Computer Graphics. Springer Verlag, Berlin 1985, pp. 885 - 893. [12] Shubin, H., Falcr, D., Johansen, A. G.: Exploring Color in Interface Design. Interactions, July/August 1996, pp. 37-48. [11] UmČní a Ĝemesla, 4/1986 (speciální þíslo vČnované písmu a znaku). 53
54
