Chapter 126: Flow and Streamline Visuals

流场可视化要回答的问题是：给定一组空间位置上的方向和速度，怎样把这些数值变成读者能判断流向、速度变化、旋涡、汇聚、发散和局部异常的图像。本章把一个二维风场作为贯穿材料：输入是规则网格上的水平速度 u 和垂直速度 v，输出是一张可交互的流线图，同时保留箭头图、颜色标尺、图例和局部重算路径。

读完本章后，读者应能追踪一张流场图从数据到图像的完整路径：先检查向量场来自哪里，再判断采样网格和插值方式是否稳定，随后设计 seed placement，选择 integration 方法，生成 streamline mesh 或 arrow glyph，最后用 color scale、legend、contrast、occlusion、label density 和 task accuracy 评价可读性。

流线图的难点来自两个层面。数学层面要保证积分路径跟向量场一致，工程层面要保证这条路径能被 GPU 高效绘制并能随着交互更新。把这两个层面分开处理，才能定位“线条方向错了”“线条过密”“局部拖动后画面卡顿”“颜色看起来有变化但读数含义混乱”这类问题。

本章使用的基本判断可以落成一条管线：vector samples → interpolation → seed points → integration → geometry/glyph → color mapping → interactive update → readability metric。这条管线也对应常见工具中的参数。例如 Matplotlib streamplot 暴露 density、start_points、maxlength 和颜色映射参数，VTK vtkStreamTracer 把向量场积分成 polyline，ParaView Stream Tracer 把 seed source、integrator、maximum streamline length 和 tube 显示串成可交互过滤器。本文关心的重点是这些参数背后的判断顺序。

126.1 流线/流场可视化的基本原理

流场在可视化语境中是一组空间位置到向量的映射，写成 $v(p)=(u(p), w(p))$ 或 $v(p)=(u(p), v(p), w(p))$。二维风场中的一个网格点保存两个分量 u 和 v，表示该位置上沿横向和纵向的速度。渲染系统接收的输入通常是 buffer、texture 或 CPU 数组，屏幕上的输出则是线、箭头、管状面、颜色和图例。

流线（streamline）是一条在每一点都与局部向量方向相切的曲线。稳定流场中，给定起点 $p_0$，流线可通过 $dp/dt = v(p)$ 积分得到；如果只关心形状，也常把方向归一化后按弧长前进。这个公式中的 $p$ 位于数据坐标空间，v(p) 来自采样点插值，积分结果再经过 view-projection 变换进入屏幕空间。公式只有放回这些空间关系中才有图形意义。

箭头图（arrow plot 或 quiver plot）把每个采样位置画成一个 glyph。glyph 是用几何形状编码局部数据的小图元，箭头方向对应向量方向，箭头长度或颜色可编码速度大小。箭头图强调局部读数，流线图强调连续路径。二者的区别可以用任务目标判断：读者要读某一点的方向时用 glyph 更直接，读者要追踪“风从哪里来、绕过障碍后去哪里”时用 streamlines 更直接。

二维风场例子中，若中心区域是一个逆时针旋转场，箭头图会在每个网格点显示切向箭头，流线图会形成围绕中心的闭合或近似闭合曲线。线条闭合程度受插值、积分步长、终止条件和 seed placement 共同影响。看到一条“突然断掉”的流线时，合理的排查顺序是先看它是否离开数据域，再看速度是否接近零，随后检查最大步数或最大长度限制，最后检查是否因线条间距规则提前终止。

流线、路径线（pathline）和迹线（streakline）在时间维度上有不同含义。流线描述某个时间片上向量场的瞬时切线；路径线描述单个粒子随时间走过的轨迹；迹线描述同一入口不断释放粒子后形成的轨迹集合。实时渲染中经常把某一帧的 velocity texture 画成流线图，这适合解释瞬时结构；若数据跨多个时间步变化，读者要追踪粒子运动，则应把时间采样和粒子状态纳入计算。

本章后续讨论都回到二维风场：输入是规则网格 x, y, u, v，可视化目标是让读者判断主流向、旋涡位置、局部速度差异和阈值筛选后的变化。这个目标决定了数据准备要保留方向和速度单位，积分要保留可解释的终止原因，渲染要把方向、大小和不确定区域分开编码。

126.2 向量场数据的提取与分析方法

向量场数据的第一步是确认“向量来自哪个数据层”。在 CFD、天气、海流和粒子模拟中，向量可能直接来自 velocity array；在图像、地形或标量体数据中，向量也可能来自梯度、法线、位移差或时间帧差。直接速度适合解释流动，梯度适合解释上升最快方向，帧差适合解释屏幕空间 motion。数据来源不同，图像含义也随之改变。

二维风场的最小输入是四个数组：x 和 y 描述采样位置，u 和 v 描述每个采样位置上的速度分量。规则网格可以放进二维 texture，shader 或计算阶段通过采样获得局部向量；非规则网格通常先做重采样、使用空间索引查找所在 cell，或在 CPU 侧生成 streamlines 后把 polyline 顶点上传到 GPU。这里的工程判断是：数据规则、更新频率高、交互强时，GPU 纹理采样收益更高；数据稀疏、拓扑复杂、需要精确 cell traversal 时，CPU 或可视化库 filter 更容易维护终止原因和属性。

提取向量场时要先统一坐标空间。数据文件中的坐标可能是经纬度、米、模型坐标或归一化网格坐标；屏幕上的坐标是像素或 NDC。速度分量也可能是每秒米、每时间步位移或单纯方向。若把经纬度网格当作等距平面处理，高纬区域的箭头长度会被空间尺度扭曲。稳定做法是把采样位置、速度单位、积分步长和显示尺度写成同一张 metadata 表，并让后续积分和图例都引用这张表。

向量场分析在渲染前承担筛选和派生属性的工作。速度大小 $|v|=\sqrt{u^2+v^2}$ 常用于颜色或线宽；方向角 $\theta=\mathrm{atan2}(v,u)$ 常用于 glyph 旋转；局部散度用于观察源或汇，局部旋度用于观察旋涡。二维风场中，如果图像任务是找出强风带，颜色应优先编码速度大小；如果任务是找出旋涡中心，seed placement 和旋度辅助图层更有价值。

下面的简化代码展示数据进入可视化前的检查路径。它用于把“维度一致、无效值、速度范围、单位尺度”这四个判断固定下来，最终图像生成留给后续渲染阶段。

import numpy as np

def analyze_vector_grid(x, y, u, v, meter_per_unit=1.0, seconds_per_step=1.0):
    if u.shape != v.shape:
        raise ValueError("u and v must have the same shape")
    if u.shape != (len(y), len(x)):
        raise ValueError("velocity shape must match y by x")

    valid = np.isfinite(u) & np.isfinite(v)
    speed = np.sqrt(u * u + v * v) * meter_per_unit / seconds_per_step

    return {
        "valid_ratio": float(valid.mean()),
        "speed_min": float(np.nanmin(speed[valid])),
        "speed_max": float(np.nanmax(speed[valid])),
        "speed_p95": float(np.nanpercentile(speed[valid], 95)),
    }

这段检查对应渲染管线中的输入边界。valid_ratio 决定是否需要 mask layer；speed_max 和 speed_p95 帮助设置颜色归一化范围；shape 检查保证每个速度样本都能找到对应位置。后续若画面出现大片空白或颜色过饱和，应先回到这些统计量，再调整线宽和透明度。

向量场从 cell data 转成 point data 时需要额外谨慎。许多仿真数据把速度存在 cell center，streamline integration 却需要在任意位置查询速度。常见处理是把 cell 值插值到 point、把 point 查询回 cell、或在 cell 内使用局部插值。三种方案的可视差异体现在边界和不连续区域：平滑插值会让断层看起来连续，cell 查询会保留块状结构，局部插值能在精度和结构保真之间取得折中。

126.3 生成与渲染流线图/箭头图

生成流线图的核心路径是 seed placement、integration、termination 和 geometry build。seed placement 决定从哪些位置开始追踪，integration 决定每一步怎样沿向量场前进，termination 决定什么时候停止，geometry build 决定 polyline、tube 或 ribbon 怎样进入 GPU。四个环节中任何一个失配，最终图像都会产生误导。

seed placement 先服务阅读任务。均匀网格 seed 适合展示整体方向，沿入口边界布 seed 适合展示流体从边界进入后的路径，按速度大小或旋度加权布 seed 适合强调局部结构。Matplotlib 的 density 参数体现的是屏幕密度控制，ParaView 的 Point Source、High Resolution Line Source 和 custom source 体现的是 seed 来源控制。工程系统通常把二者合并：先由数据任务产生候选 seed，再由屏幕空间间距规则筛掉过近的 seed。

integration 常用 Euler、Runge-Kutta 2、Runge-Kutta 4 或自适应 Runge-Kutta。Euler 每一步只采一次向量，速度快但曲线容易偏离；Runge-Kutta 系列通过中间采样提高曲线稳定性；自适应方法根据误差调整步长，适合速度变化大的区域。流线图的可读性并不总是随着积分精度上升而上升。若目标是交互探索，先用较粗精度给出反馈，再对当前视野或选区做精细重算，通常比全域高精度更稳定。

下面的简化积分逻辑展示一条流线如何从 seed 变成顶点列表。代码使用归一化方向和固定步长，适合说明路径；真实工程会加入插值误差、cell traversal、双向积分、mask 和 termination reason。

def integrate_streamline(seed, sample_velocity, step_size, max_steps, domain):
    points = [seed]
    position = seed

    for _ in range(max_steps):
        velocity = sample_velocity(position)
        speed = length(velocity)
        if speed < 1e-5:
            break

        direction = velocity / speed
        next_position = position + direction * step_size
        if not domain.contains(next_position):
            break

        points.append(next_position)
        position = next_position

    return points

这段代码的可视输出是一条 polyline。GPU 侧可以直接用 line primitive 绘制，也可以把每段线扩展成 screen-space strip，还可以沿 polyline 生成 tube mesh。line primitive 成本低但线宽和抗锯齿受平台影响；screen-space strip 能稳定控制像素宽度；tube mesh 能获得光照和遮挡关系，代价是顶点数、法线和索引 buffer 上升。科学可视化中常把 streamlines 后接 Tube filter，原因就在于 1D 线条在 3D 视图中缺少表面线索，tube 能给读者提供深度和局部形状。

箭头图的管线更像实例化渲染。每个采样点生成一个 arrow glyph instance，instance buffer 保存位置、方向角、长度、颜色和可见标记。vertex shader 读取一个基础箭头模型，把它按方向旋转、按速度缩放、再放到数据坐标或屏幕空间。箭头图的主要风险是密度过高造成遮挡，长度直接按速度缩放造成小速度不可见或大速度覆盖邻居。稳定做法是把方向和大小分开：方向用旋转，速度用颜色或有限范围长度，屏幕空间最小尺寸由像素规则控制。

颜色映射应绑定明确数据量。速度大小适合 sequential colormap，偏离某个中心值的量适合 diverging colormap，方向角适合 cyclic colormap，类别或阈值分组适合 qualitative palette。ColorBrewer 的价值在于把 sequential、diverging 和 qualitative palette 按数据任务组织起来。二维风场中，若用颜色表示速度，legend 必须写单位和范围；若用颜色表示旋度，legend 必须写中心值和正负方向含义。

流线和箭头也可以组合。常见组合是低密度流线展示整体通道，高透明度箭头展示局部方向，背景热力图展示速度大小。组合图需要明确视觉优先级：背景颜色承担“大小”，线条承担“路径”，箭头承担“方向确认”。若三者都编码速度，读者会把装饰差异误读成新数据维度。组合图的检查顺序是先关掉背景，只看路径；再打开背景，检查速度区间；最后打开箭头，确认方向和路径一致。

126.4 交互式流场探索与动态更新

交互式流场系统的目标是让用户在时间步、阈值、seed source 和视图之间切换时保持语义连续。语义连续指同一条视觉规则在交互前后保持一致：速度颜色范围不跳变，seed 策略不漂移，局部筛选后图例仍说明可见数据范围，视图联动后选区能落到同一数据坐标。性能优化服务这个目标，不能牺牲读数含义。

二维风场的交互路径可以拆成数据层、计算层、GPU 资源层和视图层。时间步切换会替换 u, v texture 或 buffer；阈值筛选会更新 mask；局部重算会重新积分选区内的 streamlines；GPU buffer 更新会把新的顶点、索引和 instance 属性送到渲染阶段；视图联动会把选区、legend 和详情面板对齐到同一个数据域。

这张图表达的是交互更新的主路径。Time Step 改变向量场，Threshold 改变可见区域，二者共同影响 seed set。Integration 输出 polyline buffer，render pass 读取它并更新 flow view。Linked detail 面板只读取同一选区的统计量，确保当前图像和数值面板使用同一套过滤条件。

时间步切换有两种常见策略。小数据可以预加载多个时间步的 velocity texture，通过 uniform 指定当前 index；大数据通常只保留当前步和下一步，使用异步上传或后台计算填充 buffer。时间步之间若使用插值，应在 UI 中区分“真实采样帧”和“插值帧”，因为插值帧中的流线可能展示平滑过渡，却不对应原始仿真的一个离散状态。

阈值筛选应尽量改 mask，并保留原始数据。mask 可以保留原始向量场和派生属性，局部重算时仍能知道流线为何中断。若直接把低速点删掉，插值器会在缺口周围产生不稳定查询，线条终止原因也会变得难解释。实践中可使用一个 validMask texture 或 per-cell flag，integration 每一步查询 mask 并记录终止原因。

局部重算的关键是把交互范围映射回数据坐标。用户在屏幕上框选一个区域，系统需要通过 inverse view-projection 或 2D axis transform 找到对应的数据域，再重建该区域内的 seed set。重算时可复用全局向量场 texture，只替换选区对应的 polyline buffer。这样做减少 CPU 到 GPU 的传输量，也让其他视图仍显示上一轮稳定结果。

GPU buffer 更新应区分动态属性和稳定属性。稳定属性包括原始采样网格、基础箭头 mesh、静态边界和坐标轴；动态属性包括当前时间步 velocity texture、mask、streamline vertex buffer、instance transform 和 color range uniform。把二者分开后，交互时只更新变化资源，render pass 的 pipeline state 和大部分绑定保持稳定。对 WebGPU、Metal、Vulkan 或 Direct3D 这类显式 API，还要把写入 buffer、使用 buffer 和呈现画面的同步关系写清楚。

视图联动解决的是“用户看到的线条和面板读数是否来自同一选择”。当鼠标悬停在一条流线上时，详情面板应显示 seed id、当前 polyline 长度、采样速度范围、终止原因和对应时间步。另一个视图如果显示速度直方图，它的过滤条件应来自同一个 selection state。这样用户才能把局部形状、数值范围和交互状态放在同一个判断链中。

126.5 Visualization Quality Metric Color Scale and Readability

流场图的质量要通过任务完成情况来判断。可视化质量要回到任务：读者能否判断主流向，能否找到旋涡，能否比较两个时间步的速度差异，能否解释一条线为何中断，能否在阈值筛选后仍读懂图例。Quality metric 的作用是把这些任务转成可检查的图像属性和用户任务结果。

Color scale 的第一条规则是数据量匹配。速度大小使用 sequential scale，正负偏差使用 diverging scale，角度方向使用 cyclic scale，离散分组使用 qualitative scale。legend 要写清单位、范围、裁剪规则和当前过滤条件。若速度范围使用 p95 截断，legend 应说明高于该值的区域使用饱和值。这样读者看到同色区域时能判断它们是数值接近，还是被显示范围压到同一端。

Contrast 需要同时考虑背景、线条、箭头、标签和选中状态。深色背景上的浅色流线容易形成清晰结构，但低速区域可能和网格线混在一起；浅色背景适合打印和论文图，但细线需要更强边缘对比。工程实现中可以把 contrast 作为 shader 输出后的检查项：采样图像中的线条像素和邻近背景像素，计算亮度差；若差值低于阈值，优先调整线条亮度、描边或背景透明度，并保持数据颜色含义稳定。

Occlusion 是 3D 流线和密集二维流线的主要问题。3D tube 会互相遮挡，二维 polyline 会互相覆盖。可操作的指标包括每个屏幕 tile 的线段数量、平均重叠次数、可见线段长度比例和选中线条的遮挡比例。处理路径是先降低 seed 密度，再使用屏幕空间间距规则，随后加入透明度或 depth cue，最后为重点线条提供 hover highlight。这个顺序保证全局结构先清楚，再处理局部强调。

Label density 要服务定位和读数。流场图通常需要坐标轴、legend、单位、时间步、阈值条件、选区统计和少量注释。标签过多会遮挡线条，标签过少会让颜色和方向失去语义。稳定做法是把标签分成三类：固定标签用于坐标和单位，状态标签用于当前时间步和过滤条件，交互标签用于 hover 或 selection。固定标签始终可见，状态标签跟随 UI，交互标签只在用户需要时出现。

Task accuracy 是最终验收指标。可以设计小任务让读者回答：“主流向从左到右还是从下到上？”“旋涡中心在哪个象限？”“时间步 20 相比时间步 10，强风带是否向右移动？”“这条流线终止因为离开边界、低速还是达到最大长度？”若多人在同一张图上给出一致答案，说明颜色、线条密度和图例支持任务；若答案分散，排查顺序是先看数据归一化，再看 seed 策略，随后看遮挡和标签。

流场可视化的指标可以落成一张工程检查表。它不替代视觉判断，但能让团队在每次调参后知道自己改变了哪一类风险。

评价对象	可观察指标	常见症状	调整动作
Color scale	单位、范围、中心值、裁剪规则	同色区域含义不清	固定范围并在 legend 写明裁剪
Contrast	线条与背景亮度差	低速区域线条消失	增加描边或调整背景透明度
Occlusion	屏幕 tile 线段数	旋涡区域糊成块	降低 seed 密度并启用间距规则
Label density	标签覆盖面积	注释遮住主路径	分离固定标签、状态标签和交互标签
Task accuracy	任务答对率和一致性	用户判断方向或终止原因分散	回查归一化、seed、遮挡和图例

把这些指标放回二维风场例子，最终检查顺序是：先确认 u, v 的单位和网格；再用速度统计确定 color scale；然后生成稳定的 seed set 和 integration；接着构建 polyline 或 glyph buffer；最后用对比度、遮挡、标签和任务准确率检查读者能否完成判断。这样得到的流场图既能表达数据，也能被调试、复现和交互更新。

最小自检任务

给定一个二维风场：规则网格大小为 128 x 128，每个采样点包含 u, v 两个速度分量。你要做一个交互式视图，用户可以切换时间步、用速度阈值筛选区域，并在选区内重新生成流线。请写出从数据检查到渲染更新的最小判断顺序，并说明颜色标尺和图例应显示哪些信息。

答案要点

先检查 u, v 的 shape、有效值比例、速度最小值、最大值和高分位值，并确认坐标单位与速度单位。随后决定向量场存储方式：规则网格可放入 velocity texture，阈值结果放入 mask texture，streamline 结果放入动态 polyline buffer。seed placement 先按任务产生候选 seed，再用屏幕空间间距控制密度。integration 每一步采样 velocity 和 mask，记录离开数据域、低速、达到最大长度或达到最大步数等终止原因。渲染阶段用 polyline、screen-space strip 或 tube 表示流线，用 instance arrow glyph 补充局部方向。时间步切换更新 velocity texture，阈值筛选更新 mask，局部重算只替换选区内的 polyline buffer。颜色标尺应显示编码的数据量、单位、范围、中心值或裁剪规则；图例还要显示当前时间步、阈值条件和选区统计。最后用 contrast、occlusion、label density 和 task accuracy 检查读者是否能判断主流向、旋涡位置、速度差异和终止原因。

本章知识点总结

• 流场定义：流场是空间位置到向量的映射，图像输出必须保留位置、方向、速度单位和坐标空间关系。
• 流线含义：流线是在每一点与局部向量方向相切的曲线，适合展示瞬时流动结构和路径趋势。
• 箭头作用：箭头 glyph 适合读取局部方向，方向用旋转编码，速度可用长度、颜色或线宽编码。
• 时间边界：稳定时间片适合画 streamlines，跨时间粒子轨迹应把时间步和粒子状态纳入计算。
• 数据来源：向量可能来自 velocity array、梯度、法线、位移差或帧差，来源决定图像语义。
• 坐标统一：采样位置、速度单位、积分步长和显示尺度需要进入同一套 metadata，后续图例和积分都引用它。
• 派生属性：速度大小、方向角、散度和旋度用于颜色、glyph 旋转、筛选和局部结构判断。
• Seed 策略：seed placement 先服务阅读任务，再用屏幕空间密度规则控制线条覆盖。
• 积分选择：Euler 适合快速预览，Runge-Kutta 系列适合更稳定曲线，自适应方法适合速度变化大的区域。
• 终止原因：流线中断应记录离开数据域、低速、最大长度、最大步数或间距规则等原因。
• 几何输出：polyline 成本低，screen-space strip 便于控制线宽，tube mesh 能提供 3D 深度线索。
• 动态更新：交互时把 velocity texture、mask、polyline buffer 和 instance 属性作为动态资源，把网格、基础 mesh 和坐标轴作为稳定资源。
• 颜色标尺：sequential、diverging、cyclic 和 qualitative scale 分别服务大小、偏差、角度和分类任务。
• 可读性指标：contrast、occlusion、label density 和 task accuracy 把视觉质量转成可检查的工程条件。
• 复查顺序：流场图出问题时先回查数据单位和归一化，再查 seed、integration、buffer 更新、颜色图例和交互状态。