锐眼洞察 | 你不知道的前端算法之热力图的实现

作者:TalkingData 李凤禄

本文为TalkingData原创,未经授权禁止转载。申请授权请在评论中留言联系!

 

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/inmapinmap 

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。

image_(3).png

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。

准备数据

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,以后我们会有单独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:

WX20171229-115317

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

WX20171229-115345
  • 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:

Kapture_2017-12-25_at_16.08_.33_.gif

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?

设置 globalAlpha

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:

WX20171229-115408

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。

image.png

(这么黑乎乎的一团,跟热力差距好大啊)

重置 canvas 画布颜色

  • 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:

WX20171229-115425

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:

WX20171229-152527WX20171229-153113

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:

WX20171229-152614

inMap 默认颜色如下:
WX20171229-152630

将gradient颜色设置到调色面板对象中:

WX20171229-152643

返回调色面板的像素点数据:

WX20171229-152702

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)

image_(2).png

最终我们实现的热力图如下:

Kapture_2017-12-25_at_15.21_.01_(1)_.gif

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注