晶格点自动识别算法
算法简介
为了更好地识别 FFT 图像中的晶格点位置,我们需要对图像进行以下处理步骤:
图像像素合并:对于高倍率图像,为了便于识别 FFT 图像中的晶格点,建议先对图像执行适当的 binning 处理,以降低分辨率并提升处理效率。
中心斑屏蔽:由于 FFT 图像中心斑的信号强度较高,可能会干扰晶格点的识别。因此,在中心斑位置应用遮罩(mask)以屏蔽强信号,从而确保晶格点信号的准确识别。
晶格点降噪:FFT 图像中常伴有大量噪声信号,若直接应用 中心定位算法 ,可能会将噪声误识为晶格点。为此,建议使用高斯滤波对 FFT 图像进行降噪,以增强晶格点的可见性。详见 高斯降噪算法 。
无用亮斑清理:在降噪过程中,部分噪声可能会强化为亮斑,导致 中心定位算法 误将其识别为晶格点。为避免此情况,可以使用以下两种算法去除无效亮斑:
识别亮斑坐标:通过亮斑识别算法找到亮斑的坐标,并将其记为
Identified Spots
。过滤亮斑坐标:如果选择了样品类型,可以根据样品的标准晶格点坐标(
Standard Pattern
)过滤识别出的亮斑坐标,从而进一步去除无效亮斑。过滤后的亮斑坐标记为Filtered Spots
。优化亮斑坐标:应用 中心定位算法 对过滤后的亮斑坐标进一步优化,生成精确坐标并记为
Refined Spots
。根据Standard Pattern
和Refined Spots
的坐标误差计算倍率误差。锚点坐标:默认情况下,倍率误差计算基于所有识别出的晶格点。若 用户指定了锚点坐标 (
Fiducial Spots
),则根据Standard Pattern
和Fiducial Spots
的坐标误差重新计算倍率误差。
高斯降噪算法
通过高斯降噪算法,可将 FFT 图像转换为二值图像,将亮斑区域的像素值设为 1,其余像素设为 0。通过调节 Tuning Mode 中的 Sigma Low
、 Sigma High
和 Gradient
参数,可以调节最终的降噪效果。

非圆形亮斑过滤算法
对于非圆形(长宽比异常)的亮斑,可以通过该算法将其排除。通过调节 Tuning Mode 中的 Aspect Ratio <
参数,可以调节最终的过滤效果。

亮斑面积过滤算法
对于面积较小的亮斑,可以通过该算法将其排除。可以在 Tuning Mode 中调整 Spot Area <
和 Spot Removal Ratio <
参数,以控制最终的过滤效果。
Spot Area <
参数:指定亮斑的最小面积阈值,过滤掉小于该像素数的亮斑。Spot Removal Ratio <
参数:基于亮斑面积的中位数。若某个亮斑的面积小于中位数 * Spot Removal Ratio
,则该亮斑会被去除。
中心定位算法
Center of Mass算法
Center of Mass 算法是一种用于精确定位图像中亮斑中心的算法。亮斑在图像中通常表现为强度值较高的区域,通过该算法,可以计算出亮斑的重心,从而实现精准定位。
算法步骤 :
选择亮斑区域:对图像进行预处理,选择出亮斑区域(例如通过阈值分割或形态学处理)。
计算质心:在亮斑区域内,使用以下公式计算质心坐标:
\[\text{Center of Mass (X)} = \frac{\sum (x_i \times I_i)}{\sum I_i}, \quad \text{Center of Mass (Y)} = \frac{\sum (y_i \times I_i)}{\sum I_i}\]其中:
\(x_i\) 和 \(y_i\) 是亮斑区域中每个像素的坐标,
\(I_i\) 是该像素的亮度值(强度值)。
输出中心坐标:计算出的质心坐标即为亮斑的中心位置。
Max Intensity算法
Max Intensity 算法是一种简单且高效的方法,用于确定图像中亮斑的中心位置。该算法通过寻找亮斑区域内亮度最高的像素,认为该位置即为亮斑的中心。此方法适用于亮斑中心亮度显著高于周围区域的图像。
算法步骤 :
选择亮斑区域:对图像进行预处理,识别出亮斑区域(例如使用阈值分割或形态学操作)。
查找最大亮度像素:在选定的亮斑区域内,查找亮度值最高的像素点,记下其坐标。
输出中心坐标:该坐标即为亮斑的中心位置。
算法参数
Tuning Mode

Spot Selector

Display Editor
