PyFAI几何系统详解:探测器位置与图像表示
2025-06-19 09:43:54作者:羿妍玫Ivan
引言
PyFAI作为X射线衍射数据分析的重要工具,其几何系统的理解对于正确使用该软件至关重要。本文将深入解析PyFAI中的几何定义系统,包括图像表示方法、观测者位置约定以及探测器位置参数化方式。
图像在Python中的表示
PyFAI处理衍射图像时,将其视为二维numpy数组。这种表示方式具有以下特点:
- 数据通常通过FabIO库读取,支持多种图像格式
- 图像数据也可以从HDF5文件中提取,并使用matplotlib进行可视化
- Python底层使用C语言实现,因此数据按行存储
重要概念:
- 快速维度(x轴):像素在内存中连续存储的水平方向
- 慢速维度(y轴):像素在内存中相隔一行长度的垂直方向
- 坐标顺序:访问像素值时使用
data[y,x]顺序(注意y在前)
科学计算领域通常将图像原点设在左下角,这样极角可以从x轴的0度增长到y轴的90度。在matplotlib中显示时,需要使用origin="lower"参数来保持这种约定。
观测者位置约定
在图像表示中存在两种主要约定:
- 成像应用:模拟人眼视角,相机观察场景,原点通常在图像顶部
- 衍射应用:观测者位于样品位置,看向探测器方向
PyFAI作为衍射分析工具,采用第二种约定。这种选择会影响方位角的符号定义,因此理解这一点对于正确解释结果非常重要。
PyFAI默认几何设置
在同步辐射传输衍射实验(如ESRF、Soleil等)的典型配置中:
- 观测者从样品位置看向探测器
- 原点位于探测器左下角
- 轴1(y轴)垂直向上
- 轴2(x轴)水平指向存储环中心
- 轴3(z轴)沿入射光束方向水平延伸
这种配置下,(1, 2, 3)形成间接方向体系,通常导致PONI位置的第三坐标为负值(z<0)。
探测器位置参数化
PyFAI使用6个参数定义探测器在空间中的位置(3个平移和3个旋转),原点位于X射线束与衍射仪主轴的交点。
关键概念:PONI
PONI(Point Of Normal Incidence)是原点在探测器表面上的正交投影点。对于非平面探测器,PONI定义在探测器坐标系中z=0的平面内。
参数说明:
-
平移参数:
- Poni1和Poni2:沿探测器y和x轴的距离(米)
- 样品-探测器距离:独立于像素尺寸,保持在校准参数中的稳定性
-
旋转参数:
- rot1、rot2和rot3:分别沿轴1、2和3的旋转(弧度)
- 旋转顺序:先rot1,再rot2,最后rot3
- rot3由于Debye-Scherrer锥的轴对称性通常无法优化,但在考虑偏振校正时可手动调整
特殊情况:当所有旋转为零时,探测器处于传输模式,入射光束与探测器表面正交。
实际应用建议
- 理解坐标顺序(y,x)对于正确访问像素值至关重要
- 注意图像原点的定义方式会影响角度计算
- 在同步辐射实验中,注意默认坐标系与存储环几何的关系
- 对于高度倾斜的探测器,PONI概念比简单的光束中心更准确
通过深入理解PyFAI的几何系统,用户可以更准确地校准实验设置并解释衍射结果。对于需要与其他几何系统转换的情况,建议参考专门的几何转换文档。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217