PyFAI几何系统详解:探测器位置与图像表示
2025-06-19 07:01:48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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0239
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
JoyAI-VL-Interaction-Preview京东开源首个开源、视觉驱动的实时交互模型——它能实时监控视频流,并自主决定何时发言、保持沉默或委托任务。Jinja00
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0168
kornia🐍 空间人工智能的几何计算机视觉库Python03
PaddleParallel Distributed Deep Learning: Machine Learning Framework from Industrial Practice (『飞桨』核心框架,深度学习&机器学习高性能单机、分布式训练和跨平台部署)C++02
项目优选
收起
暂无描述
Dockerfile
785
5.13 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
894
2.07 K
Ascend Extension for PyTorch
Python
764
984
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
715
1.44 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
479
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
475
166
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++
1.12 K
1.16 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.45 K
683
昇腾LLM分布式训练框架
Python
187
239