Редактирование и коррекция данных

Есть несколько модулей, которые позволяют прямо или косвенно редактировать данные СЗМ. В принципе, большая часть модулей обработки данных меняет их тем или иным образом. Однако, в этой секции мы хотели бы описать те модули и инструменты, которые специально предназначены для коррекции локальных дефектов изображения. Функции, представленные ниже, удаляют «плохие» данные из изображения и заполняют получившееся место результатом интерполяции.

Выравнивание строк

Профили, взятые вдоль оси быстрого сканирования (обычно ось x), могут быть взаимно сдвинуты на некоторое значение или иметь несколько иной уклон. Основные функции коррекции линий исправляют это несоответствие. Основная функция коррекции линий Обработка данныхИсправить данныеВыровнять строки работает с этим типом несоответствий используя несколько разных алгоритмов коррекции:

  • Основные методы коррекции основаны на расчёте некоторой высоты, представляющей данную линию скана, и её вычитании, тем самым перемещая линии на одинаковую высоту. Эти методы включают Медианное и Мода высоты, в которых вычитается соответствующая величина из каждой строки скана.
  • Метод Полиномиальное похож, за исключением того, что из строки вычитаются значения полинома в данной точке, а не просто постоянное значение. Для нулевой степени полинома из каждой строки вычитается среднее значение, для степени 1 вычитается наклон, для степени 2 дуга окружности, и т.д.
  • Функция Срединное разностей сдвигает линии таким образом, что срединное значение разницы (между соседними по вертикали точками) становилось равным нулю вместо разницы срединных. Следовательно, она лучше сохраняет крупные детали, в то же время она более чувствительна к сильно испорченным строкам.
  • Наконец, Соответствие минимизирует определённую функцию разности линий, которая придаёт больший вес плоским областям и меньший областям с большими наклонами. Этот алгоритм в некоторой степени можно считать экспериментальным, однако иногда он может пригодиться.

Также, как и для двумерного полиномиального выравнивания, фон, т.е. значения, которые вычитаются из каждой строки, можно извлечь в другое изображение. Или построить в виде графика поскольку значения будут одинаковыми для всей строки.

Функция коррекции линий поддерживает использование маски, что позволяет исключить из рассмотрения крупные объекты на изображении, которые могут препятствовать корректной работе алгоритмов. Опции работы с масками будут представлены только если маска присутствует на данном изображении. Следует заметить, что инструмент Выровнять вдоль линии описанный ниже предоставляет другой способ выбрать фрагменты изображения, которые должны быть выровнены. Это может быть более удобно в ряде случаев.

Подсказка

Можно использовать Ctrl-F (Повторить последний) чтобы применить коррекцию с теми же настройками к нескольким изображениям не заходя в диалоговое окно.

Пример коррекции линий: изображение с дефектами (слева), диалог выравнивания строк с предпросмотром коррекции по срединному (по центру), и извлекаемый фон строк (справа). Следует заметить, что масштабы шкалы псевдоцвета на этих изображениях будут различны.

линейная коррекция ступеней

Функция Линейная коррекция ступеней пытается работать со сдвигами, которые происходят посреди линии скана. Она пытается определить смещённые сегменты в строках и исправить высоту каждого подобного сегмента индивидуально. Вследствие этого, она нередко может исправить данные с разрывом в середине строки. Эта функция носит характер экспериментальной и точный алгоритм её работы может меняться в дальнейшем.

Инструмент удаления пятен

«Инструмент удаления пятен» может использоваться для удаления малых участков изображения, которые можно считать ошибкой сканирования, пылинкой или ещё чем-то, что не должно присутствовать в данных. Следует заметить, что подобные действия могут кардинально поменять статистические параметры поверхности, следовательно, убедитесь, что вы не удаляете вещи, которые присутствуют на реальной поверхности.

В процессе использования этого инструмента можно выбрать пятно, чтобы увеличить его окружение в окне инструмента. Затем, в этом окне, выберите прямоугольник вокруг области. которую вы хотите убрать. Можно выбрать один из нескольких методов интерполяции для создания данных на месте бывшего «пятна»:

  • Выравнивание гиперболами - использует информацию с границ выбранной области для интерполяции информации внутри области.
  • Псевдо-Лапласов и решение уравнения Лапласа - решает уравнение Лапласа для расчёта данных внутри области; граница используется как виртуальный источник.
  • Фрактальная коррекция - используя полное изображение определяется фрактальная размерность. После этого создаются случайные неравномерные данные с той же фрактальной размерностью и помещаются в область.

Нажатие на кнопку Применить выполнит выбранный алгоритм.

Примечание

Удаление пятен работает только для областей размером 64 × 64 точки или меньше. Для удаления больших областей, создайте маску используя инструмент Редактор масок, затем можно использовать Обработка данныхИсправить данныеУдалить данные под маской.

Инструмент удаления зёрен

Простой инструмент удаления зёрен удаляет выбранные вручную связные части маски или интерполирует данные под ними, или совершает оба этих действия. Часть маски, которую нужно удалить, выбирается щелчком по ней левой кнопки мыши.

Удалить царапины

Обработка данныхИсправить данныеУдалить царапины

Царапины (полосы, штрихи) - части изображения, повреждённые очень распространённой ошибкой сканирования: локальным сбоем петли обратной связи. Линейные дефекты обычно параллельны оси быстрого сканирования изображения. Эта функция автоматически находит и удаляет эти царапины. используя соседние линии чтобы «заполнить» пустоты. Метод запускается с настройками, установленными при последнем использовании функции «пометить царапины».

Пометить царапины

Обработка данныхИсправить данныеПометить царапины

Подобным образом, модуль Пометить царапины может создавать маску точек, рассматриваемых как царапины. В отличие от модуляУдалить царапины, который напрямую интерполирует обнаруженные дефекты, этот модуль позволяет интерактивно задавать несколько параметров для тонкой настройки процесса выделения царапин:

  • Максимальная ширина – только те царапины, толщина которых равна или меньше заданного значения (в пикселях), будут помечены.
  • Минимальная длина – только царапины, которые равны или длиннее заданной величины (в пикселях) будут помечены.
  • Жёсткий порог – минимальная разница значений относительно соседних верхней и нижней линии, которая будет считаться дефектом. Единицы считаются относительно среднеквадратичного отклонения изображения.
  • Мягкий порог – значения, отличающиеся не меньше, чем на заданную величину не образуют дефектов сами, но присоединяются к дефектам полученным по жёсткому порогу если они граничат с ними.
  • Положительные, Отрицательные, Оба – типы дефектов, которые будут удалены. Положительные означают дефекты с выпадающими значениями выше нормальных (пики), отрицательные – дефекты с выпадающими значениями ниже нормальных (дыры).

После нажатия на кнопку Ok новая маска царапин будет наложена на изображение. Другие модули и инструменты могут затем применяться для редактирования этих данных.

Пример удаления царапин

Пример выделения и удаления царапин: (a) исходные данные с дефектами, (b) данные с помеченными дефектами, (c) исправленные данные.

Удалить данные под маской

Обработка данныхИсправить данныеУдалить данные под маской

Эта функция заменяет данные под маской на решение уравнения Лапласа. Значения данных на границе области под маской задают граничные условия. Решение вычисляется итерационно и на схождение может потребоваться какое-то время.

Фрактальная коррекция

Обработка данныхИсправить данныеФрактальная коррекция

Модуль фрактальной коррекции, подобно модулю Удалить данные под маской, заменяет данные под маской. Однако, он использует другой алгоритм для получения новых данных: сперва рассчитывается фрактальная размерность полного изображения и затем области под маской заменяются случайной шероховатой поверхностью, имеющей ту же фрактальную размерность. Среднеквадратичное значение неровностей высоты (шероховатость) не меняется при использовании этого модуля.

Примечание

Расчёт может занять некоторое время, поэтому запаситесь терпением.

Предупреждение

Применение этого модуля для данных, которые не обладают фрактальными свойствами может вызывать сильно нереалистичные результаты и строго не рекомендуется.

Маска выпадающего

Обработка данныхИсправить данныеМаска выпадающего

Этот модуль создаёт маску областей данных, которые не соответствуют критерию . Все данные выше и ниже доверительного интервала помечаются маской и могут впоследствии редактироваться или обрабатываться другими модулями, например, удаления данных под маской. Этот метод выделения выпадающих областей полезен для глобальных выпадающих областей, со значениями, сильно отличающимися от остальных данных.

Маска несвязного

Обработка данныхИсправить данныеМаска несвязанного

Местные выпадающие это значения, которые выделяются из окружения. Функция Пометить несвязанные выделяет данные, которые кажутся не попадающими в типичное распределение значений в их локальном окружении.

Тип выделяемых выпадающих значений может быть выбран из Положительного, Отрицательного или Обоих для значений, соответственно, больше окружения, меньше и обоих типов одновременно. Следует заметить, что выбор варианта Оба может выделять области, отличающиеся от варианта, когда отдельно были выбраны положительные и отрицательные выпадающие и их маски затем были скомбинированы.

Выделение продолжается дальше вычитанием локального фона из изображения и затем выделением глобальных выпадающих в получаемом уплощенном изображении. Более точно, локальный фон получается с помощью фильтра размыкания (минимум), замыкания (максимум) или медианного фильтра заданного радиуса. Радиус фильтра управляется настройкой радиус дефекта. Она определяет максимальный размер дефекта, который может быть обнаружен и выделен. Однако, обычно полезнее использовать больший радиус, чем действительный максимальный размер дефекта.

Чувствительность выделения дефектов регулируется опцией Порог. Меньшие значения соответствуют более умеренному выделению, т.е. меньше значений будет помечено как выпадающие. Большее значение означает больше значений, помеченных как выпадающие.

Инструмент выпрямления пути

Инструмент Выровнять вдоль линии может использоваться для коррекции высот в выбранном подмножестве линий на сложных изображениях.

Вначале необходимо выбрать несколько прямых линий на данных. Пересечения этих линий со строками затем формируют набор точек в каждой строке, которые будут использованы для выравнивания. Строки двигаются вверх и вниз с целью минимизации разницы высоты точек в граничащих строках. Строки, которые не пересекаются ни одной линий не двигаются (относительно соседних строк).

Пример выравнивания вдоль линии: (a) исходные данные со ступенями, которые автоматические линии могут исправить с ошибками, две подходящих выравнивающих линии выбраны; (b) результат применения выравнивания вдоль линии с шириной линии 5.

Исправить разворот

Обработка данныхИсправить данныеИсправить разворот

Инструмент исправить разворот может автоматически сделать главные оси изображения параллельными горизонтальным или вертикальным сторонам изображения. Чтобы это работало, у данных должны быть эти главные оси, следовательно, этот метод наиболее полезен при сканировании искусственных и, возможно, кристаллических структур.

Поворот, необходимый для выравнивания изображения – показанный как Поправка – рассчитывается из пиков на угловом распределении наклонов предполагая преобладающий тип структуры или симметрию. Симметрия также может быть оценена автоматически, но можно выбрать какой-то тип симметрии вручную и оставить модулю расчёт только соответствующего корректирующего поворота. Следует заметить, что если вы выбрали тип структуры, не соответствующий реальности, то рассчитанный поворот редко когда будет иметь смысл.

Рекомендуется перед расчётом выровнять данные (или выровнять грани) поскольку общий наклон может исказить рассчитанный поворот.

Схема симметрий коррекции поворота

Ориентация главных осей в соответствии с типами симметрии, доступных при коррекции поворота.

Предполагаемый тип структуры может быть задан с помощью меню выбора Предполагаемая. Доступен выбор из следующих вариантов:

Найденная

Автоматически определённый тип симметрии, показанный выше как обнаруженный.

Параллельная

Параллельные линии, одно преимущественное направление.

Треугольная

Треугольная симметрия, три преимущественных направления (однонаправленных) под углами 120 градусов.

Прямоугольная

Прямоугольная симметрия, два преимущественных направления приблизительно вдоль сторон изображения.

Ромбическая

Ромбическая симметрия, два преимущественных направления приблизительно вдоль диагоналей. Единственным отличием от прямоугольной симметрии является предпочтение диагональной ориентации (в противоположность параллельной сторонам изображения).

Гексагональная

Гексагональная симметрия, три преимущественных направления (двунаправленных) под углами 120 градусов.