DATA MSE week 12

Week 12 (Matplotlib imaging, color-coding, EBSD 데이터 분석)

목표
- SEM 데이터를 소개하고, Ferrite와 Martensite로 분류
  수업 12-1
색표현을 설명
- Gray scale (0~255)
- RGB R(0~255), G(0~255), B(0~255)
- RGBA R(0~2550), G(0~255), B(0~255), alpha(0~1)
- 참고

imshow 함수

  import matplotlib.pyplot as plt
  import numpy as np

  # 5x5 랜덤 배열
  data = np.random.rand(5, 5)

  plt.imshow(data, cmap='viridis', interpolation='nearest')
  plt.colorbar()  # 값과 색의 대응 막대 추가
  plt.show()

Color map (cmap) 옵션

  import matplotlib.pyplot as plt
  import numpy as np

  # 100x100 배열: 0~255 값 (가상의 화상)
  grain_map = np.random.randint(0, 255, (100, 100))

  fig=plt.figure(figsize=(8,2))
  # 1x3 axes 생성
  ax1=fig.add_subplot(131)
  ax2=fig.add_subplot(132)
  ax3=fig.add_subplot(133)
  #--
  # random하게 만들어진 0~255 사이의 값 확인
  ax1.hist(grain_map.flatten())# histogram
  ##
  cmaps=['jet','gray']
  for i, ax in enumerate([ax2,ax3]):
      ax.imshow(grain_map, cmap=cmaps[i])
      ax.set_title(f'color map: {cmaps[i]}')

실제 미세조직 사진 활용 실습

아래 사진을 여기 눌러서 다운 받자

imag

  from PIL import Image
  import numpy as np
  import matplotlib.pyplot as plt

  fn='../data/dualphase_sem.png' ## file name을 경로를 포함하여 정확하게 기입해야 한다.
  img_rgba = Image.open(fn) ## PIL, RGBA
  img_gray=img_rgba.convert('L') ## convert image into gray scale
  img_gray=np.asarray(img_gray)
  plt.imshow(img_gray,cmap='gray')

위 사진은 ferrite와 martensite가 같이 존재하는 dual-phase 철강 제품의 주사 전자 현미경 사진이다. 이 사진에서 밝은 부분은 ferrite, 어두운 부분은 martensite 상이다. 이를 구분하여 두 상의 ‘분율’을 구해보자.

  from PIL import Image
  import numpy as np
  import matplotlib.pyplot as plt
  img=Image.open('../data/dualphase_sem.png')
  img=np.asarray(img)
  print(img.shape)

  ## Canvas와 사용할 축을 2x2 grid의 형태로 만들자.
  fig=plt.figure(figsize=(7,4))
  ax1=fig.add_subplot(221)
  ax2=fig.add_subplot(222)
  ax3=fig.add_subplot(223)
  ax4=fig.add_subplot(224)

  ## 첫번째 axis에는 각 화상(pixel)에서 0~255사이의
  # 값들이 어떻게 분포하는지 histogram으로 그리자.
  ax1.hist(img.flatten())
  # 그리고 그 옆에 불러온 SEM 이미지를 그려보자.
  ax2.imshow(img,cmap='gray')

  ## 아래는 ferrite상과 martensite 상을 구분하는 간단한 예시를 살펴보자.

  #newimg=img.copy()
  #flg=img>img.mean()
  #newimg[flg]=255
  #newimg[~flg]=0
  #h=ax3.hist(newimg.flatten())
  #ax4.imshow(newimg,cmap='gray')
  #for i, ax in enumerate([ax1,ax3]):
  #    ax.set_ylim(0,300000)

  #white,black=h[0][0],h[0][-1]
  #ferrite=white/(white+black)
  #martensite=black/(white+black)
  #print(ferrite,martensite)

아래 세 이미지는 한 dual-phase 시편 내의 각기 다른 3 위치에서 촬영한 SEM image이다. 위에서 다뤘던 내용을 익혀 적용하고, 이를 바탕으로 이 시편에서의 ferrite와 martensite 분율을 고르시오.
- 위 SEM 사진을 다음 링크를 활용해 다운 받자:
사진1 사진2 사진3

수업 12-2

수업 12-1 내용을 Argparse를 활용해 CLI 프로그램으로 작성해보자.

DATA MSE week 12

Week 12 (Matplotlib imaging, color-coding, EBSD 데이터 분석)

수업 12-1

수업 12-2