SEM 영상 분석 기초

SEM 영상의 명암 분포와 간단한 상 분리

• 1. 목표
• 2. 색과 image 그리기
  • 2.1. 색표현을 설명
  • 2.2. 이미지 그리기
  • 2.3. 미세조직 사진 활용 실습
• 3. 상분리 실습

1. 목표

• Matplotlib imaging, color-coding, EBSD 데이터 분석
• SEM 데이터를 소개하고, Ferrite와 Martensite로 분류

2. 색과 image 그리기

2.1. 색표현을 설명

• Gray scale (0~255)
• RGB R(0255), G(0255), B(0~255)
• RGBA R(02550), G(0255), B(0255), alpha(01)
• 참고

2.2. 이미지 그리기

• 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]}')
  

2.3. 미세조직 사진 활용 실습

• 아래 사진을 여기 눌러서 다운 받자

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)

3. 상분리 실습

• 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:

  imag1 imag2 imag3

연습 문제

문제 1

8-bit 회색조 영상의 밝기값 범위를 쓰시오.

문제 2

회색조 영상에서 일반적으로 0과 255는 각각 어떤 색에 해당하는가?

문제 3

영상의 밝기값 분포를 확인하는 그래프는 무엇인가?