معرفی شرکت ها
SPIEPy-0.2.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
SPIEPy (Scanning Probe Image Enchanter using Python) is a Python library to improve automatic processing of SPM images.
| ویژگی | مقدار |
|---|---|
| سیستم عامل | OS Independent |
| نام فایل | SPIEPy-0.2.0 |
| نام | SPIEPy |
| نسخه کتابخانه | 0.2.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Stephan Zevenhuizen |
| ایمیل نویسنده | S.J.M.Zevenhuizen@uu.nl |
| آدرس صفحه اصلی | https://pypi.org/project/SPIEPy/ |
| آدرس اینترنتی | https://pypi.org/project/SPIEPy/ |
| مجوز | The license file is in the package. |
Python is a great language to use for automatic processing of scientific data.
Scanning probe microscopes (SPM) produce scientific data in the form of images,
images of surfaces that can have atomic or molecular resolutions. The microscope
produces surfaces that are not level. Before you can analyse the surface, the
surface must first be levelled (flattened). This Python library provides
routines to flatten the surface and to generate statistical data on surface
structures. Surfaces with contaminations, step edges and atomic or molecular
resolution can be handled.
SPIEPy and SPIW - MATLAB Toolbox [`source`_] are related projects. SPIEPy uses
many algorithms originally designed by the SPIW project. The performance of
these algorithms is discussed in REVIEW OF SCIENTIFIC INSTRUMENTS **84**, 113701
(2013) [`DOI`_].
.. _source: http://sourceforge.net/projects/spiw/
.. _DOI: http://dx.doi.org/10.1063/1.4827076
The library SPIEPy has the packages spiepy with the modules for the tasks
described above and spiepy.demo to generate sample data. With this sample data,
you can familiarize yourself with SPIEPy.
Dependencies
------------
SPIEPy requires the NumPy library (http://www.numpy.org), SciPy library
(http://scipy.org) and the Matplotlib library (http://matplotlib.org).
Installation
------------
Using pip::
> pip install SPIEPy
CLASSES
-------
Im
SPIEPy_image_structure, set attribute ``data`` with a 2D ndarray of image
data, set all other attributes with the metadata of the image.
FUNCTIONS
---------
Flattening functions:
- flatten_by_iterate_mask
- flatten_by_peaks
- flatten_poly_xy
- flatten_xy
Locating functions:
- locate_masked_points_and_remove
- locate_regions
- locate_steps
- locate_troughs_and_peaks
Masking functions:
- mask_by_mean
- mask_by_troughs_and_peaks
- mask_tidy
Measuring functions:
- measure_feature_properties
Demo functions:
- list_demo_files
- load_demo_file
DATA
----
NANOMAP
Colormap which is the standard orange colormap used my most SPM software.
Help
----
On the interpreter console use the built-in help function to get the help page
of the module, function, ...
.. code-block:: pycon
>>> import spiepy, spiepy.demo
>>> help(spiepy)
...
>>> help(spiepy.demo)
...
>>> help(spiepy.flatten_by_iterate_mask)
...
**Documentation:** http://www.staff.science.uu.nl/~zeven101/SPIEPy/
Example usage
-------------
.. code-block:: python
# -*- coding: utf-8 -*-
#
# Copyright © 2014 - 2017 Stephan Zevenhuizen
# Flattening terrace image, (09-10-2017).
#
import spiepy, spiepy.demo
import matplotlib.pyplot as plt
import numpy as np
im = spiepy.Im()
demos = spiepy.demo.list_demo_files()
print(demos)
im.data = spiepy.demo.load_demo_file(demos[1])
plt.imshow(im.data, cmap = spiepy.NANOMAP, origin = 'lower')
print('Original image.')
plt.show()
im_out, _ = spiepy.flatten_xy(im)
plt.imshow(im_out.data, cmap = spiepy.NANOMAP, origin = 'lower')
print('Preflattened image.')
plt.show()
mask = spiepy.locate_steps(im_out, 4)
plot_image = np.ma.array(im_out.data, mask = mask)
palette = spiepy.NANOMAP
palette.set_bad('#00ff00', 1.0)
plt.imshow(plot_image, cmap = palette, origin = 'lower')
print('Preflattened image, mask.')
plt.show()
im_final, _ = spiepy.flatten_xy(im, mask)
plt.imshow(im_final.data, cmap = spiepy.NANOMAP, origin = 'lower')
print('Flattened image.')
plt.show()
y, x = np.histogram(im_out.data, bins = 200)
ys, xs = np.histogram(im_final.data, bins = 200)
fig, ax = plt.subplots()
ax.plot(x[:-1], y, '-b', label = 'Standard plane flattening')
ax.plot(xs[:-1], ys, '-r', label = 'SPIEPy stepped plane flattening')
ax.legend(loc = 2, fancybox = True, framealpha = 0.2)
ax.set_xlabel('z (nm)')
ax.set_ylabel('count')
plt.show()
Authors & affiliations
----------------------
Stephan J. M. Zevenhuizen [#]_
.. [#] Condensed Matter and Interfaces, Debye Institute for Nanomaterials
Science, Utrecht University, Utrecht, The Netherlands.
نیازمندی
| مقدار | نام |
|---|---|
| - | matplotlib |
| - | numpy |
| - | scipy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=2.6, !=3.0.*, !=3.1.*, !=3.2.*, <4 | Python |
نحوه نصب
نصب پکیج whl SPIEPy-0.2.0:
pip install SPIEPy-0.2.0.whl
نصب پکیج tar.gz SPIEPy-0.2.0:
pip install SPIEPy-0.2.0.tar.gz