diff_tomo - آنلاین در ابر

برنامه:

نام

diff_tomo - ساخت سینوگرام توموگرافی پراش

شرح

استفاده: diff_tomo [گزینه‌ها] -p ponifile imagefiles* اگر تعداد فایل ها خیلی زیاد است،
از نقل قول های دوگانه مانند "*.edf" استفاده کنید

ادغام آزیموتال برای توموگرافی پراش. توموگرافی پراش یک آزمایش است
که در آن الگوهای پراش دوبعدی در حین انجام اسکن دوبعدی ثبت می شود، یکی (کندترین)
در چرخش حول مرکز نمونه و دیگری (سریعترین) در امتداد یک ترجمه
از طریق نمونه Diff_tomo یک اسکریپت (بر اساس pyFAI و h5py) است که اجازه می دهد تا
کاهش این مجموعه داده 4 بعدی به یک مجموعه داده سه بعدی حاوی زاویه چرخش (صدها)،
مرحله ترجمه (صدها) و بسیاری از زوایای پراش (هزاران). نتیجه
مجموعه داده را می توان با استفاده از ابزار اصلی PyMca باز کرد، جایی که مجموعه داده 1d باید به عنوان آخرین انتخاب شود
بعد، ابعاد، اندازه. این فایل (هنوز) با NeXus سازگار نیست. از این ابزار می توان برای نقشه برداری استفاده کرد
اگر جهت اسکن آهسته را به عنوان چرخش در نظر بگیرید، آزمایش می کند.

موقعیتی استدلال ها:
FILE لیست فایل هایی که باید کالیبره شوند

اختیاری استدلال ها:
-h, --کمک
این پیام راهنما را نشان داده و خارج شوید

-V, - نسخه
نمایش شماره نسخه برنامه و خروج

-o فایل، -- خروجی فایل
فایل HDF5 که سینوگرام پردازش شده در آن ذخیره شده است، به طور پیش فرض diff_tomo.h5

-v, -- پرحرف
تغییر به حالت پرحرف/اشکال زدایی، پیش فرض: بی صدا

-P فایل، -- پیشوند فایل
پیشوند یا پایه مشترک برای همه فایل ها

-e افزونه، --افزونه افزونه
تمامی فایل ها را با این پسوند پردازش کنید

-t NTRANS، --nTrans NTRANS
تعداد امتیاز در ترجمه اجباری

-r NROT، --nRot NROT
تعداد نقاط در چرخش اجباری

-c NDIFF، --nDiff NDIFF
تعداد نقاط در الگوی پودر پراش، اجباری

-d فایل، -- تاریک فایل
لیستی از تصاویر تیره برای میانگین و تفریق

-f فایل، --تخت فایل
لیستی از تصاویر مسطح برای میانگین و تقسیم

-m فایل، -- ماسک فایل
فایل حاوی ماسک، بدون ماسک به طور پیش فرض

-p فایل، -- پونی فایل
فایل حاوی پارامتر پراش (poni-file)، اجباری

-O انحراف، --انحراف انحراف
فایل های اول را پردازش نکنید

-g, -gpu
پردازش با استفاده از OpenCL در GPU

-S, --آمار
آمار را در پایان نشان دهید

اگر تعداد فایل‌ها خیلی زیاد است، از دو نقل قول "*.edf" استفاده کنید.

با استفاده از خدمات onworks.net از diff_tomo به صورت آنلاین استفاده کنید