Discussion :

[maximus35]

Bonjour à tous,
Voici un challenge, j'aimerais réaliser avec matlab des mesures d'épaisseurs en traitent une image.
la voici:


Je souhaiterai traiter les niveaux de contraste de gris pour estimer l’épaisseur des couches.
voici le graphe 3D obtenu avec matlab:


Pour chaque colonne, on a un graph de contraste tel que:


Connaîtriez vous une fonction qui permet ce type d'estimation ? sinon comment réussir cette routine ?

Merci d'avance pour votre aide

Maxime

[maximus35]

Aprés un peut de traitement de l'image pour augmenter les contrastes, j'ai tenté de mettre en évidence les différences de hauteurs par soit la dérivé du signal soit par la division par un facteur pondérateur
résultat:

La courbe orange présente une forme qui pourrait être intéressant pour estimer l'épaisseur des couches visibles mais comme l'exploiter ???

Maxime

[thecrazydonut]

Salut,

Tout d'abord, je tiens à préciser que je n'ai jamais fait de traitement d'image ! C'est certain qu'il existe des solutions qui présenteront de biens meilleurs résultats... C'est juste que je trouvais ton problème amusant.
Mon idée c'est de lisser le signal et d'étudier ensuite la dérivée seconde.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
myImage=imread('test.JPG');
 
% Filtre gaussien
y = myImage(:,100); % Une ligne
gaussWin = gausswin(60); % Fenêtre de lissage pour le filtre
gaussWin = gaussWin/sum(gaussWin); % Normalisation
ySmooth = conv(double(y), double(gaussWin), 'same');
plot(y,'b'); hold on
plot(ySmooth,'r');
 
% Etude de la derivee seconde
d2=diff(diff(ySmooth));
idBlack=find(d2>0);
idWhite=find(d2<0);
 
plot(idBlack,ySmooth(idBlack),'.k')
plot(idWhite,ySmooth(idWhite),'.g')

[maximus35]

Bonjour et merci pour votre tentative. En effet, ce problème est intéressant dans le sens ou beaucoup de plateformes de recherches utilisent des images MEB mais elles effectuent leurs mesure de visu avec imagj et un étalon.
Je souhaite faire mieux avec matlab ^^ de manière automatisée si possible.

J'aime beaucoup votre approche grâce au signale lisser vous vous affranchissez des variations rapides qui perturberait la dérivée premier et seconde.
C'est vraiment le type de résultat que je souhaite avoir.
Pour un pixel l’étalon est de 3,9370 nm quel épaisseurs de couches obtenez vous avec grâce à la méthode lissage+dérivé seconde ?
Peut on tenter un lissage avec une fonction porte ?

Maxime

[thecrazydonut]

Pour un pixel l’étalon est de 3,9370 nm quel épaisseurs de couches obtenez vous avec grâce à la méthode lissage+dérivé seconde ?
Peut on tenter un lissage avec une fonction porte ?

Pour voir l’épaisseur d'une couche, il suffit de multiplier le nombre de point consécutifs dont la dérivée seconde est positive (respectivement négative) par 3,970 nm. En d'autre termes, si la dérivées seconde est positive du point 60 au point 90, la couche est approximativement de (90-60)*3.93 nm.
Lissage avec une fonction porte ? Oui, probablement, ça vaut le coup d'être essayé !

[maximus35]

Comment identifier les plages et extraire les plages successivement multiplier par 3.93nm ? je dois avouer que pour cette manipulation je ne sais pas comment la réaliser avec matlab

Pour la fonction porte on peut utiliser:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
 
a=-1;
b=1;
x=10;
rectangularPulse(a,b,x);
 
 ou 
 
x1=zeros(10);
x2=ones(40);
x3=zeros(10);
porteWin=[ x1 x2 x3]; % fonction porte

Quand pensez vous ?

Maxime

[thecrazydonut]

Comment identifier les plages et extraire les plages successivement multiplier par 3.93nm ?

Une solution que je trouve très élégante que Winjerome avait proposé dans un post.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
% Id des bandes noires
idxAfter = strfind([d2'<0 true], [false true]);
idxBefore = strfind([true d2'<0], [true false]);
 
% Largeur des bandes noires
widthBlackStripes = (idxAfter- idxBefore)*3.93+3.93;
 
sprintf('Bande noire %i, largeur de %f nm\n',[1:numel(widthBlackStripes);widthBlackStripes])

On peut voir clairement qu'avec la méthode que je propose, il y a des pixels résiduels et que le lissage n'est pas parfait !

[maximus35]

Bonjour,
Vous avez raison c'est manière de faire est très élégante ^^
Il faut que je travail que le lissage pour que les différences de marches soient plus prononcées, peut-on amplifié artificiellement le contraste avec un fonction de traitement d'image dans matlab ?
voici une image moins dure à traiter:


peut on colorisé en plus claire les couches claires et assombrir les parties sombre avec matlab ?
On peut effectuer ces manipulations avec ImageJ, matlab doit pouvoir faire ce genre de chose ? ? ?

Maxime

[thecrazydonut]

peut on colorisé en plus claire les couches claires et assombrir les parties sombre avec matlab ?
On peut effectuer ces manipulations avec ImageJ, matlab doit pouvoir faire ce genre de chose ?

Oui on peut très bien le faire mais ça ne fait (à mon sens) que transposer le problème. Si on connaît la transformation a effectuer pour que les blancs deviennent plus blanc et les noirs plus noirs, ça veut dire qu'on est déjà capable de les reconnaître.

Allez, ceci est ma dernière tentative, après si la solution ne convient pas, je laisse d'autres personnes s'emparer du problème. Ici l'idée c'est de comparer le lissage à une moyenne glissante (ou flottante).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
clear
clc
close all
 
myImage=imread('test.JPG');
 
% Filtre gaussien
y = double(myImage(:,100)); % Une ligne
gaussWin = gausswin(50); % Fenêtre de lissage pour le filtre
gaussWin = gaussWin/sum(gaussWin); % Normalisation
ySmooth = conv(y, gaussWin, 'same'); % Smoothing
mvAvg = conv(y, ones(101,1)/101, 'same'); % moyenne glissante
 
plot(y,'b'); hold on
plot(ySmooth,'r')
plot(mvAvg,'g')
legend('Signal brut','Signal lissé','Moyenne glissante')
 
% Différence entre lissage et moyenne glissante
idBlack=find(ySmooth<mvAvg);
plot(idBlack,ySmooth(idBlack),'.k')
isBlack=ySmooth<mvAvg;
 
% Id des bandes noires
idxAfter = strfind([isBlack'== 0 true], [false true]);
idxBefore = strfind([true isBlack'== 0], [true false]);
 
% Largeur des bandes noires
widthBlackStripes = (idxAfter- idxBefore)*3.93+3.93;
 
fprintf('Bande noire %i, largeur de %f nm\n',[1:numel(widthBlackStripes);widthBlackStripes]);

Ça fonctionne plutôt bien ! On s'est débarrassé du bruit de la dérivée seconde. Par contre, il y a toujours un petit problème... On a des effets de bords. On sait donc que les bandes sur le côtés sont sujettes à caution (en haut et en bas de l'image).

[maximus35]

Bonjour et merci.
La solution que vous avez proposez est vraiment top. J'ai réalisé quelque échantillonnage et ensuite avec un peu de statistique, j'ai réussi à définir mes épaisseurs avec une erreur relative de 1% soit 4 fois moins qu'une mesure manuelle . J'ai mise en place une méthode au limite pour éviter les effets de bords que vous avez reperé. Je vais maintenant soumettre la solution à l’équipe avec laquelle je travail et faire une campagne de test.

Merci beaucoup pour votre aide ^^

Maxime