人生攻略本：いつか誰かの役に立ちますように

今回の攻略ではハッピーエンドを目指します。

ImageJの使い方メモ(途中)

SEMとかTEMで獲得した画像を分析する際に、印刷して定規・ノギスを当てて〜なんてことはとても大変。試しに一回やってみたところ、かなり大変というか疲れました。

やっぱり頼れるソフトウェア、ImageJの出番です。

 

いつもやっていることは

・画像内のスケールバーから画像内の長さの基準を獲得

・解析に不要な部分の除去、トリミング

・解析しやすいように画像にフィルター、ノイズ加工

・2値化による白黒画像化

・元の画像と見比べながら2値の閾値設定

・ソフトの機能で白黒領域を自動測定

とか。

 

・インストール

https://imagej.net/downloads

↑のリンクにアクセスしてFiji or ImageJのどちらかをクリック

※自身のOS(windows, Mac, Linux等)に応じてダウンロードするものが変わる。

Windows(64bit)の場合

Fiji：Windows 64-bit    imagej.net (USA)

ImageJ：ImageJ bundled with 64-bit Java 8.

をクリック、zip形式のファイルを任意の箇所に保存。

(FijiがImageJのプラグイン盛り盛りバージョン。基本的機能はどちらも同じ。)

私はFijiを使っているので、以下Fijiの利用法。

・立ち上げ

保存したzipファイルを解凍・展開

ImageJ-win64.zipをダブルクリック→ソフトウェアが起動し、以下のウィンドウが表示

左から順に

1~4 範囲選択ツール(1~2,4 クリック&カーソル移動、3 クリック、)

5 線描写ツール(クリック&カーソル移動)

6 角度測定箇所描写ツール()

7 点描写ツール(クリック)

8 ???

9 テキストツール(クリック&カーソル移動)


2022/06 書いてみたはいいもののすぐ飽きる

2023/06 時間的余裕ができたのでちょっとずつ書き進めます。

光学測定のピークフィッティング、ピーク分離ソフトの探索

自分は雰囲気で研究をやっています。

ラマン分光法やX線回折法を用いて結晶構造や元素の分析を日々行なっています。

 

測定において混ざるノイズは少なからずあり、測定データを見ると、全体としてはある程度曲線の形が認識できますが、細かいところはギザギザとしてグラフが描かれています。

これを滑らかな曲線で近似して、ピークの最大値を持つ位置を特定したり、半値幅を得るなどしています。この近似をピークフィッティングだと認識しています。

 

また、検出されるピークの位置が近いものだとピークの裾にもう一つピークがあったり、小さいピークが大きなピークに喰われたりしていることがあります。その場合にどのようなピークの重ね合わせによって、その測定データとして表に出てきているかを考える必要があります。重なっているままだと喰われた側の小さなピークの最大値位置が分からなかったりします。このどのようなピークの重ね合わせになっているかを明らかにすることがピーク分離だと思っています。

 

以上前置き

ここから本題

 

手でピークフィッティング等をするのは面倒なので、もちろんソフトウェアを使います。

有名なのはOriginとかPeakfitとかでしょうか。大抵はOriginで解決できるので、それを使いましょう。有料ですが。

しかし、簡易的な分析で十分な場合はフリーソフトでやってます。

 

以前まではXPSpeak4.1というソフトウェアを使っていましたが、パソコンの新調時にインストールソフトのダウンロードができなくなってしまっていました。なので、代替のフリーソフトを探します。

条件は

ピークフィッティングに用いる関数でガウス関数とローレンツ関数が選択できること。

 

Fitykというソフトが使えそうな感じです。PDIndexerというものもありましたが、関数がよくわからないので辞めておきます。でも使いこなせたらかなり便利そうです。

 

同じ測定データをXPSpeakとfitykでそれぞれ処理した時の結果を比較して、fitykを採用するか考えます。

 

フィッティングソフト候補

・XPSpeak4.1(公開停止)：無料。

 

・PDindexer

HP：PDIndexer – Seto's Page

manual：【PDIndexer】XRD測定に便利なツールの基本的な使い方 | 大学生活のすゝめ

PDIndexer Help Page

 

・fityk

HP：Fityk --- curve fitting and peak fitting software

manual：https://buildmedia.readthedocs.org/media/pdf/fityk/latest/fityk.pdf

Gaussian：  (A)：

Lorentzian：  (A)：

がそれぞれあるが、両方実際に試してよりフィットするほうを選択するのがよさそう。

 

・SciDAVis

HP：SciDAVis

manual：https://core.ac.uk/download/70323998.pdf

 

・LabPlot

HP：LabPlot – Scientific plotting and data analysis

 

・Aveloy Graph

HP：Aveloy Graph

 

・Kst：

：Chapter 5. Plugins, Fits, and Filters

gaussian (weighted)  

lorentzian (weighted)

 

・OpenChrom

HP：Openchrom by Lablicate

manual?：File based identification (NIST-DB alternative) – Open Source Spectrometry

 

 

・gnuplot：gauss関数のフィッティング機能はある。lorentz関数がなかったので落選。

・Igor pro：有料。試用期間30日。

・QtiPlot：有料。無料トライアル版は1回20分。

gauss Y(x) = y0 + Ae-(x - xc)2/2w2

lorentz Y(x) = y0 + 2Aw/[4π(x - xc)2 + w2]

・peak resolve(OMNIC)：入手先が不明で断念

・DPlot：有料。試用版は30日間。

・MagicPlot：有料。

 

 

参考 Origin Pro(引用元：非線形フィット関数の一覧 | データ分析･グラフ作成 Origin | ライトストーン)

Gauss(面積パラメータ)：

 

GaussAmp(振幅パラメータ)：

Gaussian：

Lorentz：

 

 

 

＊フィッティング関数の使い道

対称性をもつピーク

・ガウス関数：XRDの結晶ピーク、ラマン分光の非晶質ピーク

・ローレンツ関数：ラマン分光の結晶ピーク

非対称性をもつピーク

・ガウシアン関数：XRDの結晶ピーク、ラマン分光の非晶質ピーク

・ローレシアン関数：ラマン分光の結晶ピーク

で有効。

フォークト関数がガウスとローレンツの組み合わせらしいですが、詳細は不明。

 

 

2022/06とりあえず気分でかけるとこまで書いた

2023/07まとめるのをめんどくさがって放置してたのを進める

 

料理メモ

目標：豚ニラ醤油炒め

 

用意したもの

・豚の細切れ肉1パック(安かったので)

・にら1束(安かったので)

・ニンニクチューブ(にんにくの用意が面倒くさいので)

・オリーブオイル(サラダ油が無かったので)

・醤油(はさめずという瓶の醤油が美味しい)

・本みりん

・お砂糖

 

やったこと

1

フライパンにオリーブオイルとチューブのにんにくを投入して中火で加熱

2

にんにくの香りがたってきて少し待ってから、細切れ肉を投入。引き続き中火で加熱。

3

肉の色が半分以上変わってきたと思ってから、

　お砂糖　小さめのスプーン一杯

　お醤油　2回し

　みりん　2回し

を入れて、肉全部に行き渡るぐらいかき回して肉の色をもう少し変えてニラを投入。強火で加熱。

4

肉の色が全て変わってニラがしなっとしてたら完成として調理終了とした。

 

思ったこと

薄味だがその分肉とニラそのものの味がして美味しい。片栗粉などでとろみをつけてもよいかもしれない。

 

ロフト付きの賃貸に住んだおはなし

　リビングから備え付けの梯子で登れるロフトがある部屋に住んでいたことがあります。天井は低めで、しゃがんだ状態で首を倒してぎりぎりと言った高さでした。

　殆どの使われ方としては荷物置き場か寝床だと思います。私はロフトに布団を敷いてそこで寝ていました。リビングが狭めだったので、寝具によるリビングスペース圧迫がロフトによって避けられることは内見の時点で予測できる良い点でした。しかし、実際に生活してみると、人が移動しづらいために掃除しづらいロフトの残りのスペースに寝具の埃が溜まったり、寝具の埃がロフトからリビングへ落ちていくために埃を被って欲しくない家具家電をロフトのすぐ下に置けないという欠点がかなり目につきました。これならリビングのスペースが圧迫されても、ロフト無しの方が生活しやすいなと感じました。

　ロフトとリビング間をしっかりと遮断できればまだマシになるのでしょうか。

 

以上、ロフトの有無は埃とのお付き合いを考えてから。

 

 

次回予告

　安息の地を目指して旅をしていたホッコリー一行。彼らに恐怖の吸引力が迫り来る。勝つのはコード式掃除機か、それともコードレス掃除機か、ホッコリー一行はどうなってしまうのか。次回、『さらばロボット掃除機‼︎永遠に』。来週も見てね！

 

思いついたこと書きました。