kikuchipy: an open-source toolbox for analysis of EBSD patterns

本文介绍了 kikuchipy，一个用于分析电子背散射衍射（EBSD）图案的开源 Python 工具箱，它支持霍夫变换与字典索引、取向精修及验证，并通过不锈钢和铝合金微观结构表征的应用实例进行了展示。

要点

想象你是一名侦探，正试图在一个微小且不可见的微观世界中破解一桩谜案。“嫌疑人”是构成金属和合金的微观晶体。为了捕捉它们，你使用一台名为电子背散射衍射（EBSD）的强力显微镜内部的特殊相机。当你将电子束照射到金属样品上时，电子束会反弹回来，在屏幕上形成由线条和带状结构组成的复杂发光图案。这些图案就像是每种晶体独一无二的指纹。

问题在于，解读这些指纹极其困难。这就像试图拼凑一幅拼图，但拼图块模糊不清、光线昏暗，而且有些拼图块看起来几乎与其他块一模一样。通常，科学家必须使用昂贵且“黑箱”式的软件来解决这些谜题。你将数据输入，机器便吐出答案，但你无法看到它是如何得出答案的；如果答案错误，你也无从知晓原因。

“kikuchipy"登场了。

将kikuchipy想象为这些侦探的全新、开源的“瑞士军刀”。它是一个用 Python 编程语言编写的免费工具箱，让科学家能够逐步拆解解谜过程。它不再是一个魔法黑箱，而是提供了一个清晰、透明的工作台，让你可以调整、测试并改进每一步操作。

以下是该论文如何用简单的类比来解释这个工具箱的功能：

1. 清理杂乱的图像

在你能解决拼图之前，通常需要先清理图像。来自显微镜的原始图案可能充满噪点，或带有朦胧的背景（就像透过脏玻璃拍摄的照片）。

• 类比：想象拍摄一张星空夜景，但浓雾和路灯的眩光将星星冲刷得模糊不清。
• kikuchipy 的作用：它拥有工具来减去这种“雾气”（背景校正）并锐化图像。它甚至可以将模糊的照片与其邻近区域融合，使星星（即晶体线条）清晰地凸显出来。

2. 校准相机

要确切知道晶体的指向，你需要确切知道相机相对于样品的位置。

• 类比：如果你试图绘制城市地图，你需要确切知道指南针指向何方，以及你距离建筑物有多远。如果指南针偏差几度，你的地图就会出错。
• kikuchipy 的作用：它帮助你“校准”相机的位置（称为“投影中心”），使地图与现实相符。它甚至可以为地图上的每一个点单独调整此位置，就像你在驾驶时 GPS 会不断更新位置一样。

3. 解决拼图（指标化）

一旦图像被清理且相机已校准，你就必须将图案与已知晶体的库进行匹配。

• 类比：想象你拥有一个包含 10,000 种不同指纹的图书馆。你手中有一张来自犯罪现场的模糊指纹，需要找到匹配项。
• 两种方法：
  • 霍夫指标化（Hough Indexing）：这就像快速扫描图书馆以寻找线条的大致形状。它速度快，但可能会遗漏细微细节。
  • 字典指标化（Dictionary Indexing）：这就像将整张模糊的指纹与图书馆中的每一个指纹逐像素地进行比较，寻找完美匹配。它速度较慢，但准确度更高，尤其适用于棘手的情况。
• 精修：如果匹配接近但不完美，kikuchipy 可以轻微“微调”答案以找到精确的契合度，就像调节收音机旋钮直到静电噪音消失、音乐清晰为止。

4. “真实性核查”

kikuchipy 最强大的部分在于它允许你通过视觉方式双重检查你的工作。

• 类比：与其仅仅信任计算机的答案，你可以将计算机的“最佳猜测”投射出来，模拟出该晶体应该呈现的完美版本。然后，你将真实照片与模拟结果并排对比。
• 它展示了什么：如果模拟中的线条和阴影与真实照片完美对齐，你就知道解对了。如果它们不匹配，你就知道犯了错，可以回去修正。

论文中的真实案例

作者们在三个棘手的金属谜案上测试了这个工具箱：

1. “超级”钢：他们观察了一种超强钢，其中内部形成了不需要的脆性晶体。利用 kikuchipy，他们能够精确绘制出这些不良晶体形成的位置，以及它们相对于良好晶体的取向。这就像看到了建筑物薄弱点的蓝图。
2. 铝与硅的混合：在一种常见的金属合金中，铝和硅在显微镜下看起来几乎一模一样，因为它们的晶体结构如此相似。这就像试图分辨穿着相同衣服的孪生兄弟。大多数软件会感到困惑。但由于 kikuchipy 观察的是线条的亮度（而不仅仅是形状），它能够成功区分这对“双胞胎”，并绘制出硅藏身之处。
3. 嘈杂的合金：他们观察了一种被极度挤压和轧制的金属，其晶体图案非常模糊且充满噪点。这就像在飓风中试图阅读一本书。通过使用工具箱清理噪点并仔细比较图案，即使信号非常微弱，他们仍然能够识别出内部的微小颗粒。

宏观视角

该论文得出结论：kikuchipy 不仅仅是为了更快地解决谜题；更是为了更好地解决谜题，并理解你是如何解决的。它是为科学界构建的，旨在共享、改进和适应。它将 EBSD 分析从一种“信任机器”的过程，转变为一种透明、灵活且协作的调查过程，让任何人都能揭开幕后，清晰地看到晶体世界。

技术摘要

技术摘要：kikuchipy——用于 EBSD 图谱分析的开源工具箱

问题陈述
电子背散射衍射（EBSD）是扫描电子显微镜（SEM）中表征晶体学特征的标准技术。然而，EBSD 图谱（EBSPs）的标定易受多种误差源影响，包括晶体相的误标定、晶粒内取向点的离散化，以及区分具有相似晶体结构的相的困难。尽管存在商业解决方案，但它们往往为了自动化和易用性而牺牲了灵活性和透明度。这种“黑箱”方法限制了研究人员解决棘手案例、优化标定步骤或理解底层算法的能力。虽然存在开源替代方案（例如 EMsoft、EMSphinx、AstroEBSD、PyEBSDIndex），但仍需要一个广泛可及、基于 Python 且能无缝集成到科学 Python 生态系统中的灵活工具箱，以促进迭代工作流的开发和结果验证。

方法论
本文介绍了 kikuchipy，这是一个专为分析 EBSPs 而设计的开源 Python 工具箱。该软件扩展了用于多维数据集分析的 HyperSpy 库，依赖 orix 处理旋转和晶体对称性，并依赖 diffsims 进行衍射模拟。

核心方法论强调灵活、迭代的离线标定工作流（如论文图 2 所示），其中包括：

1. 数据加载与检查：读取来自主要厂商（Bruker、EDAX、NORDIF、Oxford）的文件，并生成“预标定”图谱（例如平均图谱强度、虚拟背散射电子图像、图像质量图谱），以指导相选择并在无用户偏差的情况下验证结果。
2. 图谱处理：应用静态和动态背景校正，通过邻域平均进行降噪，以及分箱处理，以提高信噪比（SNR）或速度。
3. 几何校准：确定投影中心（PC）和探测器 - 样品几何关系。这涉及 Hough 标定以获得初始估计，并通过图谱匹配进行细化。该软件支持固定和动态 PC 模型。
4. 标定：
   • Hough 标定：通过 PyEBSDIndex 实现，基于 Kikuchi 带检测进行快速取向估计。
   • 字典标定：源自 EMsoft，该方法将实验图谱与动态模拟的主图谱字典进行比较。它使用归一化互相关（NCC）作为相似性度量。
5. 细化：执行取向和/或投影中心细化以提高精度，利用 SciPy 和 NLopt 的算法优化 NCC 分数。
6. 验证：通过将实验图谱与几何、运动学和动力学模拟进行视觉比较，以及分析反极图（IPF）图谱来验证结果。

该软件设计用于利用 Dask 处理大于可用内存的数据集，并利用 Numba 对性能关键部分进行即时编译。

主要贡献与结果
本文通过三个不同的应用示例展示了 kikuchipy 的能力：

1. 超级双相不锈钢（SDSS）中的取向关系：

   • 该工作流应用于含有不良二次相（sigma、chi、R、$\pi$ 和氮化铬）的 SDSS。
   • 预标定图谱成功识别了微观结构特征，包括层状结构和高 Z 对比度颗粒。
   • 字典标定区分了多种相，包括那些通常因尺寸过小（低至约 0.52 $\mu$m）而需要透射电子显微镜（TEM）才能分辨的相。
   • 该研究利用轴角空间中的取向差分布，可视化了相之间的取向关系（ORs）（例如 $\alpha$/$\gamma$、$\alpha$/$\sigma$、$\alpha$/$\chi$）。它确认了 $\alpha$/$\gamma$ 的 Kurdjumov-Sachs 关系，识别了 $\alpha$/$\chi$ 的“立方对立方”取向关系，并发现了 chi 相与铁素体之间先前未报道的 CSL3 关系。

2. Al–Si 合金中的相区分：

   • 解决了区分铝（FCC）和硅（金刚石立方）的挑战，它们具有相似的 Kikuchi 带位置。
   • 论文证明，利用动态模拟的字典标定，通过利用相对强度分布而不仅仅是带位置，可以仅基于 EBSPs 成功区分这些相。
   • 验证涉及将实验图谱与模拟图谱进行比较，结果显示铝模拟（相对于硅）中的强度不匹配清楚地指示了正确的相。
   • 分析揭示了硅纤维中的织构，以及在改性合金中铝和硅之间不存在强取向关系。

3. 噪声 Al–Mn 合金中的相区分：

   • 该软件用于标定严重冷轧和退火的 Al–Mn 合金中的微米级组成颗粒（$Al_6Mn$ 和 $\alpha$-AlMnSi），该合金中的 EBSPs 由于储存能和相机噪声而信噪比低。
   • 通过结合背景校正、邻域平均和字典标定，该软件成功识别并区分了两种颗粒相。
   • 结果与基于背散射电子（BSE）成像独立生成的“真实值”图谱进行了验证。
   • 分析揭示了 $Al_6Mn$ 颗粒的择优取向，以及特定 $\alpha$-AlMnSi 颗粒内存在的大范围、系统性的晶格旋转，这归因于严重变形。

意义与主张
本文将 kikuchipy 定位为一种并非旨在最大化标定速度，而是旨在提高灵活性、透明度和结果验证的电子显微镜社区资源。

• 灵活性与迭代：该软件允许用户构建自定义工作流，其中可以优化标定步骤并识别误差源，从而解决商业解决方案的僵化问题。
• 验证：它强调了视觉验证（比较实验和模拟图谱）和独立验证（例如使用预标定图谱或 BSE 图像）对于确保标定准确性的重要性。
• 开放科学：代码托管在 GitHub 上，示例的原始数据和工作流笔记本在 Zenodo 上公开提供，遵循 FAIR 原则。
• 社区资源：作者表示，该软件的开发旨在允许任何人改进代码或将其集成到自己的分析工作流中，从而促进 EBSD 分析领域的协作与进步。

论文结论指出，尽管当前存在局限性（例如字典标定需要针对每个相进行手动设置，以及缺乏原生图形用户界面），但 Python 科学生态系统的集成使 kikuchipy 成为开发稳健且灵活的 EBSD 分析工作流的强大工具。