EBSD干货知识:OIM软件清理数据坏点的几种常见方法
审核:小铅笔
OIM软件一般可以通过背散射电子衍射得到的菊池花样有效地标定每个数据点的取向。
然而,有时OIM在某些情况下很难得到正确的标定结果,例如在晶界处的衍射图案通常是由该晶界分开的两个晶粒的衍射图案叠加组成。
对于这种两个衍射图案叠加得到的图案,OIM有可能根据其中某一个图案标定得到一个正确的结果,也有可能得到一个不正确的结果。
这将有可能在晶界和三叉晶界处造成错误的标定结果(样品表面不平也有可能造成错误的标定结果)。为此,OIM提供了几种清理方法,试图“清理”这些错误的数据。
这些清理方法会改变数据,清理方法选择不当会引起数据的“失真”和分析结果不准确。因此,在清理数据时要选择合适的清理方法,避免在数据中引入任何人为趋势。本文将对OIM软件中几种常用清理方法进行介绍。
清理功能可以通过鼠标右键点击项目树中的“数据集”弹出菜单激活,弹出对话框如下。从弹出的对话框可以选择清理方法,并对清理参数进行设置。
Grain Dilation
这种清理方法是一种迭代方法,只作用于那些不属于任何晶粒但具有属于某些晶粒的相邻数据点的数据点。
这些数据点可能是未被标定的数据点,也有可能是其数据点总数小于设定的最小晶粒尺寸。如果该数据点相邻的大多数数据点具有相同的取向,那么该点的取向就会被改变成以匹配大多数相邻数据点共有的取向,或者随机改变为匹配正确标定的相邻数据点的取向。
这个清理过程将不断重复,直到数据集中的每个点都成为某个晶粒的成员。
Grain CI Standardization
这种清理方法将晶粒中每个数据点的CI值改变为与该数据点所属晶粒中具有最大CI值的数据点一致。
它本质上支持将具有与相邻数据点相似取向的低CI数据点与具有低CI值而且与其相邻点之间不存在取向相关性的数据点区分。值得注意的是,这种清理方法并不改变数据点的取向,只是提高了CI值。在下面的示意图中,灰度代表CI值。
Grain Fit Standardization
这种清理方法与Grain CI Standardization清理方法的算法相同,只是将CI值替换为Fit值。
Neighbor CI Correlation
这种清理方法只在CI值小于用户定义值的数据点上执行。如果某一数据点的CI值小于用户定义的最小CI值,则检查其最近邻数据点的CI值,以找到CI最高的最近邻数据点。
对该数据点的取向和CI进行重新分配,使其与具有最大CI值的相邻数据点的方向和CI值匹配。在下面的示意图中,颜色代表取向,每个六边形中的数字为数据点的CI值。
Neighbor Orientation Correlation
这种清理方法的过程是分别检查每个数据点并测试三个条件。首先,该数据点的CI值是否小于某个最小值。第二个条件是检查,以确定该点的取向是否与它近邻数据点不同。
对于0级清理,所有最近邻的数据点与该点的取向差角都必须超过给定的容限角(即取向不同)。
对于第1级的清理,除了一个最近邻的数据点之外,所有的其他最近邻的数据点取向与该被检测的数据点取向都必须是不同的,以此类推,直到第5级的清理,只有一个最近邻数据点取向与被检查数据点取向必须是不同的。
如果要求的与该点取向不同的最近邻数据点数目符合要求,则开始测试第三个条件。第三个条件是检测在容限角范围内能够代表数据点近似取向的最近邻数据点的数量。
如果以上条件都满足,该数据点的取向就会被改变为与具有相似取向最近邻数据点中的某个数据点一致(选择是随机的)。对于0级的清理,所有最近邻数据点必须具有相似的方向,1级的清理要求除一个以外的所有最近邻数据点具有相似的方向,以此类推直到5级的清理。
对于大于0的清除级别,将依次执行所有较低的清除级别。因此,如果选择4级,则应用0级清理,然后是1级,然后是2级,然后是3级,清理过程在4级完成。
Neighbor Phase Correlation
这种清理方法只在CI值小于设置的最小CI值的数据点上执行。这些点的物相(和取向)被改变以匹配它的大多数相邻数据点所属的物相(和取向)。
如果其相邻数据点中没有哪种物相和取向占大多数,那么这个数据点的物相和取向将就会随机改变。
动动小手加星标,浏览文章不迷路!不用每天花费时间刷信息流也可以随时看到自己喜欢的内容啦!
往期推荐
2021-10-02
2021-09-30
2021-09-30
2021-09-30
2021-09-30
点了“在看”的小哥哥小姐姐
今年发IF>10一作