1.创建本篇文章的初衷
创作本篇文章完全是因为GIWAXS图像的处理脚本太难了，这几天我陆续尝试了pygid,mlgxid，以及pyfai等专用处理库，结果都因为我并不实际了解图像处理过程而无法达到我想要的效果，就像一个研究生导师不懂这个领域无法指导学生一样，我无法给gemini,minmax等agent完整的提示词，只是给他们述说我想要的结果，包括图像的坐标转化，由探测器坐标转化为倒易空间坐标再到极坐标，我起初认为只要我能说清楚这些我仅仅看到大家都这么说的词汇给agent，他就能给我想要的回答，但是实际结果狠狠给了我一巴掌，想要写好这个脚本，还得重新研究这篇文章啊！
2.研究路线
我准备从GIWAXS图像的处理程序开始入手，一步一步研究透彻GIWAXS图像到底是怎么经过poni文件中的仪器参数矫正，从而完美适配faster-r-cnn这个物体检测模型的
同时，我要借助深度阅读文献的机会，搞清楚这个GIWAXS的实际应用意义是什么，好为我的软件开发提供一些实际性的故事修饰
3.GIWAXS图像处理流程
深度学习模型自动识别GIWAXS图像的意义：该模型几乎适用于所有结晶薄膜材料，并且可以在检测在结晶过程中的结晶相以及晶格参数随时间的演变，这对于光伏性能的影响至关重要
这张图像，a,b,c完美的真实了我想要的效果，因为我的模型就是用的这篇文章的代码训练出来的。
首先是探测器坐标a,倒空间坐标b，极空间坐标c
原文中很重要的一会话：晶体粒子产生X射线散射在倒易空间中产生衍射图样，这些图样要么是圆环，要么是圆环的一部分，主要取决于其取向
其实这段话就能很好的说明一些问题，在软件对于单帧图像的分析时能更好的描述分析结果，我的设想：如果单帧图像的识别，这时候只有半个圆环有白色的矩形框，那么说明这个晶面具有很强的择优取向。
回归正题，我觉得我跟ai描述的时候应该好好说说这些横纵坐标什么，比如b图的横坐标是Q||，横坐标是Qz，c图的横坐标是散射矢量，纵坐标是方位角，下面让我一一拆解这些东西
4.小作坊到大工厂：GIWAXS图像的矫正
简介：GIWAXS图像全程掠入射广角X射线散射（Grazing Incidence Wide Angle X-ray Scaterring），以X射线入射角度极小而著称（通常小于0.2°）
特点：这使它成为表面敏感的技术，专门为了薄膜表征而生，使得信号不会被衬底信号淹没
作用：GIWAXS相较于XRD，能够给出晶体的取向信息，相较于TEM，能够不损坏样品，并且观察范围大
（1）晶体取向（Orentation）
GIWAXS图像能够看出分子在衬底上的姿态，主要分为face-on,edge-on，分别是面朝上和侧立
（2）结晶度和晶粒尺寸
峰的强度，越亮结晶程度越高；峰的宽度，根据谢勒公式，衍射峰越窄，说明晶粒尺寸越大
（3）晶格参数
跟据峰在q轴上的位置，计算出精确的分子间距d=2π/q
小作坊：GIWAXS图像是每个实验室的仪器设置来做的实验，X射线的波长，样品距离探测器的距离，以及中心点位置的选择都会影响导致同一个样品拿到不一样的测量结果，因此这只能称作小作坊
大工厂：GIWAXS图像想要上的了台面，那么必须具有一个统一的标准，探测器坐标中的像素点pixel_x,pixel_y都代表探测器接收到的X射线与样品作用之后散射的光子，而这些光子的位置会随着仪器参数的改变而出现在不同的位置，比如样品距离探测器的位置，X射线的波长，入射角等等，因此，想要拿出来做分析，必须统一标准，这里就需要矫正，当我们拿到了参数样品距离探测器的位置，以及光子打在探测器上的物理位置（这里是由X射线中心点以及探测器像素单位计算得到，pixel_x-->x,pixel_y-->y）。紧接着利用几何知识就可以计算得到角度信息，主要包括两个，面内角和面外角，然后利用这两个角度我们就可以利用物理公式计算散射矢量q_x,q_y,q_z，这一步就叫做物理矫正，最终按照文献中标准的处理流程，将图像由探测器坐标转化为倒空间坐标，进而判断分子的取向。
5.总结
我接下来的工作应该集中于让AI，辅助我从第一性原理的角度出发，从零开始自己编写算法，然后先实现倒空间的正确普适性转换，而后再去研究极坐标转换。
接下来，我将不吃不喝50年辞职在家研究这个脚本，一旦做成了，我直接公开在github上面，让大家看看我的无敌脚本，哈哈