📖 教學頁：光譜 × 食品分析（化學計量學） ｜ 課程入口：食品科學教學課程 ｜ 📝 更新說明（Changelog） ｜ 🍊 Orange 光譜 widgets（教學 · EN）
一個受 SpectraGryph 啟發、用 Python 寫的桌面光譜檢視與處理程式。 專為食品分析 / 儀器分析教學與研究設計，可載入、疊圖檢視、換算座標軸、做前處理的 FTIR、Raman、UV-Vis、NIR、XRF/LIBS 等光譜。
上圖：同一條 FTIR 光譜的「原始 / 基線校正 / Savitzky-Golay 平滑」三條疊圖，X 軸依 IR 慣例由高波數往低波數。
需要 Python 3.10+。
cd spectra_viewer
pip install -r requirements.txt核心套件：numpy、scipy、PySide6、pyqtgraph、matplotlib。
二進位格式（SPC、較特殊的 Bruker OPUS 變體）為選用套件，未安裝時程式會給清楚的安裝提示而非崩潰；
Bruker OPUS 一維光譜、Bruker PDZ XRF、Shimadzu SPC/ISPD 與 PerkinElmer SP/ASC 可純 Python 讀取。
（spc-spectra 的舊式建置會在隔離環境找不到 numpy，請用
pip install --no-build-isolation spc-spectra。）
適用 Apple 晶片（M1/M2/M3…）與 Intel Mac。建議用 Homebrew 安裝 git 與 Python，再用虛擬環境執行：
# 1) 安裝 Homebrew（若已安裝可略過）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# 2) 安裝 git 與 Python 3.12
brew install git python@3.12
# 3) 取得程式碼
git clone https://github.com/Tai-ShengYeh/spectraview.git
cd spectraview
# 4) 建立虛擬環境並安裝相依套件
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
# 5) 啟動
python run.pymacOS 請使用 python3 / pip3 指令（系統內建的 python 可能不存在或為舊版）。
下次要再開程式：cd spectraview && source .venv/bin/activate && python run.py。
python run.py # 開啟程式
python run.py file1.dx a.csv # 開啟並直接載入這些光譜或在程式啟動後，直接把檔案拖放到視窗，或用 File ▸ Load demo spectra 載入內建示範光譜立即試玩。 SOPRANO 線上光譜庫可用 File ▸ Open SOPRANO URL… 貼上網址後直接讀取並繪圖。
- 多格式載入：ASCII（CSV/TXT/DAT/TSV/PRN/ASC/XY）、JCAMP-DX（.dx/.jdx，含 ASDF 壓縮）、
JSON（多種結構：x/y 陣列、別名鍵、pairs、
spectra多光譜）、MATLAB（.mat，含命名變數 與 N×2 / N×M 矩陣）、GRAMS／Shimadzu UV-Vis SPC（.spc，自動辨識兩種格式；Shimadzu 為純 Python）、 Bruker OPUS（.0/.1…，含 Raman 一維光譜）、Bruker PDZ XRF（.pdz，純 Python）、 Shimadzu ISPD（.ispd，FTIR）、NeoSpectra（.Spectrum，NIR 匯出）、 PerkinElmer（.sp 二進位、.asc PEDS——皆純 Python；.asc 直接讀 #GR 座標單位、.dx 走 JCAMP）， 以及 SOPRANO 線上光譜庫頁面（從網址讀取內嵌 Dygraph 光譜資料）。 一個檔可含多條光譜。 - 線上匯入（File ▸ Import from URL / IRUG…）：直接從 IRUG 光譜資料庫
或任何網址抓譜。輸入 IRUG 編號（如
4119）、詳情頁網址或直接檔案網址即可。 IRUG 詳情頁的資料藏在互動圖（jqPlot）的<script>裡（"波數:強度"配對），程式直接 解析還原成 x／y（cm⁻¹）；其他網址則辨識 JCAMP-DX／CSV 交給上述讀取器。來源網址記進 meta，只用標準庫 urllib。 - 疊圖檢視：多光譜同圖、各自顏色與圖例；左側清單可勾選顯示/隱藏、雙擊改色、改名。
- 互動：滑鼠縮放/平移、自動縮放（Ctrl+0）、十字游標即時讀出座標（狀態列），游標停在曲線上會浮現該光譜名稱。
- 座標軸換算
- X：波長 nm ↔ 波數 cm⁻¹ ↔ 波長 µm ↔ Raman 位移 cm⁻¹（需雷射波長）↔ 能量 eV ↔ 頻率 THz
- Y：穿透率 ↔ 穿透率% ↔ 吸光度 ↔ 反射率 ↔ Kubelka-Munk ↔ log(1/R)
- 顯示選項：堆疊位移（Scale & Shift）、翻轉 X 軸、格線、對數 Y、深色背景、隱藏/顯示左側光譜清單（F9）。
- 匯出：圖檔 PNG（WYSIWYG）與 SVG / PDF / EPS 向量圖（publication 等級）； 單一光譜存成 CSV 或 JCAMP-DX；合併匯出（File ▸ Export combined data）把多條 光譜放到共用波長軸後輸出成一個 CSV——可選「波長欄 + 每條一欄」或「每條一列的 X-matrix」 （直接餵 sklearn PLS/PCA）。兩種版面都能再載回；外部工具（如 Orange）匯出的 矩陣 CSV（表頭為波長軸、每列一條光譜）也會自動辨識並逐列載入成多條光譜。
- 平滑：Savitzky-Golay、移動平均
- 基線校正：Rubberband（凸包）、多項式（ModPoly 疊代）、非對稱最小平方 ALS（Eilers）、 airPLS（Zhang 2010；對螢光背景特別有效，預設 porder=2）
- 微分：1–4 階（Savitzky-Golay）
- 正規化：峰值=1、Min-Max(0..1)、面積=1、向量(L2)、指定 x₀ 處=1
- 散射校正：SNV、MSC（對平均光譜）、detrend
- 光譜運算：兩條相加/減/乘/除（自動對齊重疊區）、平均（mean/median）
- 轉換：裁切 x 範圍、重採樣到均勻格點
- 復原/重做：每步處理皆可 Undo/Redo（Ctrl+Z / Ctrl+Y）
airPLS 把 Raman 的螢光背景（藍色估計基線）扣掉，尖峰完整保留、落在零線。
- 尋峰：自動偵測峰（或谷）、量測 FWHM、近似面積；在圖上標峰位、並彈出 可匯出 CSV 的峰表。可調最小高度/突出度/間距、選擇性預平滑。
- 峰形擬合 / 去卷積：以自動尋峰當初值，擬合 Gaussian / Lorentzian / Pseudo-Voigt 的疊加（可選同時擬合線性基線）；圖上疊出各分量（虛線）與加總、 附 R² 與每峰中心/高度/FWHM/面積的表；一鍵把擬合分量存回光譜清單。
- 區間積分：指定 x 範圍、可減端點線性基線，算面積與重心，並在圖上標示積分區。
- 混合物濃度（NNLS）：以純物質參考譜，用非負最小平方解 mixture ≈ Σ cᵢ·refᵢ， 回報各成分係數、正規化比例與 R²，並疊出重建譜。參考譜可來自選取的光譜或光譜庫。
- XRF 元素鑑定：對 keV（或 eV）能量軸的 XRF 譜尋峰，比對內建特徵譜線表 （Kα/Kβ/Lα/Lβ，常見元素 Z=11–92），在圖上標出元素（如 Fe Kα1）並附比對表。
- 檢量線（calibration curve）：用一組已知濃度的標準品建迴歸、回推未知樣品濃度
（比爾定律 A = ε·b·c 的定量工作流）。訊號來源可選指定波長處的值（吸光度 @ λ）、
區間峰高或區間積分面積；標準品濃度會從光譜名稱自動解析（如
std 5 ppm）， 並可在表格逐筆編輯，每條光譜標記為 standard / unknown。支援線性、過原點、二次模型， 回報斜率、截距（各含標準誤）、R²、殘差標準誤 s(y/x)、偵測極限 LOD = 3.3·s/斜率、 定量極限 LOQ = 10·s/斜率，以及每個未知樣品的濃度與 95% 信賴區間（Miller & Miller）。 結果視窗畫出標準點 + 迴歸線 + 未知點（含信賴區間誤差棒），可匯出 CSV 與圖檔。
重疊的羰基（C=O）吸收帶被擬合拆解成三個 Gaussian 分量（R²≈0.9997）。
XRF 譜自動標出對應元素（食品礦物 K / Ca / Fe / Cu / Zn）。
- 自建光譜庫：把載入的光譜「加入庫」，存成
.speclib（JSON）庫檔、之後可載入。 - 相似度搜尋：拿未知譜對庫比對，依相關係數排序，命中清單同時顯示 correlation / cosine / 光譜角 SAM / 歐氏距離，可一鍵把最佳命中疊到圖上。
- 現成範例：
examples/sugars_nir.speclib— 9 種糖類／添加物的 NIR 光譜庫（見下）。
範例：糖類 NIR 鑑別
examples/內含一個用真實 DLP-Hadamard 近紅外（1600–2400 nm）量測建成的光譜庫： aspartame、benzoic acid、caffeine、fructose、glucose、lactose、maltose、sucralose、sucrose 共 9 種， 每條參考譜是該物質 5 次重複的平均；另附unknown_glucose.csv、unknown_sucrose.csv、unknown_caffeine.csv三個單次量測的查詢檔。用法：
Library ▸ Load library…載入sugars_nir.speclib→File ▸ Open…載入一個unknown_*.csv→ 在清單選它 →Library ▸ Search selected against library…。結果：留一驗證 9/9 全中；相關係數呈現化學上合理的分布——糖類彼此相似（蔗糖 vs 果糖 ≈ 0.99， 因為蔗糖＝葡萄糖＋果糖），但和添加物（咖啡因、苯甲酸 ≈ 0.7–0.87）明顯拉開。 線上另有互動比對 demo，點按鈕即時看排名與疊圖，免安裝。
- 螢光 EEM：讀 ex×em 矩陣檔或由多條發射光譜組成；2D 等高線熱圖（含色條、十字游標讀值） ＋可旋轉的 3D 表面；一鍵遮除 Rayleigh／Raman 散射脊。
- 2D 相關光譜（2D-COS）：對一系列隨擾動變化的光譜，算同步 Φ＝DᵀD/(m−1) 與 異步 Ψ＝Dᵀ·H·D/(m−1)（H=Hilbert-Noda 矩陣）相關圖；兩條譜用 2T2D （Φ=½(yₐ⊗yₐ+y_b⊗y_b)、Ψ=½(yₐ⊗y_b−y_b⊗yₐ)）。慣例同 shigemorita 2Dpy / R corr2D。
- Hetero-correlation（異質相關）：兩種不同技術（同一批樣品、同一擾動）做交叉 二維相關，得非方陣 Φ／Ψ＝D₁ᵀD₂/(m−1)、D₁ᵀ·H·D₂/(m−1)。
- EEM PARAFAC：一疊多樣品 EEM 用平行因子分解（ALS，非負約束）盲解成各螢光成分的 激發／發射輪廓與樣品分數；附每個成分的 rank-1 EEM 與分數表。
PARAFAC 從 7 個混合 EEM 盲解出 3 個螢光團的激發/發射輪廓（fit≈0.98）。
螢光 EEM 等高線：左為原始、右為遮除 Rayleigh 散射脊後。
2D-COS 同步（對角自相關峰＋off-diagonal 交叉峰）與異步（反對稱、顯示變化先後）相關圖。
orange-spectra/ 是配套的 Orange Data Mining 附加元件：十一個光譜學
widgets（貼 IRUG/SOPRANO/互動圖網址匯入光譜、影像分光（相機＋光柵）、批次載入資料夾/zip/.cdf、多譜疊圖合併、相似度比對、.speclib 光譜庫建立與搜尋、NNLS
混合光譜成分分析、尋峰標記、XRF 元素標記、PLS-DA 判別分析、水光譜學 Aquagram 雷達圖），演算法與光譜庫格式跟 SpectraView 完全互通。
已上架 PyPI：
pip install orange-spectra # pip 版 OrangeOrange 桌面版 App（含 macOS）：Options ▸ Add-ons… ▸ Add more… 輸入 orange-spectra
→ 打勾 → OK → 重啟。macOS 到 orangedatamining.com
下載 Mac 版 .dmg；Apple 晶片與 Intel 皆可。
📖 教學網頁：https://tai-shengyeh.github.io/spectraview/orange.html（English）
orange-assay/ 是姊妹 add-on：三個把檢測盤照片變成資料、擬合
劑量反應曲線的 widgets——Microplate Reader（微孔盤 6–384 孔）、Coffee-Ring
Reader（點樣咖啡環盤，重用 coffee-ring-analyzer
演算法）、Dose-Response Fit（3PL/4PL，EC50/LOD）。已上架
PyPI：
pip install orange-assay📖 教學網頁：https://tai-shengyeh.github.io/spectraview/assay.html
spectra_viewer/
├── run.py 啟動入口
├── requirements.txt
├── docs/demo.png
├── tests/
│ ├── smoke_test.py 核心邏輯自我測試（無需 GUI）
│ └── gui_smoke_test.py headless（offscreen）GUI 測試
└── specview/
├── app.py QApplication 設定 + 進入點
├── spectrum.py Spectrum 資料模型 + SpectrumSet 文件
├── axes.py 座標軸換算（X、Y）
├── processing.py 所有前處理演算法（含 airPLS 基線）
├── analysis.py 尋峰 / 峰形擬合 / 積分 / 混合物 NNLS
├── calibration.py 檢量線（迴歸 + 濃度反推、LOD/LOQ、信賴區間）
├── library.py 光譜庫（.speclib）+ 相似度搜尋
├── xrf.py XRF 元素譜線表 + 峰→元素比對
├── cos2d.py 2D 相關光譜（同步/異步 + 2T2D）
├── eem.py 螢光 EEM 模型 / 讀檔 / 散射移除
├── demo.py 內建示範光譜（FTIR/Raman/UV-Vis/NIR/XRF）
├── formats/ 檔案 IO
│ ├── __init__.py 依副檔名派發載入 + 存檔
│ ├── ascii_io.py ASCII 解析（偵測分隔符/表頭/多欄/歐規小數）
│ ├── jcamp.py 自寫 JCAMP-DX 解析（AFFN/PAC/SQZ/DIF/DUP）
│ ├── online.py 線上匯入（IRUG 編號／網址 → 下載 → 交給上面的讀取器）
│ ├── json_io.py JSON 讀寫（多結構）
│ ├── mat_io.py MATLAB .mat 讀取（scipy.io）
│ ├── _hints.py JSON/MAT 共用：鍵名別名 + 單位正規化
│ └── binary_io.py GRAMS SPC（選用套件）+ OPUS / Shimadzu .SPC/.ispd / PerkinElmer .sp / PDZ（純 Python）
└── ui/ PySide6 + pyqtgraph 介面
├── main_window.py 主視窗、選單、工具列、清單、復原
├── plotview.py 繪圖區、十字游標、堆疊、匯出
├── mapwindow.py 2D 熱圖視窗（EEM/2D-COS）+ 3D 表面（matplotlib）
├── calibration_view.py 檢量線對話框 + 結果視窗
└── dialogs.py 通用參數對話框
python tests/smoke_test.py # 模型 / 換算 / 處理 / 分析 / IO / JCAMP 解碼
python tests/gui_smoke_test.py # 建視窗 / 載入 / 處理 / 換算 / 分析 / 匯出（offscreen）- 資料模型：每條光譜 x 一律以遞增排序儲存；顯示端可獨立翻轉（IR/Raman 慣例由高往低）。
- 每個處理函式都回傳新的 Spectrum，不改動輸入，配合文件層快照實作 Undo/Redo。
- JCAMP-DX 自己解析，不依賴第三方套件，支援真實 FTIR 檔常見的 DIF/SQZ/DUP 壓縮。
- 向量匯出走 matplotlib（自帶字型、可輸出 PDF/EPS），比 pyqtgraph 的 SVG 寫出穩定。
已完成：檢視 + 前處理（含 airPLS）、尋峰 / 峰形擬合 / 積分、混合物 NNLS、 光譜庫相似度比對、XRF 元素鑑定、螢光 EEM（2D/3D）＋ PARAFAC、 2D-COS（含 2T2D、hetero-correlation）、多格式 IO（含 JSON / MATLAB）。後續可加：
- 檢量線濃度：用峰高或峰面積對「一系列已知濃度」建線、回推未知樣品（NNLS 之外的單變量定量）
- EEM 進階：Raman 散射內插填補、PARAFAC 成分數的 core-consistency 診斷
- 批次自動化：把一串處理步驟套用到整批檔案
- 化學計量建模：PLS / PCA（接 scikit-learn，配合「合併匯出」的 X-matrix）
- XRF 能量校正：channel/pixel 軸 → keV 的二點校正