Skip to content

README.es.md

Latest commit

 

History

History
281 lines (200 loc) · 12.2 KB

README.es.md

File metadata and controls

281 lines (200 loc) · 12.2 KB
Raw

English · العربية · Español · Français · 日本語 · 한국어 · Tiếng Việt · 中文 (简体) · 中文（繁體） · Deutsch · Русский

LazyingArt banner

Lazeal OptiX

Project Stage Primary Workflow Python Conda Jupyter OpenCV License Localization Platform

🌐 Estado multilingüe: i18n/ está presente y reservado para archivos README específicos por idioma. Los documentos localizados enlazados están planificados/en progreso.

✨ Visión general

Enfoque Ubicación
Flujo principal notebooks/
Especificación de entorno notebooks/reconstruction/lensless.yaml
Notas de componentes camera/, light_source/, reconstruction/, three_axis_cnc/
Documentación de entrada i18n/README.*.md
Prototipo para uso individual Prototipo para instituciones

Prototipo para uso individual (izquierda) y uso institucional (derecha)

Descripción general

Lazeal OptiX es un proyecto de investigación/prototipo para flujos de imagen sin lentes en diagnósticos de salud-adjuntos. Actualmente el repositorio está orientado a notebooks y es experimental, y pretende hacer más accesibles enfoques diagnósticos avanzados en entornos con recursos limitados.

Las ideas principales incluyen:

  • reconstrucción de imagen sin lentes,
  • localización de la fuente de luz,
  • coincidencia y alineación de múltiples imágenes.

El repositorio se mantiene principalmente mediante notebooks de Jupyter en notebooks/, con contexto específico por módulo almacenado en directorios dedicados.

Estado del repositorio

Área Estado actual
Madurez del proyecto Prototipo de investigación
Modelo principal de ejecución Flujos de trabajo en notebooks de Jupyter
Dominios experimentales principales Reconstrucción, localización de fuente de luz, coincidencia de imágenes múltiples
Empaquetado/CI en la raíz No declarado actualmente
Documentación multilingüe Existe el scaffold del directorio i18n/

Características

  1. Conceptos avanzados de microscopía: óptica avanzada y patrones de captura de imágenes para análisis detallado.
  2. Contexto bioquímico/diagnóstico: flujos experimentales orientados a la detección de indicadores de salud.
  3. Diseño orientado al hogar: pensado para un uso accesible y despliegue práctico.
  4. Experiencia centrada en laptop: los notebooks proporcionan la ruta principal de ejecución.
  5. Utilidades de reconstrucción sin lentes: pipelines computacionales para reconstrucción de alta resolución.
  6. Herramientas de localización de fuente de luz: experimentos de localización de la fuente y calibración geométrica.
  7. Coincidencia de múltiples imágenes: utilidades basadas en SIFT para coincidencia en cadena y alineación.

Estructura del proyecto

lazealoptix/
├── README.md
├── prototype_individual.jpg
├── prototype_institute.png
├── figs/
│   ├── banner.svg|png
│   ├── logo.svg|png
│   └── logo-w-text.svg|png
├── camera/
│   └── README.md
├── light_source/
│   └── README.md
├── reconstruction/
│   └── README.md
├── three_axis_cnc/
│   └── README.md
├── notebooks/
│   ├── light_source_location/
│   │   ├── light_source_location_estimator_v1.4.ipynb
│   │   ├── light_source_location_estimator_varied_heights_v1.1.4.ipynb
│   │   └── light_source_location_estimator_varied_heights_v1.1.7.ipynb
│   ├── multiple_match/
│   │   ├── multiple_all_combination_v2.ipynb
│   │   ├── multiple_match.cpp
│   │   ├── multiple_match_centeralized_v1.6.ipynb
│   │   └── multiple_match_chain_v1.5.ipynb
│   └── reconstruction/
│       ├── dataset_prep.ipynb
│       ├── lensless.yaml
│       └── lensless-dropout-one-led-mahuichong.ipynb
└── i18n/

Notas de módulos

  • camera/: scripts/recursos relacionados con el uso de cámara para captura de muestras de alta resolución.
  • light_source/: scripts/recursos para control y optimización de la fuente de luz.
  • reconstruction/: scripts/recursos para reconstrucción computacional.
  • three_axis_cnc/: scripts/recursos para posicionamiento/control CNC de tres ejes.
  • notebooks/: espacio técnico principal para experimentos y métodos.

Notebooks

El directorio notebooks contiene notebooks de Jupyter que documentan los métodos experimentales principales. Estos notebooks proveen código, visualizaciones y notas metodológicas para cada área.

light_source_location

Incluye notebooks relacionados con la estimación de localizaciones de fuentes de luz. Estos métodos apoyan la calibración geométrica de la fuente y la fidelidad de la reconstrucción.

multiple_match

Incluye notebooks y scripts para coincidencia y alineación de imágenes/patrones para soportar flujos de registro robustos.

reconstruction

Incluye notebooks relacionados con la reconstrucción a partir de imágenes capturadas, incluyendo preprocesamiento y scripts de experimento.

Requisitos previos

  • SO: Linux/macOS recomendado para los flujos actuales de Conda y OpenCV.
  • Python: el entorno objetivo es Python 3.7.
  • Conda: necesario para reproducir el entorno documentado lensless.
  • Jupyter Notebook/Lab.
  • Cadena de herramientas C++ opcional para multiple_match.cpp:
    • g++ con soporte C++17.
    • OpenCV 4.x con módulos contrib (opencv2/xfeatures2d.hpp / SIFT).

Instalación

1) Clonar

git clone https://github.com/lachlanchen/lazealoptix.git
cd lazealoptix

2) Crear el entorno de notebooks

conda env create -f notebooks/reconstruction/lensless.yaml
conda activate lensless

3) Iniciar Jupyter

jupyter notebook

Uso

Este repositorio se usa principalmente abriendo notebooks y ejecutando celdas en el orden documentado.

Ruta de reconstrucción

  • Abre notebooks/reconstruction/dataset_prep.ipynb para la preparación de conjuntos de datos.
  • Abre notebooks/reconstruction/lensless-dropout-one-led-mahuichong.ipynb para experimentos de reconstrucción/entrenamiento.

Ruta de localización de fuente de luz

  • Abre los notebooks en notebooks/light_source_location/.

Ruta de múltiples coincidencias

  • Abre los notebooks en notebooks/multiple_match/.
  • Utilidad opcional: notebooks/multiple_match/multiple_match.cpp.

Configuración

Entorno Conda

Especificación principal del entorno:

  • notebooks/reconstruction/lensless.yaml

Dependencias destacadas:

  • python=3.7
  • pytorch=1.9.0
  • pyro-ppl
  • dependencias de visión por computador con opencv en notebooks

Datos y rutas

  • Supuesto: los conjuntos de datos son locales y no se declaran de forma centralizada en la raíz del repositorio.
  • Supuesto: la utilidad de coincidencia en C++ espera un directorio all/ (relativo a su ruta de ejecución) con imágenes legibles en escala de grises.

Si tu configuración local difiere, actualiza las celdas de rutas del notebook y el directorio de entrada de C++ en consecuencia.

Ejemplos

Ejecutar la utilidad de coincidencia

cd notebooks/multiple_match
g++ -std=c++17 multiple_match.cpp -o multiple_match `pkg-config --cflags --libs opencv4`
./multiple_match

Comportamiento esperado:

  • Lee imágenes desde all/
  • Calcula coincidencias en cadena basadas en SIFT entre imágenes
  • Genera una imagen de salida con un nombre como result_<timestamp>.png

Iniciar un notebook específico

conda activate lensless
jupyter notebook notebooks/reconstruction/dataset_prep.ipynb

Notas de desarrollo

  • No existe en la raíz un manifiesto de empaquetado (pyproject.toml, requirements.txt, setup.py) ni un sistema de CI/pruebas actualmente.
  • El trabajo es primero experimental; los notebooks son la fuente de verdad de los algoritmos actuales.
  • camera/, light_source/, reconstruction/ y three_axis_cnc/ contienen descripciones a nivel de componente y son buenos puntos de extensión para runbooks.
  • i18n/ está preparado para documentación específica por idioma.

Solución de problemas

  • Problemas al resolver Conda: actualiza Conda, verifica el orden de canales y reintenta la creación del entorno.
  • Desajuste de kernel en notebooks: confirma que Jupyter usa el entorno lensless.
  • Errores de compilación OpenCV/SIFT: instala los módulos de OpenCV contrib y valida la disponibilidad de opencv2/xfeatures2d.hpp.
  • Errores de archivo no encontrado en notebooks: verifica las rutas esperadas de datasets y rutas relativas del notebook.
  • El matcher no lee imágenes: asegúrate de que existe notebooks/multiple_match/all/ con archivos de imagen válidos.

Hoja de ruta

  • Ampliar runbooks a nivel de módulo en camera/, light_source/, reconstruction/ y three_axis_cnc/.
  • Documentar contratos de conjunto de datos y proveer referencias reproducibles de datos de ejemplo.
  • Añadir envolturas de script para pipelines clave de notebooks.
  • Añadir verificaciones de validación para salidas de reconstrucción y coincidencia.
  • Completar archivos README multilingües en i18n/.

Participación

Damos la bienvenida a colaboraciones y aportes.

  • Abre un issue para discutir.
  • Envía un pull request para cambios acotados de documentación o experimentos.
  • Contacta a los mantenedores para cambios de hardware o protocolo antes de refactorizaciones grandes.

Contribuciones

  1. Haz un fork del repositorio.
  2. Crea una rama de característica.
  3. Mantén los cambios acotados y documentados (especialmente para notebooks).
  4. Abre un pull request con motivación, método y cualquier nota de validación.

❤️ Support

Donate PayPal Stripe
Donate PayPal Stripe

License

No existe actualmente un archivo de licencia en la raíz del repositorio.

Suposición/acción necesaria: añade un archivo LICENSE y actualiza esta sección con el identificador SPDX exacto.

Contact

Para más consultas o interés en colaborar, escríbenos a contact@lazealoptix.com.