Skip to content

README.fr.md

Latest commit

 

History

History
281 lines (200 loc) · 12.5 KB

README.fr.md

File metadata and controls

281 lines (200 loc) · 12.5 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

🌐 Statut multilingue : i18n/ est présent et réservé aux fichiers README par langue. Les documents localisés associés sont planifiés ou en cours.

✨ Vue d'ensemble

Focus Emplacement
Workflow principal notebooks/
Spécification de l'environnement notebooks/reconstruction/lensless.yaml
Notes de composants camera/, light_source/, reconstruction/, three_axis_cnc/
Documentation d'entrée i18n/README.*.md
Prototype pour usage individuel Prototype pour usage institutionnel

Prototype pour usage individuel (à gauche) et usage institutionnel (à droite)

Aperçu

Lazeal OptiX est un projet de recherche/prototype pour des flux d'imagerie lensless dans des contextes de diagnostic liés à la santé. Le dépôt est actuellement centré sur les notebooks et de nature expérimentale, et vise à rendre des approches de diagnostic avancé plus accessibles dans des environnements contraints.

Principales idées :

  • reconstruction d'images sans lentille,
  • localisation de la source lumineuse,
  • appariement et alignement d'images multiples.

Le dépôt est principalement maintenu via des notebooks Jupyter sous notebooks/, avec un contexte spécifique par module stocké dans des répertoires dédiés.

Instantané de l'état du dépôt

Domaine Statut actuel
Maturité du projet Prototype de recherche
Modèle d'exécution principal Workflows avec notebooks Jupyter
Domaines d'expérimentation principaux Reconstruction, localisation de la source lumineuse, appariement d'images multiples
Packaging/CI à la racine Non déclaré actuellement
Documentation multilingue Répertoire i18n/ présent

Fonctionnalités

  1. Concepts avancés de microscopie : optique avancée et motifs de capture d'image pour une analyse détaillée.
  2. Contexte biochimique / diagnostic : workflows expérimentaux ciblés vers la détection d'indicateurs de santé.
  3. Orientation conviviale : conçu pour une utilisation simple et un déploiement pratique.
  4. Expérience laptop-first : les notebooks fournissent le chemin d'exécution principal.
  5. Utilitaires de reconstruction lensless : pipelines computationnels pour une reconstruction haute résolution.
  6. Outils de localisation de source lumineuse : expériences de calibration géométrique et de localisation.
  7. Appariement d'images multiples : appariement basé sur SIFT, chaînage et outils d'alignement.

Structure du projet

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/

Notes par module

  • camera/ : scripts/ressources liés à l'utilisation de la caméra pour la capture d'échantillons en haute résolution.
  • light_source/ : scripts/ressources pour le contrôle et l'optimisation de la source lumineuse.
  • reconstruction/ : scripts/ressources pour la reconstruction computationnelle.
  • three_axis_cnc/ : scripts/ressources pour le positionnement/contrôle CNC à trois axes.
  • notebooks/ : espace de travail technique principal pour les expériences et méthodes.

Notebooks

Le répertoire notebooks contient des notebooks Jupyter qui documentent les méthodes expérimentales centrales. Ces notebooks fournissent le code, les visualisations et les notes méthodologiques pour chaque domaine.

light_source_location

Contient les notebooks liés à l'estimation de la position de la source lumineuse. Ces méthodes supportent la calibration géométrique de la source et la fidélité de reconstruction.

multiple_match

Contient des notebooks et scripts pour l'appariement d'images/modèles et l'alignement afin d'appuyer des workflows d'enregistrement robuste.

reconstruction

Contient des notebooks liés à la reconstruction depuis des images capturées, y compris les scripts de prétraitement et d'expériences.

Prérequis

  • OS : Linux/macOS recommandé pour les workflows Conda et OpenCV actuels.
  • Python : environnement ciblé Python 3.7.
  • Conda : nécessaire pour reproduire l'environnement lensless documenté.
  • Jupyter Notebook/Lab.
  • Chaîne d'outils C++ optionnelle pour multiple_match.cpp :
    • g++ avec prise en charge C++17.
    • OpenCV 4.x avec les modules contrib (opencv2/xfeatures2d.hpp / SIFT).

Installation

1) Cloner

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

2) Créer l'environnement notebook

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

3) Démarrer Jupyter

jupyter notebook

Utilisation

Ce dépôt est principalement utilisé en ouvrant les notebooks et en exécutant les cellules dans l'ordre documenté.

Piste de reconstruction

  • Ouvrez notebooks/reconstruction/dataset_prep.ipynb pour la préparation du jeu de données.
  • Ouvrez notebooks/reconstruction/lensless-dropout-one-led-mahuichong.ipynb pour les expériences de reconstruction/entraînement.

Piste de localisation de source lumineuse

  • Ouvrez les notebooks sous notebooks/light_source_location/.

Piste de correspondance multiple

  • Ouvrez les notebooks sous notebooks/multiple_match/.
  • Utilitaire optionnel : notebooks/multiple_match/multiple_match.cpp.

Configuration

Environnement Conda

Spécification principale de l'environnement :

  • notebooks/reconstruction/lensless.yaml

Dépendances notables :

  • python=3.7
  • pytorch=1.9.0
  • pyro-ppl
  • dépendances de vision par ordinateur proches d'OpenCV dans les notebooks

Données et chemins

  • Hypothèse : les jeux de données sont locaux et ne sont pas déclarés de manière centralisée à la racine du dépôt.
  • Hypothèse : l'utilitaire de matching C++ attend un répertoire all/ (relatif à son chemin d'exécution) contenant des images lisibles en niveaux de gris.

Si votre configuration locale diffère, mettez à jour les cellules de chemins des notebooks et le répertoire d'entrée C++ en conséquence.

Exemples

Exécuter l'utilitaire de matching

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

Comportement attendu :

  • Lit les images de all/
  • Calcule des appariements SIFT chaînés entre les images
  • Écrit une image de sortie comme result_<timestamp>.png

Lancer un notebook spécifique

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

Notes de développement

  • Aucun manifeste de packaging au niveau racine (pyproject.toml, requirements.txt, setup.py) ou harness CI/tests n'est actuellement présent.
  • Le travail est d'abord orienté expérimentation ; les notebooks sont la source de vérité des algorithmes actuels.
  • camera/, light_source/, reconstruction/ et three_axis_cnc/ contiennent des descriptions au niveau des composants et constituent de bons points d'extension pour des runbooks.
  • i18n/ est préparé pour la documentation spécifique à chaque langue.

Dépannage

  • Problèmes de résolution Conda : mettez à jour Conda, vérifiez l'ordre des canaux, puis relancez la création d'environnement.
  • Incompatibilité de noyau dans les notebooks : vérifiez que Jupyter utilise bien l'environnement lensless.
  • Erreurs de compilation OpenCV/SIFT : installez les modules OpenCV contrib et validez la disponibilité de opencv2/xfeatures2d.hpp.
  • Erreurs de fichiers manquants dans les notebooks : vérifiez les jeux de données attendus et les chemins relatifs aux notebooks.
  • Le matcher ne lit aucune image : assurez-vous que notebooks/multiple_match/all/ existe avec des fichiers image valides.

Feuille de route

  • Étendre les runbooks au niveau module dans camera/, light_source/, reconstruction/ et three_axis_cnc/.
  • Documenter les contrats de jeux de données et fournir des références d'échantillons reproductibles.
  • Ajouter des wrappers de scripts pour les pipelines notebook principaux.
  • Ajouter des contrôles de validation pour les sorties de reconstruction et d'appariement.
  • Finaliser les README multilingues sous i18n/.

Participation

Nous accueillons la collaboration et les contributions.

  • Ouvrez une issue pour lancer une discussion.
  • Soumettez une pull request pour des changements ciblés de documentation ou expérimentaux.
  • Contactez les mainteneurs pour les changements matériels/protocolaires avant les refactors importants.

Contribution

  1. Forkez le dépôt.
  2. Créez une branche de fonctionnalité.
  3. Gardez les changements ciblés et documentés (en particulier pour les notebooks).
  4. Ouvrez une pull request avec la motivation, la méthode et les notes de validation.

Licence

Aucun fichier de licence n'est actuellement présent à la racine du dépôt.

Hypothèse/Action nécessaire : ajouter un fichier LICENSE et mettre à jour cette section avec l'identifiant SPDX exact.

❤️ Support

Donate PayPal Stripe
Donate PayPal Stripe

Contact

Pour toute question supplémentaire ou intérêt de collaboration, veuillez nous contacter à contact@lazealoptix.com.