RESEARCH GROUP COMPUTED TOMOGRAPHY

UNIVERSITY OF APPLIED SCIENCES UPPER AUSTRIA - RESEARCH & DEVELOPMENT LTD.

open_iA

open_iA ist ein Open-Source- Programm für die visualisierungsgestützte Analyse und die Verarbeitung von Volumsdaten, mit Fokus auf industrielle Computertomographie.

Als graphisches User Interface kommt das Cross-Plattform-Framework Qt zum Einsatz, das eine einfach zu bedienende und attraktive Benutzerschnittstelle ermöglicht. Für Visualisierungs- bzw. Bildverarbeitungszwecke werden neben Eigenentwicklungen die Toolkits ITK und VTK verwendet, die open_iA zu einem mächtigen Werkzeug für 3D Visualisierung und CT Datenanalyse erweitern. open_iA verarbeitet viele Volumsdatenformate sowie unterschiedliche Oberflächendatenformate. Es erlaubt die slice-by-slice Navigation in den 2D Ansichten, 3D Navigation sowie beliebige Schnittebenen in den 3D Ansichten und darüberhinaus das Definieren benutzerspezifischer Ansichten für individuelle Visualisierungen. open_iA ist einfach erweiterbar und dient als zentrale Entwicklungsplattform der Research Group Computertomographie. Und das beste daran - es ist frei verfügbar!

Nutzen Sie jetzt die Gelegenheit, und probieren Sie es auf github: https://github.com/3dct/open_iA

Ausgewählte Werkzeuge:

FeatureScout

Anw Software iAnalyse2 B600px

Faserverstärkte Kunststoffe zählen zur Gruppe der Hochleistungs-Verbundwerkstoffe und zeichnen sich durch ihre hohe mechanische Belastbarkeit bei gleichzeitig niedrigem Gewicht aus. Da die Fasern in diesen Werkstoffen die mechanischen Eigenschaften wie Steifigkeit, Festigkeit, Verformbarkeit etc. stark beeinflussen, ist es wichtig diese exakt zu charakterisieren, um die Materialsysteme optimieren zu können.
FeatureScout dient zur genauen Untersuchung von faserverstärkten Kunststoffen bezüglich ihrer Faser-/Poreneigenschaften (z.B. Verteilung der Faserlängen und Faserorientierungen). Die einzelnen Fasern/Poren können nach bestimmten Kriterien ausgewählt und angezeigt werden. Fasern/Poren mit ähnlichen Eigenschaften können zu Klassen zusammengefasst und mit zusätzlichen statistischen Informationen in einer Liste gespeichert werden. Spezielle Visualisierungsmethoden ermöglichen es die räumliche Position aller definierten Faser-/Porenklassen im CT-Volumendatensatz gleichzeitig darzustellen.

Johannes Weissenböck, Artem Amirkhanov, Weimin Li, Andreas Reh, Artem Amirkhanov, Eduard Gröller, Johann Kastner, Christoph Heinzl: "FiberScout: An Interactive Tool for Exploring and Analyzing Fiber Reinforced Polymers", 2014 IEEE Pacific Visualization Symposium, Yokohama, 2014, pp. 153-160. doi:10.1109/PacificVis.2014.52

 

InSpectr

open iA InSpectr

InSpectr ist ein Werkzeug zur interaktiven Erforschung und visuellen Analyse von multimodalen, multiskalaren Daten. Im Speziellen fokussiert es auf die kombinierte Visualiserung von hochaufgelösten Computertomographiedaten für die strukturelle Charaktierisierung und Spektraldaten geringerer Auflösung zur Analyse der elementaren Zusammensetzung. Das Tool wurde entworfen um die Anforderungen der Materialwissenschaftler im Bereich der industriellen Computertomographie und der Spektralanalyse zu unterstützen. Skalar- und Spektraldatensätze können optional mit zusätzlichen Element-Konzentrations-Volumen und Referenzspektra verknüft werden. Mittels diverser verbundener Ansichten werden lokalisierte und nicht-lokalisierte Informationen verbunden um einen Einblick in Struktur und Zusammensetzung des gescannten Objekts zu geben: Volums-Darstellungen zeigen die globale Materialzusammensetzung; Transfer-Funktionen, direkt auf den Spektraldaten definiert, und überblendete Tortendiagramm-Glyphen zeigen die elementare Zusammensetzung in 2D-Schnitt-Ansichten. Ein repräsentatives aggregiertes Spektrum und ein Histogramm der Spektren-Dichte geben einen Überblick über die Verteilung der Spektren. Eine spektrale Magic Lens, und diverse lokale Sondierungsmethoden erlauben die Analyse der lokalen Zusammensetzung mittels Tortendiagrammen und des Periodensystems der Elemente.

Amirkhanov, A., Fröhler, B., Kastner, J., Gröller, E. and Heinzl, C. (2014), InSpectr: Multi-Modal Exploration, Visualization, and Analysis of Spectral Data. Computer Graphics Forum, 33: 91–100. doi:10.1111/cgf.12365

 

GEMSe

open iA GEMSe

GEMSe ist ein interaktives Werkzeug für die Analyse des Parameterraums von Segmentierungsalgorithmen für mehrkanalige 3D-Datensätze. Die Zielgruppe sind Experten z.B. aus den Materialwissenschaften, der Medizin oder den Geowissenschaften, die nicht notwendigerweise Segmentierungsexperten sind. GEMSe erlaubt die Erforschung des durch die Kombination der möglichen Parameter für ein Segmentierungs-Framework aufgespannten Raums, und dessen Ergebnis-Ensemble. GEMSe erlaubt es, den Parameterraum abzutasten und die entsprechenden Segmentierungen zu berechnen. Anschließend gibt eine hierarchisch geclusterte Baumansicht einen Überblick über Variationen in den Ergebnissen der Segmentierung. Zu einem ausgewählten Cluster werden Details in Form von Beispielbildern angezeigt. Histogramme geben Aufschluss über Eingabe-Parameter und abgeleitete Maßzahlen des Clusters. Korrelationen zwischen Parametern und abgeleiteten Maßzahlen sowie der Effekt von Parameterveränderungen können durch interaktives Filtern sowie Scatterplots erkundet werden.

Fröhler, B., Möller, T. and Heinzl, C. (2016), GEMSe: Visualization-Guided Exploration of Multi-channel Segmentation Algorithms. Computer Graphics Forum, 35: 191–200. doi:10.1111/cgf.12895

 

PorosityAnalyzer

PorosityAnalyzer

PorosityAnalyzer ist ein neuartiges Werkzeug zur detaillierten Auswertung und visuellen Analyse von Porensegmentierungs-Pipelines zur Bestimmung der Porosität in faserverstärkten Polymeren. Das Werkzeug besteht aus dem Berechnungsmodul und dem Analysemodul (siehe Bild oben). Das Berechnungsmodul erlaubt es, unterschiedliche Porensegmentierungs-Pipelines für 3D Computertomographie-Datensätze zusammenzustellen und zu berechnen. Für die einzelnen Segmente einer Segmentierungs-Pipeline können die unterschiedlichen Parameterräume und deren Abtastgenauigkeit festgelegt werden. Die Ergbenisse der Segmentierungs-Pipeline sind die Eingabeparameter, die berechneten 3D-Binärsegmentierungsmasken, die resultierenden Porositätswert, Segmentierungspipeline-Laufzeit, etc. Das Analyse-Modul erlaubt es die Daten auf verschiedenen Detailebenen zu analysieren, um genaue und robuste Segmentierungspipelines zu bestimmen. Unterschiedliche Overview-Visualisierungen erlauben es, die Segmentierungspipelines zu vergleichen und zu bewerten. Beispielsweise können mit einer Scatterplot-Matrix die Segmentierungspipelines anhand ihrer Eingabe- und Ausgabeparameter näher untersucht werden. Einzelne Segmentierungs-Pipelines können dann in der Scatterplot-Matrix ausgewählt werden und mit 2D-Slice Ansichten und 3D-Renderings visuell untersucht und verglichen werden.

J. Weissenböck, A. Amirkhanov, E. Gröller, J. Kastner and C. Heinzl, "PorosityAnalyzer: Visual analysis and evaluation of segmentation pipelines to determine the porosity in fiber-reinforced polymers," 2016 IEEE Conference on Visual Analytics Science and Technology (VAST), Baltimore, MD, 2016, pp. 101-110. doi: 10.1109/VAST.2016.7883516

 

Visual Analysis of 4DCT Data

PorosityAnalyzer

Materialwissenschafter verwenden in unterbrochenen in situ Zugversuchen Röntgen-Computertomographie (CT), um Verbundmaterialien wie glasfaserverstärkte Kunststoffe (GFK) zu analysieren. Im Rahmen eines solchen unterbrochenen in situ Zugversuchs wird ein Verbundstoff-Werkstück mehrmals unter ansteigender Zugbelastung gescannt. Dabei wird das Werkstück geschädigt. Eine solche Serie von CT Scans werden wir im Folgenden als 4-dimensionale CT Daten (4DCT) bezeichnen. Die Schädigungen, die bei solchen Versuchen bei GFKs auftreten, werden in vier Typen eingeteilt: Matrixbrüche, Ablösung der Matrix von den Fasern, Faserauszug und Faserbrüche. 4DCT Daten von GFKs geben Aufschluss über die Entwicklung von Schädigungen innerhalb des Materials unter Belastung. Die von uns entwickelte Software ermöglicht es Schädigungen in GFK-Verbundmaterialien zu detektieren, zu klassifizieren und mit Hilfe verschiedener Visualisierungs-Techniken zu analysieren. Der Defect Viewer hebt Defekte farbkodiert nach Schädigungstyp im Kontext des Original-CT-Bildes hervor. Die Defect Density Map gibt einen Überblick über die Verteilung der Schädigungen nach Typ in 2D und 3D. Die finale Bruchoberfläche schätzt die Position der Materialbruchstelle und zeigt sie als 3D-Oberfläche an. Eine interaktive 3D Magic Lens erlaubt es, detaillierte Visualisierungen für ausgewählte Regionen darzustellen.

Amirkhanov, A., Amirkhanov, A., Salaberger, D., Kastner, J., Gröller, M. E. and Heinzl, C. (2016), Visual Analysis of Defects in Glass Fiber Reinforced Polymers for 4DCT Interrupted In situ Tests. Computer Graphics Forum, 35: 201–210. doi:10.1111/cgf.12896

 

Dynamic Volume Lines

open iA DynamicVolumeLines

Der Vergleich vieler Ensemblemitglieder ist schwierig, langwierig und fehleranfällig, was oft durch feine Unterschiede in den Daten weiter erschwert wird. Das Tool, Dynamic Volume Lines, dient der interaktive visuelle Analyse und dem Vergleich von 3D-Volumina. Jedes 3D-Volumen wird entlang einer raumfüllenden Hilbert-Kurve in ein 1D-Hilbert-Liniendiagramm linearisiert und stellt die Intensitäten über den Hilbert-Indizes dar. Dynamic Volume Lines verwendet eine nichtlineare Skalierung dieser 1D-Hilbert-Liniendiagramme, die auf den Intensitätsvariationen im Ensemble der 3D-Volumina basiert und eine effektivere Nutzung des verfügbaren Bildschirmraums ermöglicht. Die nichtlineare Skalierung bildet die Grundlage für unsere interaktiven Visualisierungstechniken. Eine interaktive Histogramm-Heatmap der Intensitätsfrequenzen dient als Übersichtsdarstellung. Beim Zoomen werden die Frequenzen durch detaillierte 1D-Hilbert-Liniendiagramme und optionale Functional Boxplots ersetzt. Um sich auf wichtige Bereiche im Volumenensemble konzentrieren zu können, wird die nichtlineare Skalierung in die Plots integriert. Ein interaktives Scaling Widget zeigt die lokalen Ensemble-Variationen. Mittels Brushing und Linking werden beispielsweise Regionen mit hoher Ensemblevariation hervorgehoben und die betroffenen Voxel in einer räumlichen 3D-Ansicht dargestellt. Wir zeigen die Anwendbarkeit unserer Konzepte anhand von zwei Fallstudien. In der ersten Fallstudie untersuchen wir eine künstliche Probe, die mittels simulierter industriellen 3D-Röntgen-Computertomographie (XCT) erzeugt wurde. In der zweiten Fallstudie wird eine reale XCT-Schaumprobe untersucht. Unsere Ergebnisse zeigen, dass Dynamic Volume Lines Regionen mit hohen lokalen Intensitätsschwankungen identifizieren können, die es dem Anwender erlauben, beispielsweise Rückschlüsse auf die Wahl von Rekonstruktionsparametern zu ziehen. Darüber hinaus ist es möglich, Ringartefakte in Rekonstruktionsvolumina zu erkennen.

Weissenböck, J., Fröhler, B., Gröller, E., Kastner, J., and Heinzl, C., Dynamic Volume Lines: Visual Comparison of 3D Volumes through Space-filling Curves. Accepted at IEEE Scientific Visualization (SciVis), Berlin, Germany, 2018.

Aktuelle Seite: Home Software