OpenPIVのデフォでは、ベクトル矢印で表示されますが、これをMatplotlibをつかって別の表現方法で試してみます。
OpenPIVをWSL2上をためす その２：とりあえずPython経由で何か喰わせる
実際のところ
模擬データを取得する
さて、試すにしてもデータがないと始まりません。
ランダムでデータ生成するにしたって、実際のPIVでは流速というものがあるので雑に動かれても困ります。
幸いなことに（？）２００１年ごろから学会等のベンチマークで活用されているらしいデータ群があるので、ありがたく使わせてもらいます。
www.pivchallenge.org
から、
http://www.pivchallenge.org/pub/B/B006_1.tif
と
http://www.pivchallenge.org/pub/B/B006_2.tif
という二枚の画像をお借りします。
$ wget http://www.pivchallenge.org/pub/B/B006_1.tif $ wget http://www.pivchallenge.org/pub/B/B006_2.tif
(それにしても、三次元のPIVなんてのもあるんですね……恐ろしい)
画像を読み込ませる
jupyter notebookを起動する
前回のように構築してればJupyterNotebookが入っている筈なので
$ jupyter lab &
でサーバーを起動。
デフォなら以下のリンクで開けるはず、
http://localhost:8888/lab
ライブラリと画像を読み込む
from openpiv import tools, pyprocess, validation, filters, scaling import numpy as np import matplotlib.pyplot as plt %matplotlib inline import imageio frame_a = tools.imread('~/B006_1.tif') frame_b = tools.imread('~/B006_2.tif') fig,ax = plt.subplots(1,2,figsize=(12,10)) ax[0].imshow(frame_a,cmap=plt.cm.gray) ax[1].imshow(frame_b,cmap=plt.cm.gray)
特に問題なければ、画像がこんな感じで表示されてる筈です。
PIVを試す
さて本題。
試すだけなので、そのまんま公式チュートリアル写経します。
winsize = 32 # pixels, interrogation window size in frame A searchsize = 38 # pixels, search in image B overlap = 12 # pixels, 50% overlap dt = 0.02 # sec, time interval between pulses u0, v0, sig2noise = pyprocess.extended_search_area_piv(frame_a.astype(np.int32), frame_b.astype(np.int32), window_size=winsize, overlap=overlap, dt=dt, search_area_size=searchsize, sig2noise_method='peak2peak') x, y = pyprocess.get_coordinates( image_size=frame_a.shape, search_area_size=searchsize, overlap=overlap ) u1, v1, mask = validation.sig2noise_val( u0, v0, sig2noise, threshold = 1.05 ) # if you need more detailed look, first create a histogram of sig2noise # plt.hist(sig2noise.flatten()) # to see where is a reasonable limit # filter out outliers that are very different from the # neighbours u2, v2 = filters.replace_outliers( u1, v1, method='localmean', max_iter=3, kernel_size=3) # convert x,y to mm # convert u,v to mm/sec x, y, u3, v3 = scaling.uniform(x, y, u2, v2, scaling_factor = 96.52 ) # 96.52 microns/pixel # 0,0 shall be bottom left, positive rotation rate is counterclockwise x, y, u3, v3 = tools.transform_coordinates(x, y, u3, v3) #save in the simple ASCII table format tools.save(x, y, u3, v3, mask, 'exp1_001.txt' ) fig, ax = plt.subplots(figsize=(8,8)) tools.display_vector_field('exp1_001.txt', ax=ax, scaling_factor=96.52, scale=50, # scale defines here the arrow length width=0.0035, # width is the thickness of the arrow on_img=True, # overlay on the image image_name='~/B006_1.tif');
実行すると以下の様に渦巻き状に動いていたことが分かります。
OpenPIVをWSL2上をためす その１：環境をつくる
PIV ( Particle Image Velocimetry :粒子画像流速測定法 )というものがあります。
細かい粒が入ってる流れを動画撮影し、それらの点の動きをベクトル表示するというもので、
最近だとコロナ騒動の飛沫モデルのような、ああいう感じの表示ができるスグレモノ。
具体的には、粒子を点とみたて、それぞれの点の移動ベクトルを表示（強さは要ろである事が多い）して、傾向を分析する手法です。
実際のところ
OpenPIVについて
OSSなPIVのソフトで、比較的話題にあがりやすいツールの一つ。
ゴリゴリ専門の方には不足に感じられるところもある様子。
2021年1月から、matlabの開発は停止しPythonでの実装に集中するらしい。
事例ではJupyterNotebookでの動作をしているものもあるので、弄りながらの実験も可能な様子。
OpenPIV - open source particle image velocimetry
実際の導入
$ sudo apt update $ sudo apt upgrade
真っ新な状態ならpipもないので、これをどう謬
$ sudo apt install python3-pip $ pip --version pip 20.0.2 from /usr/lib/python3/dist-packages/pip (python 3.8)
openpivと使えるものを導入。
$ pip install openpiv jupyterlab numpy matplotlib imageio
Windows10にWSL2環境をいれる
Windows環境でLinux系の動作を再現よくできるWSL(Windows Subsystem for Linux)が聞いている限り便利そう。
リリース直後は恐らく不安定だろうとスルーしてVirtualBoxを利用していたものの、Ver2系統になってからまわりの関連企業でも導入が進んでいるみたいなのでボチボチやってみようかと。
実際のところ
今回はUbuntu20LTS系を構築する事も目標にします。
まったく知らなかったのですが、すくなくとも現行のWSLではインスタンスの巻き戻しや保存もできるそうです。
Microsoft Storeから、Ubuntu20LTS系を探し、ダウンロード
初回起動するとこんな画面
なんか設定しないといけないらしい。
必要なパッケージを導入され、再起動が促される。
再起動後、StoreからUbuntuを起動するとダウンロードが開始される
ユーザー名とパスワードを入れれば無事起動。
WSL2にバージョンアップする
WSL2を使う場合はこのままではダメ。
PS C:\WINDOWS\system32> dism.exe /online /enable-feature /featurename:VirtualMachinePlatform /all /norestart 展開イメージのサービスと管理ツール バージョン: 10.0.19041.844 イメージのバージョン: 10.0.19042.1083 機能を有効にしています [==========================100.0%==========================] 操作は正常に完了しました。
最新のカーネルをダウンロードして適用。
執筆時点の最新は以下のリンクにある。１４Mbyteほど。
https://wslstorestorage.blob.core.windows.net/wslblob/wsl_update_x64.msi
インストーラーを起動するとこんな画面が出てくるので、指示をよく読んでOKなら導入する。
適用。
PS C:\WINDOWS\system32> wsl --set-default-version 2
【注意】完全に動くというわけでもない
私個人は直接確認していないものの、シリアルポートの挙動がUbuntu機で異なるという話を小耳にはさんだことがあります。
【読書メモ】名言でたどる世界の歴史
【読書メモ】7カ国語をモノにした人の勉強法 (祥伝社新書331)
英語、中国語、ベトナム語、韓国語とやって、単語の拾い読み、音の聞き分けが断片的にできる程度の状態にはもっていけました。
とはいえ、英語以外は仕事でつかえるレベルではなく。
英語に関しては何度か言及していた通り、大学時代にAngryVideoGameNardの字幕付きでやっていたのが、結果的に話せる能力に繋がっていたなと。
読み書きについても、技術については概念を大雑把に日本語で抑えた後は英語のリファレンス読んだ方が早いってレベルにもなりました。
とはいえ、英語以外は仕事でつかえるレベルではなく。
英語に関しては何度か言及していた通り、大学時代にAngryVideoGameNardの字幕付きでやっていたのが、結果的に話せる能力に繋がっていたなと。
読み書きについても、技術については概念を大雑把に日本語で抑えた後は英語のリファレンス読んだ方が早いってレベルにもなりました。
さて今回紹介するこちらの本も、大体同じ結論に至っています。
つまり、興味のあるコンテンツを能動的に見てけば、時間はかかるが身につく、と。
まずリズムがあり、次に音感があり。
そこまで行ってしまえば、あとは身につくスピードが速くなると。
表題の通り７か国語とありますが、なんとハリーポッターを日本語以外の６か国語で読破したそうで。
……そういえば留学生がコーランで日本語の語感を把握したとか何とか言っていた気がする……。
あとは、言語学者らしく、日本語や中国語、他の欧米言語の成り立ちや運用を解説しているパートが続きます。
続編……というか、実践編もあるみたいですね。
Ubuntu on RasPi4で今度こそInfluxDB2を試す
shuzo-kino.hateblo.jp
のリベンジ。
時系列データベースであるInfluxDBの現行版はVer2系統であるものの、RasPiOSは32bitであり対応不能。
Python2とPython3みたいな関係性とも思えないため、わざわざInflexDB1.8系を試す試みは放棄し、
現行版であるInfluxDB2.0系の構築に移ろうと思います。
