01
TEM能谱原理
EDS能谱仪工作原理、特征X射线产生机制、元素面分布图（Mapping）的物理意义。
物理基础核心概念
02
数据格式解析
解析常见的TEM-EDS数据格式（.emsa、.h5、.rpl等），使用Python读取原始数据。
Python文件IO
03
数据预处理
背底扣除、峰位校准、去噪平滑（Savitzky-Golay滤波）。
滤波校准
04
元素识别与标记
自动识别元素峰位，标记K系、L系、M系特征峰。
峰识别X射线
05
面分布图生成
基于像素点的元素强度提取，生成伪彩色元素分布图。
伪彩色Mapping
06
图像融合
将元素分布图与STEM-HAADF图像叠加，生成复合图。
叠加STEM
07
定量分析基础
Cliff-Lorimer定量方法，计算原子百分比。
定量原子%
08
线扫描分析
沿指定路径提取元素强度分布曲线。
线扫描分布曲线
09
数据可视化
使用Matplotlib绘制能谱图、分布图、线扫描图。
Matplotlib可视化
10
批量处理
自动化处理多个Mapping数据集，生成报告。
自动化批处理
11
噪声抑制
主成分分析（PCA）降噪在EDS数据中的应用。
PCA降噪
12
元素分布统计
计算元素分布均匀性、偏聚程度等统计指标。
统计均匀性
13
多元素叠加显示
同时显示多个元素的分布，使用RGB叠加。
RGB叠加
14
能谱图拟合
使用高斯拟合分离重叠峰。
拟合高斯
15
薄样品定量
考虑吸收和荧光效应的ZAF修正方法。
ZAF修正
16
数据导出
将处理结果导出为图片、CSV、PDF报告。
导出PDF
17
GUI界面开发
使用PyQt5/Tkinter构建简易EDS分析工具。
PyQt5Tkinter
18
与ImageJ联动
通过Python调用ImageJ宏进行图像处理。
ImageJ宏
19
机器学习应用
使用聚类算法自动识别物相分布。
聚类物相
20
深度学习方法
使用U-Net分割元素分布图中的特征区域。
U-Net分割
21
时间序列EDS分析
分析动态过程中元素分布的变化。
时间序列动态
22
三维EDS重构
基于系列倾转图像的3D元素分布重构。
3D重构
23
低剂量成像策略
在电子束敏感样品上的Mapping优化。
低剂量敏感样品
24
能谱分辨率提升
反卷积方法提高能量分辨率。
反卷积分辨率
25
标准样品定量
使用标准样品建立灵敏度因子数据库。
标准样灵敏度
26
误差分析
统计误差、系统误差的评估与报告。
误差评估
27
开源工具对比
比较HyperSpy、PyXAS、EDAX等工具。
HyperSpy对比
28
案例实战1：金属合金
金属合金中的元素偏析分析。
实战偏析
29
案例实战2：纳米催化剂
纳米催化剂中的元素分布表征。
催化剂纳米
30
案例实战3：生物样品
生物样品中的元素分布成像。
生物成像