二次探测再散列_电镜学堂 | 细谈二次电子和背散射电子(一)

点击上方「电镜网」快速关注

中国电子显微镜学会、中国电镜网官方微信

电镜网为中国电子显微镜学会官方微信公众平台,旨在促进显微学领域学术交流,发布电镜学会官方通知与信息,并选择性发布与学科相关的人文风情,地区发展介绍。

转自 TESCAN公司

c046c4899bc4eccd9ae8e6ad436c3971.png 二次电子(SE)和背散射电子(BSE)是扫描电镜(SEM)中最基本、最常用的两种信号,对于很多扫描电镜使用者而言,二次电子可以用来表征形貌,背散射电子可以进行原子序数表征已经是基本的常识。然而,二次电子、背散射电子与衬度的关系并非如此简单。今天,我们就来深入的了解一下SE、BSE的细分类型,各自的特点,以及它们和衬度之间的关系。 c2cc8085cf6fa8ba40e889b0ebb253f2.png

二次电子

48c4aa3e94c4b6d7b4a39dfe9ed49e39.gif

       二次电子是入射电子与试样中弱束缚价电子产生非弹性散射而发射的电子,一般能量小于50eV,产生深度在试样表面10nm以内。二次电子的产额在很大程度上取决于试样的表面形貌,因此这也是为什么在很多情况下大家把SE图像等同于形貌像。然而,这种说法并不严谨。

二次电子(SE)和其它衬度的关系

        二次电子的产额其实和成分也有很大的关系,尤其是在低原子序数(Z<20)时,二次电子也能够清晰的反映出成分之间的差异。图1中显示的就是SE产额随原子序数Z的关系。

567aae83501ed3178cbb2c9698a1c178.png

图1 SE产额随原子序数Z的关系

        这类实际例子非常多,如图2中的碳银混合材料,SE像不但可以区分出碳和银的成分差异,而且相对BSE图像来说具有更多的形貌细节。

88f2edce9c4ea1532715ecefbba851bf.png

图2  碳银混合材料的SE、BSE图像以及碳、银电子产额

        所以,如果对于低原子序数试样,或者原子序数差异非常大时,若要反映成分衬度,并不一定非要用BSE像,SE像有时也可获得上佳的效果

        除了成分衬度外,SE还具有较好的电位衬度,在正电位区域SE因为收到吸引而使得产额降低,图像偏暗,反之负电位区域SE像就会偏亮。而BSE因为本身能量高,所以产额受电位影响小,因此BSE像的电位衬度要比SE小的多。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
DS哈希查找-二次探测散列是一种解决哈希冲突的方法。它使用二次探测散列技术来解决冲突,即当发生冲突时,通过一定的算法找到下一个可用的位置。 以下是DS哈希查找-二次探测散列的步骤: 1. 定义哈希函数:首先,需要定义一个哈希函数,将关键字映射到哈希表的位置。在这个例子中,哈希函数为H(key) = key%11,即将关键字除以11取余数。 2. 创建哈希表:根据输入的表长,创建一个具有相应大小的哈希表。 3. 插入关键字:将输入的关键字集合插入到哈希表中。如果发生冲突,即两个关键字映射到了同一个位置,就使用二次探测散列来找到下一个可用的位置。 4. 查找给定关键字:根据给定的关键字,使用哈希函数计算出它在哈希表中的位置。如果该位置上的关键字与给定关键字相等,则找到了;否则,使用二次探测散列找到下一个位置,直到找到相等的关键字或者遇到空位置。 下面是一个示例代码,演示了DS哈希查找-二次探测散列的过程: ```python def hash_function(key, table_size): return key % table_size def insert(hash_table, key, table_size): index = hash_function(key, table_size) if hash_table[index] is None: hash_table[index] = key else: i = 1 while True: new_index = (index + i*i) % table_size if hash_table[new_index] is None: hash_table[new_index] = key break i += 1 def search(hash_table, key, table_size): index = hash_function(key, table_size) if hash_table[index] == key: return index else: i = 1 while True: new_index = (index + i*i) % table_size if hash_table[new_index] == key: return new_index elif hash_table[new_index] is None: return -1 i += 1 # 创建哈希表 table_size = 11 hash_table = [None] * table_size # 插入关键字 keys = [12, 23, 34, 45, 56, 67, 78, 89, 90] for key in keys: insert(hash_table, key, table_size) # 查找给定关键字 search_key = 34 result = search(hash_table, search_key, table_size) if result != -1: print("关键字 {} 在哈希表中的位置是 {}".format(search_key, result)) else: print("关键字 {} 不在哈希表中".format(search_key)) ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值