Update app.py

app.py

@@ -72,14 +72,15 @@ def load_kspace_data():
 
 kspace_raw = load_kspace_data()
 
-# ปรับแก้ความสว่างด้วย Log Transformation แบบ 100% สว่างคมชัด
+# ปรับแก้ความสว่างด้วย Log Transformation ตามสูตรของเพื่อน ให้สว่างแบบ Original
 def format_kspace_display(k_data):
     k_mag = np.abs(k_data)
-    if np.max(k_mag) == 0:
+    max_val = np.max(k_mag)
+    if max_val == 0:
         return np.zeros_like(k_mag, dtype=np.uint8)
     
-    # สูตร Log Transformation เพื่อดึงความสว่าง
-    c = 255.0 / np.log(1 + np.max(k_mag))
+    # สูตร Log Transformation เพื่อดึงความสว่างให้เห็นรายละเอียดเส้น K-space ชัดเจน
+    c = 255.0 / np.log(1 + max_val)
     log_img = c * np.log(1 + k_mag)
     return log_img.astype(np.uint8)
 
@@ -92,64 +93,40 @@ def get_image_from_plot(fig):
     buf.seek(0)
     return Image.open(buf)
 
-# สร้างภาพแผนผังองค์ประกอบ K-Space ด้วยโค้ด Matplotlib (ไม่ต้องใช้รูปภาพภายนอก)
+# สร้างภาพองค์ประกอบ K-Space แบบกราฟเส้นตัดกัน (พื้นดำ)
 def draw_kspace_diagram():
-    fig, ax = plt.subplots(figsize=(10, 6))
+    fig, ax = plt.subplots(figsize=(5, 5))
+    ax.set_facecolor('black')
     
-    c_center = '#E1B138' # สีเหลืองตรงกลาง
-    c_tb = '#4B8BDE'     # สีฟ้าบนล่าง
-    c_lr = '#5EAA4D'     # สีเขียวซ้ายขวา
+    # แกนเส้นตรงสีขาว
+    ax.axhline(0, color='white', lw=2)
+    ax.axvline(0, color='white', lw=2)
     
-    # วาดโซนต่างๆ
-    ax.add_patch(plt.Rectangle((0.2, 0.2), 0.4, 0.6, facecolor=c_center, edgecolor='black', zorder=2))
-    ax.add_patch(plt.Rectangle((0.1, 0.2), 0.1, 0.6, facecolor=c_lr, edgecolor='black', zorder=2))
-    ax.add_patch(plt.Rectangle((0.6, 0.2), 0.1, 0.6, facecolor=c_lr, edgecolor='black', zorder=2))
-    ax.add_patch(plt.Rectangle((0.1, 0.8), 0.6, 0.1, facecolor=c_tb, edgecolor='black', zorder=2))
-    ax.add_patch(plt.Rectangle((0.1, 0.1), 0.6, 0.1, facecolor=c_tb, edgecolor='black', zorder=2))
+    # วาดคลื่นจำลอง
+    x = np.linspace(-1, 1, 100)
+    y = np.linspace(-1, 1, 100)
     
-    # วาดเส้น Grid
-    for i in range(1, 10):
-        ax.plot([0.1, 0.7], [i*0.1, i*0.1], color='black', lw=0.5, alpha=0.5, zorder=3)
-    for i in range(1, 7):
-        ax.plot([0.1 + i*0.1, 0.1 + i*0.1], [0.1, 0.9], color='black', lw=0.5, alpha=0.5, zorder=3)
-
-    # ตัวหนังสืออธิบาย
-    ax.text(0.4, 0.95, "k-space data", ha='center', va='bottom', fontsize=16, fontweight='bold')
-    ax.text(0.4, 0.85, "HIGH $K_y$ FREQUENCY ZONE\nCAPTURES HORIZONTAL EDGES", ha='center', va='center', fontsize=9, fontweight='bold')
-    ax.text(0.4, 0.5, "LOW SPATIAL\nFREQUENCY ZONE\nCAPTURES BASIC CONTRAST", ha='center', va='center', fontsize=11, fontweight='bold')
-
-    # แกน X, Y
-    ax.annotate('', xy=(0.7, 0.05), xytext=(0.1, 0.05), arrowprops=dict(arrowstyle='<|-|>', color='black', lw=2))
-    ax.text(0.4, 0.0, 'Frequency Encoding (horizontal axis) $K_x$', ha='center', va='top', fontsize=14)
-    ax.annotate('', xy=(0.05, 0.9), xytext=(0.05, 0.1), arrowprops=dict(arrowstyle='<|-|>', color='black', lw=2))
-    ax.text(0.0, 0.5, 'Phase Encoding\n(vertical axis) $K_y$', ha='center', va='center', rotation=90, fontsize=14)
-
-    # วาดคลื่น 3 รูปแบบ
-    x_w = np.linspace(0, 1, 300)
+    # คลื่นแดง (kx)
+    y_red = 0.2 * np.sin(10 * x)
+    ax.plot(x, y_red, color='red', alpha=0.8, lw=2)
     
-    # คลื่นบน (Yellow - Low freq)
-    y_w1 = np.sin(2 * np.pi * 2 * x_w) * 0.1 + 0.8
-    ax.plot(x_w*0.2 + 0.8, y_w1, color=c_center, lw=3)
-    ax.annotate('', xy=(0.78, 0.8), xytext=(0.55, 0.6), arrowprops=dict(arrowstyle='fancy', color=c_center, lw=2, connectionstyle="arc3,rad=-0.2"))
-
-    # คลื่นกลาง (Blue - High freq y)
-    y_w2 = np.sin(2 * np.pi * 12 * x_w) * 0.1 + 0.5
-    ax.plot(x_w*0.2 + 0.8, y_w2, color=c_tb, lw=3)
-    ax.annotate('', xy=(0.78, 0.55), xytext=(0.65, 0.85), arrowprops=dict(arrowstyle='fancy', color=c_tb, lw=2, connectionstyle="arc3,rad=0.2"))
+    # คลื่นน้ำเงิน (ky)
+    x_blue = 0.2 * np.sin(10 * y)
+    ax.plot(x_blue, y, color='blue', alpha=0.8, lw=2)
     
-    # คลื่นล่าง (Green - High freq x)
-    y_w3 = np.sin(2 * np.pi * 8 * x_w) * 0.1 + 0.2
-    ax.plot(x_w*0.2 + 0.8, y_w3, color=c_lr, lw=3)
-    ax.annotate('', xy=(0.78, 0.2), xytext=(0.65, 0.3), arrowprops=dict(arrowstyle='fancy', color=c_lr, lw=2, connectionstyle="arc3,rad=0.2"))
-
-    ax.set_xlim(-0.05, 1.05)
-    ax.set_ylim(-0.05, 1.05)
+    # ใส่ข้อความบอกแกน
+    ax.text(0.95, 0.05, 'kx\n(Frequency)', transform=ax.transAxes, ha='right', va='bottom', fontsize=14, fontweight='bold', color='red')
+    ax.text(0.05, 0.95, 'ky\n(Phase)', transform=ax.transAxes, ha='left', va='top', fontsize=14, fontweight='bold', color='#4B8BDE')
+    
+    ax.set_xlim(-1, 1)
+    ax.set_ylim(-1, 1)
     ax.axis('off')
+    fig.patch.set_facecolor('black')
     return get_image_from_plot(fig)
 
 def draw_kspace_point(kx, ky, bg_image):
     fig, ax = plt.subplots(figsize=(4, 4))
-    # vmin=0, vmax=255 ช่วยให้ภาพสว่างเต็มที่
+    # vmin=0, vmax=255 เพื่อรักษาความสว่าง
     ax.imshow(bg_image, cmap='gray', extent=[-112, 112, -112, 112], vmin=0, vmax=255)
     ax.plot(kx, ky, 'ro', markersize=6)
     ax.annotate('', xy=(kx, ky), xytext=(0, 0), arrowprops=dict(arrowstyle='->', color='yellow', lw=2))
@@ -186,6 +163,7 @@ def apply_filter(k_data, mode, radius):
 
 def draw_filtered_kspace(filtered_k):
     fig, ax = plt.subplots(figsize=(4, 4))
+    # ปรับภาพ Filter ให้สว่างและอัปเดตตามแบบ Real-time
     ax.imshow(format_kspace_display(filtered_k), cmap='gray', vmin=0, vmax=255)
     ax.axis('off')
     return get_image_from_plot(fig)
@@ -193,7 +171,7 @@ def draw_filtered_kspace(filtered_k):
 def draw_mri(mri_result):
     fig, ax = plt.subplots(figsize=(4, 4))
     m_disp = mri_result / (np.max(mri_result) + 1e-8)
-    ax.imshow(np.flipud(m_disp), cmap='gray')
+    ax.imshow(np.flipud(m_disp), cmap='gray') # แก้ภาพกลับหัว
     ax.axis('off')
     return get_image_from_plot(fig)
 
@@ -245,7 +223,6 @@ def draw_pulse_sequence(current_step, total_steps):
     plt.tight_layout()
     return get_image_from_plot(fig)
 
-# วาด Trajectory แบบลูกศรซ้ายไปขวา (เฉพาะโหมดจำลอง)
 def draw_kspace_filling(current_step, total_steps):
     fig, ax = plt.subplots(figsize=(5, 6))
     
@@ -295,19 +272,13 @@ with col_main:
     ข้อมูลใน k-space มักจะถูกนำมาแสดงผลในรูปแบบตารางสี่เหลี่ยม (Grid) โดยมีแกนหลักคือ **kx (แนวนอน - Frequency)** และ **ky (แนวตั้ง - Phase)** จุดสำคัญคือ **แกน kx และ ky เหล่านี้ ไม่ได้บอกตำแหน่งพิกัดในภาพอวัยวะ** แต่มันคือแกนที่บอกถึงลักษณะของ **"ความถี่เชิงพื้นที่"** ที่เป็นคลื่น (Sinusoidal wave) ด้วยเหตุนี้ **จุดแต่ละจุดบน K-space จึงไม่ได้จับคู่แบบ 1 ต่อ 1 กับพิกเซลบนภาพ MRI** (เช่น จุดมุมซ้ายบนของ K-space ไม่ได้สร้างภาพมุมซ้ายบนของอวัยวะ)
     """)
 
-    _, col_img_center, _ = st.columns([1.5, 4, 1.5])
+    _, col_img_center, _ = st.columns([2.5, 3, 2.5])
     with col_img_center:
-        # ใช้กราฟโค้ดแทนการดึงรูปภาพภายนอก
+        # ใช้กราฟเส้นแทนการใช้รูปภาพ
         st.image(draw_kspace_diagram(), use_container_width=True)
-        # คำอ้างอิง
-        st.markdown(
-            """<p class="reference-text">ภาพจำลองอ้างอิงจาก: Clover Learning. (2024). <i>MRI k-space made easy - MRI physics explained</i> [Video]. YouTube. 
-            <a href="https://youtu.be/cfE6SL2Xj6o?t=68" target="_blank">https://youtu.be/cfE6SL2Xj6o?t=68</a></p>""",
-            unsafe_allow_html=True
-        )
 
     # ---------------------------------------------------------
-    # NEW: K-Space Trajectories
+    # K-Space Trajectories
     # ---------------------------------------------------------
     st.markdown("## 🛤️ K-Space Trajectories")
     st.markdown("""
@@ -398,7 +369,6 @@ with col_main:
     with col_img2:
         st.image(draw_wave(kx_val, ky_val), caption="แผ่นลวดลายคลื่น (2D Sinusoidal Wave)", use_container_width=True)
 
-    # ส่วน Toggle สำหรับสังเกตคลื่น
     with st.expander("🔍 สังเกตลักษณะคลื่น (คลิกเพื่อดูคำอธิบายเพิ่มเติม)"):
         st.markdown("""
         **ลองปรับเลื่อนพิกัดเพื่อสังเกตความเปลี่ยนแปลง:**