1、放大率：
与普通光学显微镜不同，在SEM中，是通过控制扫描区域的大小来控制放大率的。如果需要更高的放大率，只需要扫描更小的一块面积就可以了。放大率由屏幕/照片面积除以扫描面积得到。
所以，SEM中，透镜与放大率无关。
2、场深：
在SEM中，位于焦平面上下的一小层区域内的样品点都可以得到良好的会焦而成象。这一小层的厚度称为场深，通常为几纳米厚，所以，SEM可以用于纳米级样品的三维成像。
3、作用体积：
电子束不仅仅与样品表层原子发生作用，它实际上与一定厚度范围内的样品原子发生作用，所以存在一个作用“体积”。
4、工作距离：
工作距离指从物镜到样品最高点的垂直距离。
如果增加工作距离，可以在其他条件不变的情况下获得更大的场深。如果减少工作距离，则可以在其他条件不变的情况下获得更高的分辨率。通常使用的工作距离在5毫米到10毫米之间。
5、成象：
次级电子和背散射电子可以用于成象，但后者不如前者，所以通常使用次级电子。
6、表面分析：
欧革电子、特征X射线、背散射电子的产生过程均与样品原子性质有关，所以可以用于成分分析。但由于电子束只能穿透样品表面很浅的一层（参见作用体积），所以只能用于表面分析。
表面分析以特征X射线分析最常用，所用到的探测器有两种：能谱分析仪与波谱分析仪。前者速度快但精度不高，后者非常精确，可以检测到“痕迹元素”的存在但耗时太长。
观察方法：
如果图像是规则的（具螺旋对称的活体高分子物质或结晶），则将电镜像放在光衍射计上可容易地观察图像的平行周期性。
尤其用光过滤法，即只留衍射像上有周期性的衍射斑，将其他部分遮蔽使重新衍射，则会得到背景干扰少的鲜明图像。
扩展资料：
SEM扫描电镜图的分析方法：
从干扰严重的电镜照片中找出真实图像的方法。在电镜照片中，有时因为背景干扰严重，只用肉眼观察不能判断出目的物的图像。
图像与其衍射像之间存在着数学的傅立叶变换关系，所以将电镜像用光度计扫描，使各点的浓淡数值化，将之进行傅立叶变换，便可求出衍射像〔衍射斑的强度（振幅的2乘）和其相位〕。
将其相位与从电子衍射或X射线衍射强度所得的振幅组合起来进行傅立叶变换，则会得到更鲜明的图像。此法对属于活体膜之一的紫膜等一些由二维结晶所成的材料特别适用。
扫描电镜从原理上讲就是利用聚焦得非常细的高能电子束在试样上扫描，激发出各种物理信息。通过对这些信息的接受、放大和显示成像，获得测试试样表面形貌的观察。
参考资料：百度百科-扫描电子显微镜
用graphpadprism
做sem柱状图的方法步骤：
一、第1类
1.
根据Table
5的原始数据做柱状图。
2.
选择Column
graphs栏，因为该栏默认输入的都是原始数据，因此没有输入样本数的地方，只需选择数据处理类型为(Mean&SD)。
3.
在Data分栏中输入数据。
4.
软件就会自动算出均值和误差值，并做好柱状图。
二、第2类
1.
根据Table6的原始数据做两组数据比较的柱状图。
2.
涉及到两组数据比较，所以我们选择grouped栏，图表类型选择柱状图，因为Grouped栏并不是像Column
graphs栏一样默认输入的是原始数据，因此有输入样本数的地方，这边的样本数是4，因此我们相应地设置样本为4。
3.
在Data分栏中输入数据。
4.
软件会自动帮你做好一幅漂亮的分组柱状图。
三、用两组计算好的数据做一个两组比较的柱状图
1.
用Table
8的数据做成两组比较的柱状图。
2.
作步骤和2一样，只需多输入一组数据，仍然选择Grouped栏，告诉软件你输入的值是已经计算好的。
3.
在data栏中输入数据。
4.
软件即时生成图。
怎样用图表分析数据
本文会给大家讲解：从入门到精通：如何用图表做好数据分析？
随着精益化运营的概念不断深入人心，数据分析已经成为了互联网人的必修课。相比于高深的概率统计、算法模型，简单、直观的图表工具得到了更为广泛的应用。
那么图表都有哪些类型？不同类型的图表又该怎么用？在这篇文章中我们结合互联网产品和运营的业务需求，由浅入深地给大家解答这些问题。
Part 1 | 初阶：维度和指标
初阶的图表简单易懂，能满足简单的数据分析需求，具体包括趋势、频数、比重、表格等类型。图表数据分析的前提就是将自己需要呈现的指标，以一定的维度拆分，在坐标系中以可视化的方式呈现出来。
1. 趋势图
趋势分析是最基础的图表分析，包括线图、柱状图、堆积图等多种形式。
线图可以观察一个或者多个数据指标连续变化的趋势，也可以根据需要与之前的周期进行同比分析。柱状图可以观察某一事件的变化趋势；如果将整体拆分可以做成堆积图，同时观察到部分所占比重及变化趋势。
图 1 - GrowingIO 周期对比线图：
图 2 - GrowingIO （堆积）柱状图：
产品经理和运营人员通过趋势图分析流量的实时走向，如每日 pv、uv、DAU 等基本数量指标以及停留时长、平均访问页面数等质量指标，可以及时把握产品的变化趋势。一旦趋势周期对比发生异常（异常高和异常低），我们需要及时介入排查原因、解决问题。
2. 频数图
根据业务需求对指标按照一定维度拆分，对比不同组别的频数，便于分清轻重缓急。
图 3 - GrowingIO 条形图：
条形图清晰展示了用户在不同类别上的频数，并且按照数量从大到小排序。上图展示的是某产品用户使用浏览器的频数分布，在资源有限的情况下产品可以先适配 Chrome 和 IE 浏览器以提升绝大部分用户体验。
图 4 - GrowingIO 双向条形图：
上面的双向条形图展示了某 B 端产品的客户平均停留时长极端情况（非常高和非常低），企业 1-5 非常活跃，可以让运营人员促进客户增购、续约，而企业 6-10 活跃度非常低，即将流失，需要运营人员立刻介入干预。
3. 比重图
比重分析主要是用来了解不同部分占总体的比例。横向比较，扇形图、环形图可以满足这类需求；纵向比较，百分比堆积图可以显示不同部分所占比例的趋势变化。
图 5 - GrowingIO 访问用户来源环形图：
图 6 - GrowingIO 百分比堆积图：
环形图（图 5）显示了某节点访问用户来源渠道比例，百分比堆积图（图 6）则动态显示了不同渠道比例的变化趋势，市场或者运营人员可以据此动态优化我们的资源投放。
4. 表格
表格信息密集，可以同时分析多维度、多指标数据，适合对数据敏感的人群使用。虽然表格能看到具体的数值，但是不能直观看到趋势、比重。
图 7 - GrowingIO 表格提供三十多个维度供指标拆解：
通过表格（图7）不难发现，移动端访问用户占了非常大的比例，但是跳出率非常高。这样的表格数据启示我们有必要优化移动端产品，提升整体访问深度。
5. 其他图表
下面介绍的是气泡图，气泡图用来展示一个事件与多个维度之间的关系，如分析B端产品客户成单周期与客户活跃度、登录账号数量之间的关系。
图 8 - GrowingIO 「客户温度 - 健康度」气泡图：
除了上述常见的图表，还有散点图、箱线图、股价图、雷达图等图表，在此不一一赘述。
Part 2 | 进阶：用户行为洞察
正如前面所言，初阶图表能满足简单的业务需求。但要想深入洞察用户行为，还需要紧密结合业务实践，用更加专业的图表辅助数据分析。在这里，我和大家分享三个实用的工具：漏斗图、留存图和热（力）图。
1. 漏斗图
漏斗图主要用于转化过程，例如注册流程、商品购买流程，分析用户在不同阶段的转化或者流失情况。
图 9 - GrowingIO 漏斗图：
产品运营应该关注重点转化路径的转化率，对于转化率非常低的环节、或者转化率突然下降的情况，都需要及时排查原因。
2. 留存图
留存是指用户首次访问你的网站，多少天后又重新回访的情况。利用留存曲线可以对留存进行深入分析。
图 10 - GrowingIO 留存曲线:
某问答社区通过留存曲线（图 10）发现，通过搜索引擎来源的新用户（红色）留存度和活跃度远远高于一般新用户（绿色），这启示社区运营者：搜索引擎可能成为社区的下一个增长点。
3. 热（力）图
热图，又称热力图，显示的是用户在你产品页面上的点击、停留偏好。借助热图产品经理可以优化产品页面布局，运营可以优化内容，确实是一个好工具。
图 11 - GrowingIO 热图：
Part 3 | 高阶：用数据驱动增长
随着数据可视化技术的不断发展，图表的类型越来越丰富，我们不可能在一篇文章中将其穷尽。但是图表数据分析的本质不会变，其最终目还是要辅助人们的决策。
1. 搭建属于自己的数据看板
人们的工作在不断细分，需要分析和决策的内容也不太一样。同样都是市场部门的同事，负责内容营销的与负责 SEM 的需要关注的数据差异很大，而这就需要搭建属于自己的数据看板。
图 12 - GrowingIO 数据看板：
例如 SEM 主管根据工作需要搭建数据看板，将广告投放（表格）、访客来源（百分比堆积图）、访问用户量（线图）、登录用户量（柱状图）和注册转化率（漏斗）等重要数据集中在一个看板中。数据看板能帮助我们以合适的方式展示数据，集中精力做好业务决策。
2. 在实践中践行 MVP
用图表做好数据分析并非易事，它绝非一朝一日之功，但也并不是无规律可循。
首先是对业务的理解，能洞察数字背后的商业意义。其次是灵活选择维度拆分指标，在图表坐标系中以合适的形式进行可视化展示。最后一定要从图表数据分析中发现问题，并指导业务决策。在这样不断反复的过程中，不断优化我们的图表数据分析过程，用数据来驱动业务增长。
本文作者：GrowingIO 增长团队，集工程、产品、市场、分析多重角色于一身，负责拉新和用户活跃，用数据驱动业务增长。
欢迎分享，转载请注明来源：夏雨云
微信扫一扫
支付宝扫一扫
评论列表（0条）