ImageJ图像锐化 平滑化 寻找颗粒边界 寻找最大值 噪声处理

ImageJ Process▷

该子菜单列出了所有与图像处理有关的命令，包括点操作、滤波器以及多张图片间的算法操作。样图File▷Open Samples▷Blobs(25K)将用于解说本节的大部分内容。

Smooth [S] （平滑化）

是当前的图片或者选区变模糊。该滤波器将以一个像素的3×3领域的平均值来替代该像素。

 

Sharpen（锐化）

增强图片或者选区的对比度以及强调的细节，但是也会增加噪声。该滤波器使用下面的加权因子以3×3领域的加权平均值来替代每个像素。

-1 -1 -1

-1 12 -1

-1 -1 -1

Find Edge(寻找边界)

利用Sobel边缘/边界探测器来高亮图片或者选区中（像素值）强度的剧烈变化。这里利用两个3×3的卷积核（如下所示）来生成垂直的和水平的导数。图像是生成领用两个导数平方和的平方根获得的。

1     2      1         1  0  -1

0     0      0         2  0  -2

-1  -2     -1         1   0  -1

Find Maxima（寻找最大值）

确定一张图片中局部的最大值并领用最大值创建一个相同尺寸的二元掩膜（就像面具），或者每个分段用一个最大值来标记。最大值的分析基于当前存在的矩形选区，没有选区的话则是针对整张图片。

 

对于RGB图片来说，最大值指的是亮度的最大值，亮度是加权的或者是不加权的取决于是否对Edit▷Options▷Conversions中的Weighted RGB to Grayscale Conversion进行了设定。

 

Noise Tolerance(噪声耐量)

如果最大值与周围环境相差不超过这个值，那么它会被忽略（校正图片的校正单元）。换句话说，将阈值设置为最大值减去噪声耐量，并分析阈值以上的最大邻近区域。要认可一个最大值，那么该区域中不能含有任何比该值还大的点，亦即一个区域只允许有一个最大值。

 

 

Out Type(输出格式) （直接参考Process▷Find Maxima…outputs）

 

Single Points 结果为每个最大值一个点

 

Maxima Within Tolerance 所有在噪声耐量范围内最大值的所有点。

 

Segmented Particles 假定每个最大值都属于一个颗粒，然后用分水岭算法（watershed algorithm）对该图片进行分割（与Process ▷Binary ▷Watershed算法不同，其用欧几里得-EDM距离）。参考Process ▷Binar ▷Voroni以获得基于EDM分割的二元图像。

 

Point Selection 显示一个多点选区，每个点即最大值所在的位置。

 

List 在Result窗口中显示每个最大值的XY坐标。

 

Count 在Result窗口中显示最大值的数量

 

Exclude Edge Maxima 如果一个区域接触到图片的边界，那么排除其在噪声耐量范围内的最大值。

 

Light Background 如果图片背景比图片中的对象更亮，比如像下面的细胞群体图片一样，可以勾选此项。

 

输出的是一张二进制（黑白）图像，前景为255，背景为0，在Peocess▷Binary▷Options…中的Black Background选项决定是否使用正常还是倒转LUT显示（黑白的颠倒）。

输出图片中颗粒的数量（由命令Analyze▷Analyze Particles获得）与选择的输出方式（Output Type）没有关系。注意：Exclude Edge Maxima选中的情况下Segmented Particles的结果也会产生于边界接触的颗粒，因为Exclude Edge Maxima只对最大值有效，而不是对颗粒。

 

Find Maxima…命令对堆栈是无效的，当时FindStackMaxima宏可以实现该功能并且创建一个新的包含输出图片的堆栈。而FindMaximaRoiManager宏则说明了如何将Find Maxima…命令找到的颗粒添加到ROI Manager…(兴趣区管理器)。