(转载)生物光学成像处理分析软件 MBF ImageJ 使用指南

http://blog.sina.com.cn/s/blog_55790e0e01016sxh.html
简介:ImageJ是一款基于java的公共的图像处理软件,由NIH免费发布.能够以简单的图形界面操作,也自带有插件(Plugins)和宏进行编程.由于其免费且易于操作,ImageJ成为科学研究领域应用非常广泛的图像处理分析工具,且众多的插件可以免费下载也使其几乎涵盖了所有的图像分析处理方法.本文主要基于加拿大McMaster  University的 Health Sciences Centre 发布的集成了多种生物医学成像插件的MBF ImageJ软件为基础,初步介绍一些常用有关生物医学图像插件的实用方法 . 该软件可在其官网免费下载( http://www.macbiophotonics.ca/imagej/index.htm).
0.安装与打开
0.1下载-安装即可. 
0.2 加载插件: MBF自带很多插件,基本够用,如果下载了其他插件,需加该插件放入Plugins文件夹(如安装在D盘,则是D:\MBF_ImageJ\plugins). 
Plugins一般有三种格式,

*.java = uncompiled plugins (a.k.a. source code)

*.class = compiled plugins

*.jar = compressed compiled and uncompiled source code files

加入后重新启动ImageJ软件即可更新.

0.3 导入图片.在File/Open 或者File/Improt. 一般来说以Tiff格式图像进行处理最好,其他公司软件如奥林巴斯的Oib文件可以转换为Tiff进行导入,也可以使用相应的导入插件(FV1000 Vewer可以和imageJ配合使用,下载可去   http://bipl.umn.edu/node/67).
1. 图片组/图片操作
1.1             图片的移动/去除/增加

删除单个图片：“Image/Stacks/Delete Slice”

删除一组图片：“Plugins/Stacks - Reducing/Sliceremover ”

选择删除图片：“Plugins/Stacks-Reducing/Substack maker ”

从图片组到图片组/从图片到图片组：“Image/Stacks/Stack to images”(Images to Stack…)

从图片集到图片组：需要统一图片格式，使用“Plugins/Stack – building/Stack Builder”

混合图：“Image/Stack/montage”

图片组逆向：“Plugins/Stacks – StackShuffling/Stack reverser”

连结：“Plugins/Stacks – Building/Concatenator”

图片组连接：“Plugins/Stacks – Building/StackCombiner ”
图片交叉（去交叉）：“Plugins/Stacks –Shuffling/DeInterleave” and “/Interleave ”

图片插入：“Plugins/Stacks – Building/StackInserter”

图片组分类：“Plugins/Stacks – Shuffling/StackSorter ”，控制单个图片或一组图片的位置，高级的插入功能。

 

                              

1.2             图片组维数操作

图片或图片组的尺寸调整和旋转可以使用TransformJ。

 

1.3             Zoomifyplugin
 
1.4             图片组图片调平

插件："Plugins/Stacks - shuffling/Align Slices"，”Rigid body”方法似乎能显微镜图片的最佳效果。

Time series before alignment

 

After

 

2.   图像强度处理
2.1             明暗度和对比度

点击“Image/Adjust/Brightness-Contrast” (hotkey: Shift+C).

“Auto”键表示制动增强对比度。明暗度和对比度的调整是根据图片或用户选择区域的直方图进行的。如果反复操作，可以使得像素的增长比例逐步达到饱和。

“Reset”：可以使得8位的图片的”maximum”和”minimum”恢复为0和255，对16位的图片可以使其恢复成直方图的最大和最小值。

如果”AUTO”不能产生满意的结果，可以用ROI选择一个细胞并及其背景的区域，然后点击”AUTO”键。这样可以在ROI强度的基础上增强明暗度和对比度。

 

注：点击”Apply”键会永久改变图片真实灰度值。在分析图片强度时请勿按此键。

如果相对于黑纸白字的形式，用户更喜欢图片以白纸黑字展示那么可以选择 “Image/ColorTables/Invert-LUT”进行转换。注：”Edit/Invert…”转换的是像素值，而不能用于此处。

 

 

 

2.2             非线性对比度增强
2.2.1 Equalization

       对于明暗度和对比度的调整，主菜单“Process/Enhance contrast”中还有更多的操作。这里我们将用于图片组中基于单张图片histogram的调整。

 

Equalization 是基于在强度均方根的基础上针对histogram的非线性增强（在线帮助http://www.dai.ed.ac.uk/HIPR2/histeq.htm）。

 

Normalize 选项：表示一种简单的线性增强，于明暗度和对比度对话框中的Auto选项类似，不同的在于Normalize用于图片组每张图片的调整是基于单张图片的histogram。

 

2.2.2 Gamma

这个适用于非线性的histogram的调整。暗淡的图像在不增加亮丽图像的饱和的情况下(gamma<1)可以增强其强度.类似的，中等强度的图像可以在不减低亮底的情况下（gamma>1）变成更暗淡。每个像素的强度的gamma值是可以被以指数级提高的“raised to the power”,然后可以scale为8位或最小最大值为16位的图像。

对于8位图像有

 

Gamma 可以通过“Process/Math/Gamma” 或the “Plugins/Utilities/Gamma Scroll-bar”插件调整。后者可以打开一个新的拷贝窗口，以便于通过scroll-bar调整gamma值。当完成后点击Done。如果mid-adjust，图片可以会有点flasky，并且react well！这些对于图片组无效。你可以通过scroll-bar来决定图片组中的的单个图片的gamma值，然后应用这个gamma值用”Process/Math/Gamma”来对图片组进行调整。

 

2.3             滤波

数字滤波的简单解释可以通过http://www.dai.ed.ac.uk/HIPR2/filtops.htm 在线阅读。

滤波可以通过主菜单的”Process/Filters...”。典型的应用时”Radius(pixels)”等同于3*3的核（kernel），见在线帮助。

Mean Filter：像素被它和它辐射相邻的像素点的平均值所替代。菜单“Process/Smooth”是一个3*3的平均滤波器。

Gaussian：滤波:类似于平滑（smooth），但是像素通过其像素值于他相邻像素点的正态分布的比值代替。这个解释并不好，具体可以看在线帮助。

Median：像素被它和它直接相邻（adjacent neighbours）的像素的中值所替代。这个可以比简单的Mean滤波更好的去除噪音并保存边界，但是看起来奇怪。菜单是“Process/Noise/Despeckle”，这是个 3×3 medianfilter)。

Kalman：这个是成熟的针对时间过程（time-course）实验结果的滤波，是一种weightedrunning average。对样本的频率高于事件（event）的频率的情况下有很好的应用，如慢发生的事件，否则得到奇怪模糊的图。菜单“Process/Filter/Kalman Stack…”.。

Sigma：是在标准mean滤波基础上的修正，但是能更好的保存边缘，可以被认为是一种良好的平滑（gentle smooth）。用户自定义kernal 大小，Sigma 宽和包括的最小像素数。满足kernel的Sigma值将在强度的变异（Variance）和均值（mean）的上计算，并且只有在Sigma范围（sigma range = sigma X                               user defined Sigma width scaling factor）内的像素点用于计算均值。如果Sigma范围内的kernal内的像素点过少（准确的数目在用户对话框中设定：Minimum number of pixels），中心像素的将被假设为过高或过低，这样重设后的kernal的均值将被得到。插件还在建设中，“Process/Filter/Sigma Filter…”。

Anisotropic Diffusion：这是个边缘保存的平滑滤波