这是我们关于水敏感纸数字化和处理方法的三篇文章的第二部分。你可以读第一部分在这里.
图像分析软件
有许多软件的选择,旨在分析数字化WSP图像(例如Optomax, Stainalysis Freeware, DropVision, ImagePro Plus, DropletScan, AgroScan, DepositScan, UTHSCA ImageTool)。有些是为空中喷洒器开发的,用于评估整个带,而另一些则专注于单个收集器。有些比其他的更友好,有些需要花钱,有些不再受支持。它们都采用算法(计算机在进行计算时遵循的一组规则),这些算法经常做出图像处理决策。有时这些算法是预先设置的,这可能很方便,但也可能限制我们的分析。
ImageJ是由韦恩·拉斯班德(Wayne Rasband)在美国国家卫生研究所开发的一款免费开源应用程序,用于调整和分析小型结构的高分辨率图像。有一个变种叫做“Fiji”(Fiji我年代J科大我mageJ)将ImageJ与专为生物学家设计的工具捆绑在一起。令人高兴的是,它们对分析WSP同样有价值。界面可能令人生畏,但这只是因为有太多我们不会使用的功能。学习曲线是值得的,因为用户可以完全控制分析。
![](http://www.caroblogs.com/wp-content/uploads/2021/07/2021_ImageJ_Menu.png)
图像分析有三个步骤
无论是哪种软件,用于分析数字图像的操作往往遵循三个步骤:
- 预处理:我们选择一个ROI (aRegionOf我兴趣)的图像,并执行一些初步的操作,以提高图像质量和对比度。在选择特定区域时,我们可以避免不必要的缺陷,如滴漏或指纹,以及将图像裁剪为一些标准大小以用于缩放。
- 处理/检测:点和形态操作用于细化图像并建立阈值,以便我们可以区分沉积物和未染色的背景。理想的结果是将原始彩色图像转换为二进制(通常是黑白)图像。
- 测量我们使用现成的计算例程来量化一些价值。通常是沉积物覆盖面积的百分比,但也可能是这些沉积物的数量和密度,甚至可能是原始液滴大小的估计值。
让我们探讨这些步骤中的每一个。
1.预处理步骤
预处理建立了图像的规模,并允许我们分离出我们想要分析的特定区域。也许水敏纸在取样时被折叠了,我们想分别分析每一半。也许我们想要避免明显的缺陷,这会干扰我们的结果。在某些情况下,预处理还可能包括调整图像亮度,以提高污渍和黄色背景之间的对比度。
![](http://www.caroblogs.com/wp-content/uploads/2021/07/2021_Flaws-1024x407.jpg)
2.处理/检测步骤
处理和检测可能需要时间,因为涉及的计算量很大。分辨率越高,ROI越大,所需的时间就越长。根据您想要测量的内容,为了速度而牺牲一些准确性可能是可以接受的。
我们首先确定哪些像素代表沉积染色的一部分,哪些像素代表未染色的背景的一部分。我们可以通过称为阈值和过滤的全局点操作来实现这一点。如果你还没有注意到,图像分析包括有很多术语:“全局”指的是整个图像,“点”指的是我们对单个像素的关注。最终,每个像素被赋予两个值中的一个,将图像减少为二进制(或1位)格式。
一旦我们有了二值图像,我们就会探索沉积物(有时被称为物体)的形状,以确定我们能够自信地测量的局限性。形态学操作用于细化或修改这些形状,以使锯齿状边缘光滑,并确定一个物体是单个沉积还是多个重叠沉积的结果。
3.测量步骤
根据图像分析软件的不同,用户所能测量的内容可能会受到限制。光谱范围从单个值(通常是覆盖面积的百分比)到与图像中每个物体相关的深度数据。后者可能出现在预格式化的报告中,或以CSV (Comma年代eparatedVvalue)文件,以电子表格格式进行进一步探索。
阈值
阈值操作将图像中的所有像素按某种特征进行排序,然后允许我们设置一个阈值,将它们分为两个阵营。在我们的例子中,我们想把它们分为“染色”和“未染色”。这个过程几乎就像一个秤,任何超过容器重量的东西都被认为是内容物的重量。
![](http://www.caroblogs.com/wp-content/uploads/2021/07/2021_Thresholding_Tare-1024x650.jpg)
HIS阈值操作
ImageJ的颜色阈值操作只是阈值图像的一种方法,但它可以作为一个很好的例子。此方法使用HIS (H问题,我ntensity和年代饱和度),以分离沉淀物染色颜色(蓝绿色)与底色(黄色)。如前所述,每个像素由一个或多个8位值表示。在这种情况下,像素代表0 - 255色调,0 - 255强度和0 - 255饱和度。这可能看起来有点吓人,但我们主要关注的是色调。
当选择颜色阈值操作时,ImageJ将图像中的所有像素值排序为一个二进制直方图(其中y轴是像素数,x轴是像素值的范围)。
一个色调。
我们首先考虑的是色调,这只是颜色的另一个词。一个没有污点的图像将产生一个直方图,像素颜色在黄色范围内产生一个独特的峰值。带有污渍的图像也会显示蓝绿色范围内的峰值。然后,用户通过手动设置这些峰值之间的阈值来分割背景和前景。
![](http://www.caroblogs.com/wp-content/uploads/2021/07/2021_Thresholding_Hue-1024x650.jpg)
当WSP的覆盖率超过50%时,色调阈值处理不太可靠(或可能完全失败)。这是因为随着染色间距离的减小,间歇未染色区域的颜色会发生变化。把它想象成蓝色渗入黄色。结果是染色区域和未染色区域之间的对比度水平不一致,使得很难自信地区分“染色像素”和“未染色像素”。当湿度导致背景颜色变化时,也会出现类似的问题,但这往往更均匀,更容易阈值。
如果色相阈值设置得太低,污渍会显得更小并失去形状。如果它设置得太高,污渍会显得更大,相邻的、单独的污渍之间的间隙会消失。这可能会对矿床计数和分布评估产生重大影响,导致数千个微小、独特的矿床的损失。阈值精度对覆盖面积百分比的确定影响较小。研究表明,对多篇论文使用单一阈值的绝对误差为+/- 3.5%。这在喷雾覆盖数据的内在可变性范围内得到了很好的考虑。
b。强度
有时被称为“值”,强度可以被认为是像素亮度。这里不需要阈值,因为捕获整个256像素值范围可以提高颜色之间的对比度。
c。饱和
最后,当WSP暴露在湿度中时,饱和度(红色、绿色和蓝色水平之间的差异的测量)是一个有用的阈值调整。湿度不会影响WSP去除污渍的能力,但正如我们提到的,湿度会导致背景整体呈现绿色。增加低饱和极限可以增加染色颜色和不太明显的背景色之间的对比。
当设置HIS阈值时,ImageJ将更接近前景(污渍)的像素值转换为黑色,将更接近背景(黄色)的像素值转换为白色。如果用户愿意,可以将其颠倒,甚至将污渍设置为红色。重要的部分是,我们现在有了一个二值图像,可以清楚地区分污渍和未着色的背景。理想情况下,应该对每组一致的样本进行阈值分割。
了解如何使用HIS阈值在喷雾器上执行杂草识别功能这篇文章.
![](http://www.caroblogs.com/wp-content/uploads/2021/07/2021_Thresholded_Image-1024x407.jpg)
像素过滤
我们将不再赘述过滤,因为在分析WSP时通常不需要它。过滤操作将像素值与其邻居的值进行比较,然后将这些值替换为某种形式的加权平均。这减少了像素值之间的相对差异,平滑图像并降低噪声(以丢失细节为代价)。
上一篇文章-第三部分:形态运算与解释.