评定水敏纸-第2部分

贴在

关于Jason Deveau (Spray_Guy)

Jason Deveau博士(@spray_guy)自2008年以来一直是OMAFRA应用技术专家。他研究和教授方法,以提高安全、有效和高效的农业投入品在特种作物、田间作物和受控环境中的应用。他是Sprayers101的共同管理者,《空中爆破101教科雷竞技app震中杯赞助商书》(Airblast101 Tex雷竞技苹果app下载官方版tbook)的合著者,一个骑自行车慢的人,一个跑得慢的人。

查看所有的帖子杰森Deveau (Spray_Guy)

这是我们关于水敏纸数字化和处理方法的三篇巨著的第二部分。你可以读第一部分在这里

图像分析软件

有许多软件设计用于分析数字化的WSP图像(如Optomax, Stainalysis Freeware, DropVision, ImagePro Plus, DropletScan, AgroScan, DepositScan, UTHSCA ImageTool)。有些是为空中喷洒器开发的,用于评估整个带状区域,而其他的则专注于单个收集器。有些比其他的更方便用户使用,有些需要花钱,还有一些不再支持。它们都采用了算法(计算机在进行计算时遵循的一套规则),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好的,这可能很方便,但也可能限制我们的分析。

ImageJ是由美国国家卫生研究院(National Institute of Health)的韦恩·拉斯班德(Wayne Rasband)开发的一款免费、开源的应用程序,用于调整和分析小结构的高分辨率图像。有一种变体叫“斐济”(Fiji年代J科大mageJ),它将ImageJ与专门为生物学家设计的工具捆绑在一起。令人高兴的是,它们对于分析WSP同样有价值。界面可能很吓人,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,因为用户完全控制分析。

ImageJ菜单。版本1.53 e。

图像分析的三个步骤

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:

  1. 预处理:我们选择ROI (aRegionOf兴趣),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,如水滴或指纹,以及为了缩放目的将图像裁剪到一些标准尺寸。
  2. 处理/检测:使用点和形态学操作来细化图像,并建立一个阈值,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值(通常是黑白)图像。
  3. 测量我们使用现成的计算程序来量化一些值。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,甚至可能是对原始液滴大小的估计。

让我们来研究每一个步骤。

1.预处理步骤

预处理确定图像的大小,使我们能够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,我们要分别分析每一半。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,预处理可能还包括调整图像亮度,以改善污渍和黄色背景之间的对比度。

当水敏纸在放大镜下检查时,缺陷和不完美变得很明显。预处理的一部分是选择一个感兴趣的区域,该区域表示典型的覆盖范围,不包括可能干扰分析的工件。

2.处理/检测步骤

由于涉及的计算程度,处理和检测可能需要时间。分辨率越高,ROI越大,所花的时间就越长。根据您想要测量的内容,牺牲一些精度来换取速度可能是可以接受的。

我们首先确定哪些像素代表沉积着色的一部分,哪些像素代表未着色的部分背景。我们可以通过称为阈值化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聚焦。最终,每个像素被分配到两个值中的一个,将图像缩减为二进制(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,以确定我们确信能够测量的范围。形态运算用于精炼或修改这些形状,以平滑锯齿状的边缘,并识别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,用户可以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)到与图像中每个对象相关的深度数据。后者可能出现在预格式化的报告中,或作为CSV (Comma年代eparatedV值)文件,以进一步探索电子表格格式。

阈值

阈值运算通过某些特征对图像中的所有像素进行排序,然后允许我们设置一个阈值,将它们分成两个阵营。在我们的例子中,我们想把它们分为“染色的”和“未染色的”。这一过程几乎就像给天平剥皮,任何超过容器重量的东西都被认为是内装物品的重量。

阈值就像给天平剥皮。就像容器的重量从容器和内容物的总重量中分离出来一样,染色颜色也从背景颜色中分离出来。

HIS阈值操作

ImageJ的Colour Threshold操作只是对图像进行阈值设置的一种方法,但它是一个很好的例子。该方法使用HIS (H问题,ntensity和年代饱和度),以将沉积着色色(蓝绿色)与背景色(黄色)分开。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颜色,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彩。

当选择Colour Threshold操作时,ImageJ将图像中的所有像素值排序为一个装箱直方图(其中y轴是像素计数,x轴是像素值的范围)。

一个色调。

我们首先考虑色调,它只是颜色的另一种说法。一幅没有染色的图像会产生一个直方图,其中像素颜色在黄色范围内产生一个明显的峰值。带有色斑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。

(上图)当阈值与背景黄色色相重叠时(此处设置为30),部分背景被错误地识别为污点。(下)当阈值被调整到背景色调和染色色调之间时(这里设置为36),会有更明显的区别。

当WSP的覆盖率超过50%时,色调阈值处理就不那么可靠(或者完全失败)。这是因为间歇性未染色区域的颜色随着染色距离的减小而变化。你可以把它想象成蓝色渗入黄色。结果是染色区域和未染色区域的对比水平不一致,这使得很难自信地区分“染色像素”和“未染色像素”。类似的问题出现时,湿度导致背景颜色的变化,但这往往更均匀,更容易阈值。

如果色调阈值设置得太低,色斑会显得更小,失去形状。如果设置过高,污渍会显得较大,相邻、分开的污渍会消失。这可能会对矿床计数和分布评估产生重大影响,导致数千个微小的、不同的矿床损失。阈值准确度对确定覆盖面积百分比的影响较小。研究表明,对多篇论文使用单一阈值会产生+/- 3.5%的绝对误差。这被认为是在喷雾覆盖数据的内在可变性之内。

b。强度

强度可以看作是像素的亮度。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差异的测量)是一个有用的阈值调整。湿度并不影响WSP解决污渍的能力,但正如我们提到的,它会导致背景呈现出整体的绿色色调。增加低端饱和度限制可以增加染色色和不太明显的背景色之间的对比度。

设置HIS阈值后,ImageJ将更接近前景(污点)的像素值转换为黑色,更接近背景(黄色)的像素值转换为白色。如果用户愿意,他们可以将其颠倒过来,甚至可以将污渍染成红色。重要的是,我们现在有了一个二值图像,可以清楚地区分污渍和未污渍的背景。理想情况下,应该对每一组一致的样本执行阈值设置。

这个2cm × 2cm的ROI是HUI阈值。你可以通过让ImageJ“显示轮廓”来检查你的准确性,它会对每个不同的物体进行勾勒和编号。放大以查看是否保留了任何工件(或无意中创建的工件),并在需要时返回进行较小的阈值调整。

像素过滤

我们不再赘述过滤,因为在分析WSP时并不经常需要它。过滤操作将像素值与相邻的像素值进行比较,然后用某种形式的加权平均值替换这些值。这减少了像素值之间的相对差异,平滑了图像并降低了噪声(以丢失细节为代价)。

最后一篇文章,第三部分:形态运算与解释