评估水敏感纸-第2部分-喷雾器101雷竞技注册推荐码

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。

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。

当水敏纸在放大倍率下检查时，瑕疵和缺陷就会变得很明显。预处理的一部分是选择一个代表典型覆盖的感兴趣的区域，并且不包括可能干扰分析的工件。

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。

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。

(上)当阈值与背景黄色(此处设置为30)重叠时，背景的某些部分会被错误地识别为污点。(下)当阈值被调整到背景色相和染色色相之间时(这里设置为36)，会产生更明显的区别。

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。