Теоретические основы использования компьютерных программ в биологии (стр. 2 из 7)

4. Отражение изображения по вертикали или горизонтали.

5. Гистограмма яркости.

6. Информация об изображении.

7. Отменить / повторить операции любого типа.

8. Линейки с различными единицами измерения.

9. Слайд-шоу.

Обработка изображения

1. Вычитание фона и настройка контраста цветных и монохромных изображений.

2. Арифметические операции над изображениями (Булевы; Add, AND, OR, XOR, DIFF, MIN, MAX, + , - , / , * , и простые).

Стандартные фильтры

Инверсия (Invert), Яркость (Brightness), Контраст (Contrast), Оттенок (Hue), Насыщенность (Saturation), Размытие (Blur), Удаление шумов (Noise Remove), Рельеф (Emboss), Гравировка (Engrave), Гамма R (Gamma R), Гамма G (Gamma G), Гамма B (Gamma B), Желтый (Yellow), Пурпурный (Magenta), Голубой (Cyan), Мозаика (Mosaic), Сглаживание (Smooth), Десатурация (Desaturation), Псевдоцвет (Pseudo Color), Колоризация (Colorize), Масляная кисть (Oilify), Удаление пятен (Despeckle), Постеризация (Postarize).

Подсчет и классификация

Специальные фильтры

Высокочастотное усиление (High Boost), Пространственный фильтр высоких частот (High Spatial), Пространственный фильтр низких частот (Low Pass Spatial), Расстановка (максимум, среднее, минимум) (Ranking (Max, Med, Min)), Определение точек (Point detection), Определение границ (Line detection), Гомогенность (Homogeneity).

Обнаружение границ (Edge Detection)

По Лапласу (Laplacing), По Собелю (Sobel), По Кришу (Krisch), Градиент Прюитта (PrewittGradient), Смещение и Разница (Shift & Difference), Комбинация (Combine), По контрасту (Contrast Base), Быстрое (Quick), По отклонению и по направлению

(Range And Variance)

Морфологическиеоперации (Morphological Operations)

Скелетизация(Skeletonization), Отсечение(Pruning), SKIZ, Гистограммноевыравнивание(Histogram Equalization), Гистограммноесглаживание(Histogram Smoothing), Гистограммныйпик(Histogram Peak), Гистограммнаявпадина(Histogram Valley), СегментацияпоВыше/Ниже(Segmentation by Over/Under), Квантование(Quantized), Оконтуривание(Contouring), ДилатацияиЭрозия(Dilation/Erosion) набинарных, цветныхимонохромныхизображениях, ОткрытиеиЗакрытие(Opening/Closing) намонохромныхибинарныхизображениях, СпециальноеОткрытиеиЗакрытие(Special Opening/Closing), РазбивкаиСлияниеканалов(Split/Combine) RGB, YUV, YIQ, XYZ, HSL, Преобразованиеизображенияв1-, 4-, 8- и24-битовое, Медианноепреобразование(Medial Axis), Формированиеполутоновогоизображения(Halftone). Сложениеизображений(Image Addition), Среднеепоизображениям(Image Average), Вычитаниеизображений(Image Subtraction), УмножениеИзображений(Image Multiplication); Логическиеоперациинадизображениями(Булевыоперации: AND, OR, NOR, XOR, NAND).

Рис. 3. Меню и Окно выбора и просмотра Морфологических операций.

Эффекты (Effects)

a. Фазовый контраст (Phase Effect). Возможен выбор между негативным и позитивным фазовым контрастом, а также степени фазового эффекта.

b. Темное поле (Dark Field).

Измерения (Measurements.)

a. Пространственная калибровка (Spartial calibration).

b. Линейные измерения Расстояния (Distance), Длины (Length), Ширины (Width), Периметра (Perimeter), Угла (Angle), Радиуса окружности по трем точкам (Three Point Radius).

c. Выделение произвольной области, масштабирование и перемещение с использованием клавиатуры и мыши.

d. Измерения по стандартным методикам: Count (Подсчет и классификация), Particle (Измерения частиц), Density (Плотность), Segmentation (Сегментация), Micro Thickness (Микро толщина).

Подсчет и классификация

Распознавание объектов на изображении, подсчет их количества, получение ряда их измеренных характеристик. Объекты определяются автоматически или вручную. Классификация объектов по размеру или яркости.

Пороговые измерения частиц

Вручную (Manual), Автоматические методы установления диапазонов яркости для измерения ярких (Auto bright) и темных (Auto dark) Объектов. Разнообразные вычисления и измерения выделенных объектов: Размеры (Dimensions), Площадь (Area), Периметр (Perimeter), Ферритовая длина (FerriteLength), Минимальный / Максимальный радиус (Min/Max Radius), Ширина (Thread Length) и Длина прожилок (Thread Width), Ширина (Fiber Length) и Длина волокна (Fiber Width).

Морфометрия (Morphometry)

Округлость (Roundness), Форма (Shape), Ориентация (Orientation), Удлиненность (Elongation), Эквивалентный Диаметр (Equal Circular Diameter), Эквивалентный Объем Сферы (EqualSphereVolume).

Расположение (Locational)

Центроид X (CentroidX), Центроид Y (CentroidY), Главная X1 (MajorX1), Главная Y1 (Major Y1), Вспомогательная X1 (Minor X1), Вспомогательная Y1 (Minor Y1), Главная X2 (Major X2), Главная Y2 (Major Y2), Вспомогательная X2 (Minor X2), Вспомогательная Y2 (Minor Y2), Прямоугольник X1 (Box X1), Прямоугольник X2 (Box X2), Прямоугольник Y1 (), Прямоугольник Y2 (Box Y2) и Площадь Прямоугольника (Box Area).

Сегментация

Измерение площади и объема фрагмента. Определение нескольких фаз микроструктуры, а также разметка и перенос фаз с гистограммы.

Отчет (Report)

a. Три опции: прямой вывод на печать исходного изображения, обработанного изображения и результатов в виде таблицы.

b. Экспорт в MS Office (напр. Excel) для дальнейшей обработки.

Обработка изображений

Обработка изображений относится к анализу и обработке графической информации – это любые операции, направленные на улучшение, исправление, анализ и любое изменение изображения.

Способы представления цифровых изображений

Цифровое изображение представляет собой упорядоченный набор пикселей. Каждому пикселю ставится в соответствие определенное цветовое значение. В компьютерах обычно пользуются тремя типами изображений:

1. Бинарные изображения – каждый пиксель изображения может принимать только два значения: черный или белый.

2. Изображения в оттенках серого – каждый пиксель изображения принимает значение любого из серых оттенков, изменяясь от черного к белому. Обычно используется разбиение на 256 оттенков серого, начиная с 0 (соответствует черному цвету) и заканчивая 255 (белый цвет). Эти изображения являются 8- битными.

3. Цветные изображения – все изображения представлены в виде композиции RGB значений, соответствующих красной (Red), зеленой (Green) и синей (Blue) составляющим каждого пикселя.

Глубина изображения – количество значений цвета, которые может принимать пиксель изображения. Обычно представляется в виде характеристики Бит/пиксель. Например, 1 бит/пиксель нужен для бинарных изображений, 8 бит/пиксель – для изображений в оттенках серого, и 24 бит/пиксель – для цветных изображений (по 8 бит (по 256 оттенков) на каждую цветовую составляющую / канал).

Цифровое изображение может быть представлено в виде матрицы, у которой пересечению столбца и ряда соответствует точка изображения с соответствующим численным значением цвета.

f ( x, y )

(x, y) – Позиция

f(x, y) – Значения серого или значения цвета

Соседние пиксели

Пиксель p с координатами (x, y) имеет 4 ортогональных и 4 диагональных соседа с координатами (x-1, y), (x+1, y), (x, y-1), (x, y+1) и (x-1, y-1), (x-1, y+1), (x+1, y-1), (x+1, y+1) соответственно.

Х-1 Х Х+1

У-1

У

У+1

Обычно, концепция соседства между пикселями используется во всех операциях фильтрования, установления границ объектов и областей.

Трансформация

Все операции обработки изображений, при которых одно изображение преобразуется в другое, называют трансформациями.

Существует 2 типа трансформаций:

1. Точечные операции или Пространственно-областные методы.

2. Операции с соседями или Фильтры.

Обычно, все трансформации используются для улучшения качества изображения.

Основная цель – обработать цифровое изображение так, чтобы получить новое, более пригодное для определенного вида работы и анализа.

Точечные операции

Результат таких операций над любым пикселем изображения зависит только от численного значения цвета этой точки, и не зависит от его соседей. Например: Инверсия, Яркость, Контраст, Гамма, Гистограммные операции и т.д.

Таким образом, операции обычно представляются в виде:

g(x, y) = T[f(x, y)]

f(x, y) = Исходное изображение

g(x, y) = Обработанное изображение

T = Функция трансформации

Операции с соседями

В операциях такого типа значение пикселя после трансформации представляет собой некоторую числовую функцию от его собственного значения цвета и от цветовых значений соседей данного пикселя. Как правило, такие фильтры возвращают значения, которые являются взвешенными суммами соседних пикселей. Обычно все операции с соседними пикселями ассоциируются с некоторого рода двумерными массивами, называемыми масками или ядрами свертки.

Маски / Ядра свертки – Маска представляет собой небольшой двумерный массив, в котором значения элементов определяют характер преобразования. Маски используются следующим образом: