ImageJ實用技巧——從新認識你的圖像(基本功能篇)

你真的認識你須要處理的圖像嗎？

你確定會說：我確定認識個人圖像，它是某種細胞，某種顏色是某種結構等等。

這看似是一個幼稚，且沒有意義的問題。但若是我換一個角度問：

你須要處理的圖像的長寬高、分辨率、顏色模式、顏色通道、單位、像素分佈分別是多少？

從圖像的各類信息角度出發，即便只是一個簡單的細胞，你還真正認識它嗎？

 

一般一張儲存在計算機上的圖片，會包含兩部分的信息：

1. 圖像信息(Image data)，即像素值。
2. 圖像的背景信息(Metadata)，例如尺寸，圖像類型，位深，像素大小和顯微鏡設置等。

雖然Metadata不如圖像像素直觀，但瞭解一張圖片的Metadata，對後期處理是十分必要的。

 

這一篇做爲介紹ImageJ的基本功能篇，就爲你們介紹怎麼換一個角度看圖像，獲得圖像更加豐富的信息。這些信息不管是在處理圖像，仍是在論文投稿中都是十分重要的，值得咱們重視和學習。

 

1、獲得圖像的基本信息（長寬高、分辨率、顏色模式、顏色通道、比例尺單位）

一、打開ImageJ自帶的樣例（File->Open Samples->Fluorescent Cells）

打開一張細胞的熒光照片

圖片的左上角邊框其實已經包含了一些信息，右下角有提示怎麼查看圖片信息。

 

二、打開圖片信息（Image->Show Info...）

首先出現的是樣例的說明，這是什麼細胞，每種顏色分別染了什麼蛋白，以及一些操做提示。

這是該樣例的說明，右鍵可保存

最關鍵的是下面這些信息：

不懂某些指標意思的同窗，能夠自行查閱百度或者ImageJ的用戶說明

從這裏能夠讀出不少信息：包括長寬高（512像素*512像素，說明沒有設定比例尺）、顏色模式（RGB模式）、像素格式（8-bit）、顏色通道（三個通道）、圖片地址（URL）等。

 

但確定有同窗要問了，這張圖片的實際分辨率是多少，是多少dpi呢？

首先，圖像分辨率是由橫向像素量x縱向像素量來表示的。例如，上面的樣例圖片分辨率是512x512，也就是說這張圖片在屏幕上不斷放大，水平方向有512個像素點（色塊），垂直方向有512個像素點（色塊）。

dpi（Dots per inch）表示每英寸長度內的像素點數，是衡量打印機等設備分辨率的基本單位。投稿時常常會遇到，投稿的圖片須要至少300dpi，而一般咱們的圖片默認是72dpi，打印出來不夠清晰：

因此投稿或者打印時必定要更改dpi，由於就算咱們的圖像分辨率再高，若是隻有72dpi（每英寸有72個像素點），最後印刷出來的圖片也是不夠清晰的。

 

以咱們上面的圖像爲例，若是要用300dpi打印上面的樣例圖片，這張圖片能夠打印多大呢？

（512/300）x（512/300）=1.7 inch x 1.7 inch ≈ 4.3 cm x 4.3 cm

若是要保持更高的dpi，例如600dpi進行打印，那麼打印出來的圖像尺寸就會變成300dpi的一半，即0.853 inch x 0.853 inch。

 

三、在ImageJ中能夠快速調節圖片的dpi（Image->Adjust->Scale to DPI）

彈出下面的界面：

不再用利用Photoshop調半天啦

ImageJ默認選擇600dpi，能夠根據需求進行調節：

左上角出現英寸比例

這時候再查看圖片信息（ImageJ->Show Info...），能夠看到出現了現有的dpi信息：

 

四、查看通道、切片及單位（ImageJ->Properties...）

打開MRI樣例（File->Open Samples->MRI Stack），能夠看到這一圖像只有單個通道，有27個切片，以及比例尺單位（也能夠在這裏設置比例尺）。

2、獲得圖像的灰度分佈

一、Analyze->Histogram

仍是以上面的熒光照片爲例，點擊live，拖動滑塊便可獲得不一樣通道的灰度分佈，其中包含了灰度值的最大值（255-純黑）、最小值（0-純白），以及平均值。

 

二、Analyze->Surface Plot

以樹葉爲例（File->Open Samples->Leaf）：

打開Surface Plot，會出現報錯，須要先把圖像轉換成8-bit，再打開Surface Plot，會出現下面的三維座標系：

長寬分別表明x和y軸，z軸爲灰度值，可見在尺子和樹葉處出現了明顯的「凹陷」，可是這圖片是不能夠旋轉的，若是想要獲得旋轉的圖，須要使用3D Surface Plot。

 

三、Analyze->3D Surface Plot

正面是這樣的

側面是這樣的

這種三維座標系能更加清楚和直觀地看到，圖像的像素分佈以及灰度分佈狀況，就能發現更多的細節。

 

上面這些方法是否是很炫酷呢？

這樣觀察你的圖像能夠得到更多的信息，對本身的圖像有更深一步的理解。

這不只僅對之後配圖或論文投稿有所幫助，也能夠進一步理解圖像處理的原理。

 

但願對你有幫助~