Was bedeuten die verschiedenen binären Befehle? Dieses Untermenü enthält Befehle, die binäre (schwarze und weiße) Bilder verarbeiten. Diese Befehle gehen davon aus, dass die Objekte standardmäßig schwarz sind und der Hintergrund weiß ist. In dieser FAQ wird beschrieben, wie Sie den Standardwert auf schwarzen Hintergrund und weiße Objekte setzen. Wandelt Bilder in Schwarzweißbilder um. Der Schwellwertpegel wird bestimmt, indem das Histogramm der aktuellen Auswahl oder des gesamten Bildes analysiert wird, wenn keine Auswahl vorhanden ist. Diese FAQ beschreibt den verwendeten Algorithmus. Wenn das Tool ImagegtAdjustgtThreshold aktiv ist, wird ein Dialogfeld geöffnet, in dem Sie festlegen können, welche Pixel auf die Hintergrundfarbe eingestellt sind und welche Vordergrundfarbe und ob der Hintergrund schwarz ist und der Vordergrund weiß ist. Bitte aktualisieren Sie die oben nicht vollständig korrekt Mit Stacks werden alle Bilder im Stack in binär mit dem berechneten Schwellenwert der aktuell angezeigten Scheibe konvertiert. Verwenden Sie das ConvertStackToBinary-Makro, um einen Stapel in binär mit lokal berechneten Schwellenwerten zu konvertieren. Wandelt Bilder in Schwarzweißbilder auf Grundlage der aktuellen Schwellenwerte um. Standardmäßig hat die Maske eine invertierende LUT (schwarz ist 255 und weiß ist 0), erzeugt aber schwarze Hintergrundbilder (0), wenn der schwarze Hintergrund im Dialogfeld ProcessgtBinarygtOptions markiert ist. Bitte aktualisieren Sie die oben genannten nicht vollständig korrekt Bestimmt die lokalen Maxima in einem Bild und erstellt ein binäres (Masken-) Bild der gleichen Größe mit den Maxima oder einem segmentierten Teilchen pro Maximum, markiert. Für RGB-Bilder werden Maxima von Luminanz ausgewählt, wobei die Luminanz als gewichtetes oder ungewichtetes Mittel der Farben abhängig von den Einstellungen von EditgtOptionsgtConversions definiert ist. Dieser Befehl basiert auf einem Plugin von Michael Schmid. Ein Dialogfeld wird mit den folgenden Optionen angezeigt: Noise Tolerance - Maxima werden ignoriert, wenn sie sich nicht um mehr als diesen Wert von der Umgebung abheben (kalibrierte Einheiten für kalibrierte Bilder). Mit anderen Worten, eine Schwelle wird auf den Maximalwert minus Rauschtoleranz gesetzt und der zusammenhängende Bereich um das Maximum oberhalb der Schwelle analysiert. Für die Annahme eines Maximums darf dieser Bereich keinen Punkt mit einem höheren Wert als dem Maximum enthalten. Nur ein Maximum innerhalb dieses Bereichs wird akzeptiert. Einzelpunkte - Erstellt ein Ausgabebild mit einem einzelnen Punkt pro Maximum. Maxima Within Tolerance - Erstellt ein Ausgabebild mit allen Punkten innerhalb der Noise Tolerance für jedes Maximum. Segmentierte Partikel - Nehmen wir an, dass jedes Maximum zu einem Partikel gehört und das Bild durch einen auf die Werte des Bildes angewendeten Watershed-Algorithmus segmentiert (im Gegensatz zu ProcessgtBinarygtWaterhed, der die euklidische Distanzkarte verwendet). Punktauswahl - Zeigt eine Mehrpunktauswahl mit einem Punkt bei jedem Maximum an und erzeugt kein separates Ausgabebild. Anzahl - Zeigt die Anzahl der Maxima im Ergebnisfenster an und erzeugt kein Ausgabebild. Kante Maxima ausschließen - Schließt Maxima aus, wenn der Bereich innerhalb der Rauschtoleranz, der ein Maximum umgibt, den Rand des Bildes berührt (Rand der Auswahl spielt keine Rolle). Heller Hintergrund - Ermöglicht die Verarbeitung von Bildern mit hellem Hintergrund und dunklen Objekten. Oberhalb des unteren Schwellwertes - (Diese Option erscheint nur für schwellwerte Bilder) Findet Maxima nur über dem unteren Schwellenwert. Der obere Schwellwert des Bildes wird ignoriert. Wenn Segmente als Ausgangstyp ausgewählt sind. Wird der Bereich unterhalb der unteren Schwelle als Hintergrund betrachtet. Diese Option funktioniert nur, wenn Maxima des Pixelwertes im mathematischen Sinne gefunden werden, d. h. dunkler Hintergrund und nicht invertierende LUT oder heller Hintergrund und invertierende LUT. Vorschaupunktauswahl - Zeigt die Maxima mit den aktuellen Parametern als Mehrpunktauswahl, die dem Bild überlagert ist. Wenn diese Option aktiviert ist, wird auch die Anzahl der gefundenen Maxima im Dialogfenster angezeigt. Für Ausgangstypen Einzelpunkte. Maxima innerhalb Toleranz und segmentierte Teilchen. Ausgabe ist ein binäres Bild mit Vordergrund 255 und Hintergrund 0, wobei eine invertierte oder normale LUT abhängig von der Option Schwarzer Hintergrund in ProcessgtBinarygtOptions verwendet wird. Die Anzahl der Partikel (wie von Analyze Particles erhalten) im Ausgabebild hängt nicht vom gewählten Output Type ab. Beachten Sie, dass segmentierte Partikel in der Regel zu Partikeln führen, die die Kante berühren, wenn Exclude Edge Maxima ausgewählt ist. Exclude Edge Maxima gilt für das Maximum, nicht für das Partikel. Finden Sie Maxima auf ein verrauschtes Bild mit verschiedenen Optionen angewendet (ausschließen Edge Maxima ausgewählt). Maxima funktioniert nicht auf Stapeln, aber das FindStackMaxima-Makro führt es auf allen Bildern in einem Stapel aus und erstellt einen zweiten Stapel, der die Ausgabebilder enthält. Ersetzt jedes Pixel mit dem minimalen (geringsten) Wert in der 3 × 3 Nachbarschaft. Mit binären Bildern werden Pixel von den Kanten von schwarzen Objekten entfernt. Ersetzt jedes Pixel mit dem maximalen (dunkelsten) Wert in der 3 × 3 Nachbarschaft. Bei binären Bildern werden Pixel an den Rändern von schwarzen Objekten hinzugefügt. Führt eine Erosionsoperation durch, gefolgt von einer Dilatation. Mit binären Bildern, glättet diese Objekte und entfernt isolierte Pixel. Führt einen Dilatationsvorgang durch, gefolgt von einer Erosion. Mit binären Bildern glättet diese Objekte und füllt sich in kleine Löcher. Der Befehl hat einen Tailing-Bindestrich, um ihn von der Datei zu schließen. Zeigt ein Dialogfenster an, das es erlaubt, mehrere Einstellungen, die von Befehlen im Untermenü Binär verwendet werden, zu ändern. Iterationen gibt an, wie oft Erosion, Dilatation, Öffnung und Schließung durchgeführt werden. Count gibt die Anzahl an benachbarten Hintergrundpixeln an, die erforderlich sind, bevor ein Pixel aus der Kante eines Objekts während der Erosion entfernt wird, und die Anzahl an benachbarten Vordergrundpixeln, die erforderlich sind, bevor ein Pixel dem Rand eines Objekts während der Dilatation hinzugefügt wird. Überprüfen Sie den schwarzen Hintergrund, wenn das Bild weiße Objekte auf einem schwarzen Hintergrund hat. Wenn Pad-Kanten beim Erodieren überprüft werden, erodiert ProcessgtBinarygtErode nicht von den Kanten des Bildes. Diese Einstellung wirkt sich auch auf ProcessgtBinarygtClose aus. Die von den Kanten erodiert wird, sofern dieses Kontrollkästchen nicht aktiviert ist. EDM Ausgang bestimmt den Ausgangstyp für die ProcessgtBinarygtDistance Map. Ultimative Punkte und Voronoi Befehle. Setzen Sie es, um für 8-Bit-Ausgabe zu überschreiben, die das Eingabebild 8-Bit überschreibt. 16-Bit oder 32-Bit für separate Ausgabebilder. 32-Bit-Ausgang hat eine Gleitpunktauflösung (Subpixel). Erzeugt eine 1 Pixel breite Kontur von Vorder - (Schwarz-) Objekten in einem Binärbild. Die Linie wird innerhalb des Objekts gezeichnet, d. h. auf vorherigen Vordergrundpixeln. Wiederholt entfernt Pixel von den Kanten von Objekten in einem binären Bild, bis sie auf einzelne Pixel breite Skelette reduziert werden. Objekte werden schwarz und weiß angenommen. Man beachte, dass es viele Skelettierungsalgorithmen gibt. Erzeugt eine Euklidische Distanzkarte (EDM). Jedes Vordergrundpixel in dem Binärbild wird durch einen Grauwert ersetzt, der gleich dem Abstand pixel039s von dem nächsten Hintergrundpixel ist. Verwenden Sie ProcessgtBinarygtOptions, um die Hintergrundfarbe (schwarz oder weiß) und den Ausgabetyp beim Auswählen von Überschreiben oder 8-Bit-Ausgabe festzulegen. Beachten Sie, dass Abstände, die größer als 255 sind, als 255 gekennzeichnet sind. Erzeugt die ultimativen erodierten Punkte (UEPs) des EDMs. Benötigt ein binäres Bild als Eingabe. Die UEPs stellen die Zentren von Partikeln dar, die durch Segmentierung getrennt würden. Der Grauwert des UEP039 ist gleich dem Radius des eingeschriebenen Kreises des entsprechenden Teilchens. Verwenden Sie ProcessgtBinarygtOptions, um die Hintergrundfarbe (schwarz oder weiß) und den Ausgabetyp festzulegen. Die Watershed-Segmentierung der Euklidischen Distanzkarte (EDM) ist eine Möglichkeit, Partikel, die sich berühren, automatisch voneinander zu trennen oder zu schneiden. (Watershed-Trennung eines Graustufenbildes ist über den Befehl Find Maxima verfügbar.) Der Watershed-Befehl erfordert ein binäres Bild, das schwarze Partikel auf einem weißen Hintergrund enthält. Es berechnet zunächst die euklidische Distanzkarte und findet die endgültig erodierten Punkte (UEPs). Es erweitert dann jede der UEPs (die Peaks oder lokalen Maxima der EDM) so weit wie möglich - entweder bis der Rand des Partikels erreicht ist, oder der Rand der Region eines anderen (wachsenden) UEP. Watershed-Segmentierung funktioniert am besten für glatte konvexe Objekte, die don039t überlappen zu viel. Hier ist eine Animation, die zeigt, wie Wasserscheide Segmentierung funktioniert. Spaltet das Bild durch Punktlinien mit gleichem Abstand zu den Rändern der beiden nächsten Partikel. Somit enthält die Voronoi-Zelle jedes Teilchens alle Punkte, die näher zu diesem Teilchen als jedes andere Teilchen sind. Für den Fall, dass die Teilchen einzelne Punkte sind, ist dies eine Voronoi-Tesselation (auch als Dirichlet-Tesselation bekannt). In der Ausgabe ist der Wert innerhalb der Voronoi-Zellen Null, wobei die Pixelwerte der Trennlinien zwischen den Zellen gleich dem Abstand zu den beiden nächsten Partikeln sind. Dies ähnelt einer medialen Achse Transformation des Hintergrunds, aber es gibt keine Linien in inneren Löcher der Partikel. Wählen Sie im Dialogfeld ProcessgtBinarygtOptions den Ausgangstyp (Overwrite, 8 Bit, 16 Bit oder 32 Bit) und die Hintergrundfarbe (Schwarz oder Weiß für Eingang und Ausgang). Gui / process / binary. txt middot Partikelanalyse Automatische Partikelzählung Die automatische Partikelzählung kann durchgeführt werden, wenn das Bild nicht zu viele einzelne Partikel berührt. Manuelle Partikelzählung kann mit dem Multi-Point Tool erfolgen. Segmentierung. Oder die Fähigkeit, ein Objekt von seinem Hintergrund zu unterscheiden, kann ein schwieriges Problem zu behandeln. Sobald dies geschehen ist, kann das Objekt dann analysiert werden. RAW Threshold Watershed AnalyzeParticles Einstellen einer Schwelle 5.1.1.1 Manuelle Schwellenwertanalyse Die automatische Partikelanalyse erfordert ein binäres, schwarzes und weißes Bild. Ein Schwellenwertbereich wird eingestellt, um die interessierenden Objekte von dem Hintergrund zu unterscheiden. Alle Pixel in dem Bild, deren Werte unter dem Schwellenwert liegen, werden in Schwarz umgewandelt, und alle Pixel mit Werten oberhalb des Schwellenwerts werden in Weiß umgewandelt, oder umgekehrt. Es gibt mehrere Möglichkeiten, Schwellenwerte festzulegen. Monochrome Bilder lassen sich am einfachsten über den Menübefehl Bildanpassungsschwelle einstellen. Die Schwelle kann über die Schieberegler eingestellt werden. Die Pixel innerhalb des Schwellenbereichs werden rot dargestellt. Wenn Sie mit den Schwelleneinstellungen zufrieden sind, können Sie auf Übernehmen klicken. Dadurch werden die Schwellenwerte dauerhaft angewendet und das Bild in binär umgewandelt. Sie haben verschiedene Möglichkeiten, eine manuelle Schwelle einzustellen. Das Dropdown-Menü, das auf Standard eingestellt ist, erlaubt Ihnen, zwischen Standard und 15 anderen Schwellentechniken zu wählen. Das Dropdown-Menü, das auf Rot eingestellt ist, ermöglicht Ihnen, zwischen einem Rot auf weißem Farbschema, einem Schwarz auf weißem Farbschema oder einem über und unter Farbschema zu wählen. Der Dunkelhintergrundkasten kippt die Vordergrundfarbe mit der Hintergrundfarbe. Sie können auch das Feld Stackhistogramm aktivieren, um ein Histogramm für einen gesamten Stack zu erstellen. Bei Farbbildern erfolgt die Einstellung der Schwelle mit der Befehlsfolge Image Adjust Color Threshold. . Mit der Option Schwellenmethode können Sie eine andere als die Standardeinstellung auswählen. Mit der Threshold-Option können Sie zwischen den Farben Rot, Weiß, Schwarz oder BampW wählen. Mit der Option Farbraum können Sie zwischen HSB, RGB, Lab und YUV wählen. Der Hintergrund des schwellenwertigen Bildes kann hell oder dunkel gemacht werden. Das Bild kann über den Menübefehl Bildtyp 8-Bit in ein Binärbild konvertiert werden. Es gibt viele Algorithmen, die Sie verwenden können, um die Schwelle ohne Einführung von Benutzer-Bias zu berechnen. Eine Auswertung von über 40 davon findet sich in dieser Arbeit: Sezgin, M. amp Sankur, B. (2004), Umfrage über Bildschwellentechniken und quantitative Leistungsbewertung., Journal of Electronic imaging 13 (1). 146-168 (auf Google Scholar). Fidschi hat mehrere Plugins im Menü Bild Anpassung Threshold für die automatische Berechnung einer Bildschwelle gefunden. Dazu gehören die Otsus-Schwellwertbildung, die maximale Entropieschwelle und die Modellierung der Schwellenwerte. Eine vollständige Liste der mit Fidschi verfügbaren Methoden finden Sie im Abschnitt "Plugins" im Abschnitt "Dokumentation" auf der Registerkarte "Inhalt" oben auf dieser Seite. Wasserscheide-Trennung Überlappende Objekte in einem binären Bild können mit dem Menübefehl Process Binary Watershed aufgetrennt werden. Zuerst konvertieren Sie das Bild in binär durch Schwellenwert. Die schwarzen Pixel werden dann durch graue Pixel mit einer Intensität ersetzt, die proportional zu ihrem Abstand von einem weißen Pixel ist. Schwarze Pixel näher an der Kante sind heller als schwarze Pixel, die mehr zentral sind. Dies ist die euklidische Distanzkarte (EDM) des schwarzen Bereichs. Daraus werden die Zentren der Objekte berechnet. Dies sind die endgültig erodierten Punkte (UEPs) jedes schwarzen Bereichs, dh sie sind von jedem Rand äquidistant. Diese Punkte werden dann erweitert, bis sie ein anderes schwarzes Pixel berühren. Dieser Treffpunkt ist, wo eine Watershed-Linie gezogen wird. Partikel analysieren Um die Partikel in einem segmentierten Bild zu analysieren, verwenden Sie den Menübefehl Analysieren Partikel analysieren. . Dadurch erhalten Sie Informationen über jedes Teilchen im Bild. Legen Sie die minimale Größe und die maximale Pixelfläche fest, um alles auszuschließen, was für das Bild nicht von Interesse ist. Rundheitswerte zwischen 0.0 und 1.0 können auch ausgewählt werden, um unerwünschte Objekte auszuschließen. Wählen Sie die Option Show: Outlines aus, um ein Bild der erkannten Objekte anzuzeigen. Das Dropdown-Menü "Anzeigen" ermöglicht dem Benutzer außerdem, Nothing, Bare Outlines, Ellipsen, Masken, Zählmasken, Overlay-Konturen und Overlay-Masken anzuzeigen. Der Benutzer kann wählen, ob Ergebnisse angezeigt werden sollen. Ergebnisse löschen. Zusammenfassen . Hinzufügen zum Manager. Auf Kanten ausschließen. Löcher einschließen. Aufnahme beginnt. Und / oder In-situ-Show. Die Partikelanalyse kann über Plugins oder Makros automatisiert werden, sobald der richtige Schwellenwert und Partikelgrößenbereich für Ihre interessanten Objekte ermittelt wurde. Nucleus Counter Dieses Plugin automatisiert viele der oben diskutierten Schritte. Geben Sie den zu zählenden Größenbereich ein Wählen Sie die automatische Schwellenwertmethode. Dies kann entweder Current (Strom) sein. Otsu. Maximale Entropie, Mixture-Modellierung oder k-Clustering. Current verwendet den Schwellenwert, der manuell gesetzt wurde, siehe oben. Führen Sie eine Hintergrundkorrektur durch. Verwenden Sie einen Smooth-Filter. Führen Sie eine Wasserscheide Trennung. Fügen Sie die Teilchen zum ROI-Manager hinzu. Sagen Sie ja zu einer Zusammenfassung. Weitere Optionen können auf Wunsch einfach hinzugefügt werden. Die Anzahl, die Fläche und die durchschnittliche Größe werden als Textfenster zurückgegeben, und die umrissenen Partikel werden auf einem Duplikat des Originalbildes überlagert. Sie können das integrierte Multi-Point Tool verwenden, um Partikel manuell zu zählen. Particle Tracker Particle Tracker ist ein 2D-Feature-Point-Tracking-Plugin für die automatisierte Detektion und Analyse von Teilchen-Trajektorien, wie durch Video-Imaging in der Zellbiologie aufgezeichnet. Der Algorithmus wird in Sbalzarini und Koumoutsakos (20051) deklariert. TrackMate Verwenden Sie den Menübefehl Plugins Tracking TrackMate. Dieses Plugin ermöglicht es Ihnen, Single-Particle-Tracking von punktförmigen Strukturen durchzuführen. Ausführlichere Informationen finden Sie im TrackMate-Tutorial und in der Erläuterung. Manuelles Tracking Verwenden Sie den Menübefehl Plugins Tracking Manual Tracking. Dieses Tool ermöglicht es Ihnen, den Überblick über die Bewegung einer Zelle zu halten. SIOX: Simple Interactive Object Extraction SIOX Segmentierung Ergebnis Dies ist ein Fidschi-Plugin auf dem SIOX-Projekt, um Farbbilder Segment. SIOX steht für Simple Interactive Object Extraction. Ein Verfahren zum Extrahieren von Vordergrund aus Standbildern mit sehr geringer Benutzerinteraktion. SIOX ist schnell, geräuschstabil und kann daher auch für die Segmentierung von Videos verwendet werden. Es vermeidet viele der Nachteile grafikbasierter Segmentierungsmethoden, führt aber bei verschiedenen Benchmarks gleich gut. SIOX ist offen und kostenlos (Apache-Lizenz) und die Autoren haben bewusst keinen Teil der Technologie patentiert. So wurde es in den vergangenen Jahren in mehrere Open-Source-Bildmanipulationsprogramme integriert. SIOX ist der zugrunde liegende Algorithmus des Vordergrund-Extrahierungswerkzeugs im GNU-Bildmanipulationsprogramm (GIMP) und Teil des Tracer-Tools in Inkscape. SIOX stammt von E-Chalk, wo ein Lehrer, der vor einer elektronischen Tafel steht, segmentiert ist. Varianten von SIOX werden für Roboter-Vision und für die Verbesserung der 3D-Time-of-Flight-Kamera-Segmentierung verwendet. Räumlichkeiten: Um das Plugin aufzurufen, muss mindestens ein RGB-Bild geöffnet sein. Nach Klicken auf die Plugins-Segmentierung SIOX: Einfache Interaktive Objekt-Extraktion. Wird das Bild in das Plugin GUI eingebettet. Schritt 1: Anfangssegmentierung. Malen Sie die Regionen von Interesse (ROIs) entsprechend dem Vordergrund und Hintergrund. Wählen Sie eines der ROI-Tools aus und markieren Sie die Bereiche, die Sie als Vordergrund und Hintergrund betrachten. Um mehrere Objekte zu segmentieren, wählen Sie Mehrere Vordergrundkomponenten zulassen Schritt 2: Detailverfeinerungspinsel. Wählen Sie neue ROIs aus, die hinzugefügt oder von der aktuellen Segmentierung subtrahiert werden sollen. Drücken Sie auf Verfeinern, um diese Bereiche basierend auf dem vorherigen Ergebnis hinzuzufügen / zu subtrahieren. Schritt 3: Maske zurücksetzen oder erstellen. Klicken Sie auf die Schaltfläche Zurücksetzen, um den Prozess neu zu starten, oder klicken Sie auf die Schaltfläche Maske erstellen, um ein binäres Bild zu erstellen. Bitte beachten Sie, dass die Binärbild-Polarität der Option "Prozessbinäre Optionen" folgen wird. SIOX-Segmentierung Grafische Benutzeroberfläche für Leaf-Beispiel SIOX ist ein Plugin, das für die Segmentierung von 2D-Farbbildern entwickelt wurde. Wenn das Bild nicht RGB-Farbe ist, kann es mit dem Befehl Bildtyp RGB-Farbe in RGB konvertiert werden. Allerdings verwendet der SIOX-Algorithmus Farbinformationen, so dass es erwartet wird, besser auf echten RGB-Bildern zu arbeiten. Beim Aufruf des Plugins wird das Bild in die grafische Benutzeroberfläche von SIOX (GUI) eingebettet. Diese GUI verfügt über 3 Bereiche (Panels): Anfangssegmentierung, Detailverfeinerungspinsel und die Masken / Reset-Schaltflächen. Initial Segmentation SIOX initial segmentation panel Dies ist der erste Schritt des Verfahrens, in dem man die ROIs definiert, die typischen Bereichen des Vorder - oder Hintergrunds entsprechen. Vordergrund und Hintergrund definieren Die Optionsfelder Vordergrund und Hintergrund wechseln zwischen den beiden ROI-Typen. Wenn die Vordergrund-ROIs definiert werden, werden die Hintergrund-ROIs in durchscheinendem Rot dargestellt. Ähnlich werden bei der Definition der Hintergrund-ROIs die Vordergrund-ROIs in durchscheinendem Grün dargestellt. Die ROIs können mit einem der Auswahlwerkzeuge definiert werden: TIPP. Mehrere ROIs können mit einem beliebigen Auswahlwerkzeug ausgewählt werden, indem Sie die SHIFT-Taste drücken und auf verschiedene Teile des Bildes klicken. Mehrere Objekte Für die Segmentierung mehrerer Objekte. Aktivieren Sie Mehrere Vordergrundkomponenten zulassen. Diese Option teilt SIOX mit, nach mehreren Objekten im Bild zu suchen. Wenn Sie mehrere Vordergrund-ROIs einführen, wird diese Option dann angenommen. Glättung Der Regler Glättung definiert die Schärfe der resultierenden Konturen. Wenn Sie beispielsweise das Standardmuster Leaf (36K) segmentieren, reduziert die Glättung genauere Ränder. Segmentierung Beispiel für das SIOX-Ergebnis nach der Erstsegmentierung Um mit der anfänglichen Segmentierung fortzufahren, klicken Sie auf Segment. Denken Sie daran, dass SIOX mindestens eine Vordergrundkomponente (ROI) benötigt, um die Segmentierung zu erzeugen, der Hintergrund ROI ist optional. Nach einigen Sekunden (abhängig von der Bildgröße) erscheint das Ergebnis (dunkler Hintergrund und Vordergrundbereich (e) in den Originalfarben). Daraufhin wird die anfängliche Segmentierung deaktiviert. Wenn die Ergebnisse nicht zufrieden stellend sind, drücken Sie auf Zurücksetzen, um den Vorgang neu zu starten. Andernfalls fahren Sie mit dem nächsten Verfeinerungsschritt fort. Detail Verfeinerungspinsel SIOX Detailverfeinerungspinsel Dies ist der zweite Schritt im SIOX-Segmentierungsprozess. An diesem Punkt kann das Verfahren erneut aufgerufen werden, um die bisher erhaltenen Ergebnisse zu verfeinern, um so viele Bereiche wie möglich zu subtrahieren oder neue Bereiche zu den Hintergrund - oder Vordergrundkomponenten hinzuzufügen. Der Add-Modus ändert nur Pixel, die früher als Hintergrund klassifiziert wurden, während der Subtrahier-Modus nur diejenigen modifiziert, die früher als Vordergrund klassifiziert wurden. Hinweis . Dieser Schritt ist optional. Wenn Sie bereits mit dem Ergebnis zufrieden sind, fahren Sie mit dem Erstellen der binären Maske fort. Durch Klicken auf subtrahieren oder addieren werden die zu addierenden oder zu subtrahierenden ROIs ausgewählt. Die Schieberegler stellen die Schwelle für die Additions - und Subtraktionsverfeinerung dar. Entscheiden, an welchem Konfidenzniveau man anhalten soll. Das Erhöhen des Subtraktions-Schiebers entspannt den Schwellwert, um einen Bereich als Hintergrund einzustellen, während eine Verringerung des Additions-Schiebereglers den Schwellenwert entspannt, um einen Bereich als Vordergrund festzulegen. Klicken Sie abschließend auf Verfeinern. Wird die Segmentierung für die ausgewählten Bereiche neu berechnet und das Ergebnis wird wie zuvor angezeigt (dunkler Hintergrund und farbiger Vordergrund). Wiederholen Sie diesen Schritt, bis Sie vollkommen zufrieden sind. SIOX zurücksetzen / Maske erstellen / Maske erstellen Diese Maske wird während eines der anderen Segmentierungsschritte aktiviert. Reset Setzt das Bild einschließlich des internen Status der Vertrauensmatrix (Vorder-, Hintergrund - und Verfeinerungsbereiche) zurück. Die ursprünglichen ROIs werden neu geladen, so dass sie wiederverwendet werden können. Maske erstellen Erstellt ein binäres (0-255) Bild basierend auf dem aktuellen Zustand des Segmentierungsprozesses. Die Hintergrundfarbe (schwarz oder weiß) ist in Process Binary Options definiert. Diese Taste kann während eines der vorherigen Schritte gedrückt werden. Save segmentator Sie können die Segmentierungsinformationen in einer Datei speichern, indem Sie auf die Schaltfläche Save segmentator klicken. Dies kann später auf ein anderes Bild oder Stapel von Bildern angewendet werden, indem man auf den SIOX Segmentator (siehe nächsten Abschnitt) klicken. Anwenden des SIOX-Segmentators Sie können einen zuvor gespeicherten SIOX-Segmentierer auf ein beliebiges geöffnetes Bild oder einen Satz von Bildern (Stack) anwenden. Schritt 1 . Klicken Sie auf das Bild oder Stapel auf Segment. Schritt 2 . Klicken Sie auf Plugins Segmentation Apply SIOX Segmentator. Und das folgende Dialogfeld öffnet sich: SIOX-Segmenteingabe-Dialog anwenden Schritt 3. Wählen Sie die Siox-Segmentierungsdatei (oder ziehen Sie sie einfach per Drag & Drop) und klicken Sie auf OK. Der Segmentierer wird auf das ausgewählte Bild oder den Stapel angewendet und das Ergebnis wird angezeigt. Ergebnisse des Anwendens des zuvor berechneten SIOX-Segmentators auf einen Stapel von transformierten Versionen der Blattprobe Hinweis. Beim Anwenden eines gespeicherten Segmentators gibt es keine Information über die Größe der erwarteten Vordergrundkomponenten, so daß die größte Komponente als Referenz verwendet wird. Die Mehrfachkomponentenoption stimmt mit dem überein, was sie während der Segmentierungsberechnung verwendet wurde. Die neueste Dokumentation des Pakets finden Sie hier: Die umfangreichste Arbeit: G. Friedland: Adaptive Audio - und Videobearbeitung für elektronische Tafelvorlesungen, Dissertation. Institut für Informatik, Freie Universität Berlin, Oktober 2006. Standbildansatz: G. Friedland, K. Jantz, T. Lenz, F. Wiesel, R. Rojas: Objektschnitt und Einfügen in Bilder und Videos, International Journal of Semantic Computing Band 1, Nr. 2, S. 221-247, World Scientific, USA, Juni 2007. G. Friedland, K. Jantz, L. Knipping, R. Rojas: Bildsegmentierung durch einheitliches Farbclustering - Ansätze und Ergebnisse Bericht B-05-07. Institut für Informatik, Freie Universität Berlin, Juni 2005 (PDF, 18MB). G. Friedland, K. Jantz, R. Rojas: SIOX: Einfache interaktive Objekt-Extraktion in Bildern, Proceedings des IEEE International Symposium on Multimedia (ISM2005), S. 253-259, Irvine (Kalifornien), Dezember 2005. Download PDF von der Digitalen Bibliothek der IEEE Computer Society. G. Friedland, K. Jantz, T. Lenz, R. Rojas: Erweiterung des SIOX-Algorithmus: Alternative Clustering-Methoden, Subpixelgenaue Objekt-Extraktion aus Standbildern und Generic-Video-Segmentierung, Technischer Bericht B-06-06. Institut für Informatik, Freie Universität Berlin, Januar 2006 (PDF, 10MB). G. Friedland, K. Jantz, T. Lenz, F. Wiesel, R. Rojas: Ein praktischer Ansatz zur grenzüberschreitenden Multi-Objekt-Extraktion aus Standbildern und Videos, der in Proceedings of the IEEE International Symposium on Multimedia (ISM2006 ), San Diego (Kalifornien), Dezember 2006. Danke an Wayne Rasband. Gibt es eine ImageJ-Version dieses Plugins ohne Fidschi-Abhängigkeiten: Die von Gerald Friedland entwickelte SIOX-Java-Bibliothek. Kristian Jantz und Lars Knipping sind unter der Apache Lizenz lizenziert. Version 2.0 (die Lizenz): apache. org/licenses/LICENSE-2.0. Soweit das anwendbare Recht dies nicht verlangt oder schriftlich vereinbart ist, wird die Software, die unter der Lizenz vertrieben wird, ohne die ausdrückliche oder stillschweigende Gewährleistung oder ausdrückliche oder stillschweigende Gewährleistung ausgeschlossen. Siehe Lizenz für die spezifische Sprache, die Berechtigungen und Einschränkungen unter der Lizenz regelt. Das Fidschi Plugin GUI, entwickelt von Ignacio Arganda-Carreras. Stephan Saalfeld und Johannes Schindelin ist freie Software, die Sie unter den Bedingungen der GNU General Public License, veröffentlicht von der Free Software Foundation (gnu. org/licenses/gpl. txt), weiterverteilen und / oder modifizieren können.
No comments:
Post a Comment