![カラーパネル検出ならびに葉領域の抽出と細線化
原画像 CIELAB 色空間の a* 軸 a* が閾値以下の領域
葉領域画像 細線画像カラーパネル検出結果
カラーパネルの円の直径が既知(12.5 cm)
であるため，スケールバーとして利用し，
比率 r [cm / pixel] を求める．
画像や細線化画像で測定された pixel 単位
の値を cm に換算するのに用いる．
緑色の領域は a* 軸では小さな値となる．
手作業で個体中心付近に設定した円(青色
で示す)と連結した白領域のみ抽出し，
さらにモルフォロジカルフィルタ(close)
によって領域境界の平滑化を行なうことで
葉領域を得た．
白黒画像の細線化アルゴリズムを適用して
得た．
他に輪郭画像を形態計測の際には作成
しているが，ここでは省略している．](https://image.slidesharecdn.com/20150918t0915-kutsuna-150928131738-lva1-app6891/85/ImageJ-15-320.jpg)
![// R G B
private val colorLeaf = new java.awt.Color(128, 128, 128)
private val colorSpot = new java.awt.Color(255, 255, 255)
private val colorLeafId = new java.awt.Color( 0, 198, 255)
private val colorSpotId = new java.awt.Color( 0, 255, 0)
private val colorImageJForeground = new java.awt.Color(255, 255, 255)
private val fontLeaf = new java.awt.Font("Serif", java.…
private val fontSpot = new java.awt.Font("Serif", java.…
def config(argStr: String): Option[() => Any] = {
def rec() {
val imp = IJ.getImage
input(mode)
mode.getSym match {
case 'measure => measure(imp)
case 'setParam => {
if (setParam()) rec()
}
}
}
rec()
None
}](https://image.slidesharecdn.com/20150918t0915-kutsuna-150928131738-lva1-app6891/85/ImageJ-31-320.jpg)
滨尘补驳别闯を使った画像解析実习?数?形态?分布の解析?
- 1. ImageJ を使った画像解析実習 数?形態?分布の解析 第194回農林交流センターワークショップ 「 植物科学?作物育種におけるフェノーム解析 - はじめて画像解析を行う研究者のための入門実習 - 」 2015-09-18 09:15-10:20 (実習75分) 実習主担当: 朽名 夏麿
- 2. 例: 葉緑体の形の解析 (粒子解析) 二値画像 グレイスケール画像 Analyze > Analyze Particles…
- 3. 例: アクチン繊維の配向解析 共焦点画像 バンドパスフィルタ による繊維等の強調 二値化像 細線化像 短径 / 長径 短径 長径 気孔開閉の指標 気孔に対する アクチン繊維の角度 アクチン繊維の配向の指標 気孔 θ 気孔 θ 気孔 この場合， 短径 / 長径＝0.47 この場合， アクチン繊維の角度＝54.3° 灰色: 気孔領域 黒色: アクチン繊維 シロイヌナズナ気孔 アクチン繊維
- 4. バンドパスフィルタ Process > FFT > Bandpass Filter... 解析対象のおおよその大きさをもとに強調する処理． ノイズ，背景，シェーディングの影響を抑制する． 細胞表層微小管のプラス端 輝度プロファイル(左図の黄色い線)
- 7. * stomata-actin.tif を開く． * Image > Stacks > Z Project... > Projection type = Max Intensity * Process > FFT > Bandpass Filter... Filter large... = 5 Filter small... = 1 Tolerance... = 0 * Image > Adjust > Threshold... > … > Apply * Process > Binary > Skeletonize * Plugins > LPX > Lpx_LinesAngle mode = map (可視化) * Plugins > LPX > Lpx_LinesAngle mode = eachSlice (定量)
- 8. 実験圃場(水田) 60 cm 間隔 圃場のイネの各個体を毎週撮影し， 地上部の大きさ?形?色を経時的に 定量する実験系を確立する． 定量した形質をQTL解析に供する． 例: 圃场におけるイネの生长解析
- 9. 撮像装置
- 10. 実際に撮影された画像 カラーチャート 個体識別札 画像提供: 香川大学 農学部 杉田(小西)左江子 先生
- 12. http://www.mathworks.com/matlabcentral/fileexchange/28790-colorspace-transformations 色空間 一般的なカラー画像では色彩の表現として， RGB (発光時に用いる色表現，カメラに用いる色表現) や CMYK (印刷に用いる色表現) が用いられる． 一方，バイオイメージング分野では 単色からスペクトルまで 多様な色情報のデータが 扱われている．
- 13. (A) http://www.jiscdigitalmedia.ac.uk/guide/colour-theory-understanding-and-modelling-colour/ (B) http://w3.kcua.ac.jp/~fujiwara/infosci/colorspace/colorspace3.html その他 http://en.wikipedia.org/ よりそれぞれ引用 CIE1976 L*a*b* (CIELAB) color space L*: lightness, a* & b*: color-opponent space perceptually uniform RGB color space (A) (B) Additive primary colors: Red, Green, Blue mimic the nonlinear response of the eye
- 14. RGB HSV YIQ CIE L*a*b* CIE XYZ 各種色空間への変換例 → CIE a* 軸がイネ地上部の領域抽出に向く．
- 15. カラーパネル検出ならびに葉領域の抽出と細線化 原画像 CIELAB 色空間の a* 軸 a* が閾値以下の領域 葉領域画像 細線画像カラーパネル検出結果 カラーパネルの円の直径が既知(12.5 cm) であるため，スケールバーとして利用し， 比率 r [cm / pixel] を求める． 画像や細線化画像で測定された pixel 単位 の値を cm に換算するのに用いる． 緑色の領域は a* 軸では小さな値となる． 手作業で個体中心付近に設定した円(青色 で示す)と連結した白領域のみ抽出し， さらにモルフォロジカルフィルタ(close) によって領域境界の平滑化を行なうことで 葉領域を得た． 白黒画像の細線化アルゴリズムを適用して 得た． 他に輪郭画像を形態計測の際には作成 しているが，ここでは省略している．
- 16. 形態特徴の測定法 1/3 葉領域画像 area1: イネ地上部の面積(cm2)．葉領域画像中の白画素数 × r2 perimeter4conn: イネ地上部領域の周長(cm)．輪郭画像中の白画素数 × r widthByAreaPeri4: 葉の幅に関する指標(cm)．2 × area1 ÷ perimeter4conn complexity: 形状の複雑度．perimeter4conn 2 ÷( 4 π × area1 ) 拡大 輪郭画像葉領域画像 輪郭抽出
- 17. 形態特徴の測定法 2/3 葉領域画像 skelLen: 葉の長さに関する指標(cm)．細線画像中の白画素数 × r widthByAreaSkelLen: 葉の幅に関する指標(cm)．area1 ÷ skelLen skelEnd: 葉の枚数に関する指標(個)．細線画像中の端点の数 (赤い丸)． skelBranch: 葉の混み具合に関する指標(個)．細線画像中の分岐点の数 (黄色い丸)． 拡大 細線画像葉領域画像 細線化 端点 端点 分岐点 分岐点
- 18. 形態特徴の測定法 3/3 widthBySkelDisttrfmMean: 葉の幅に関する指標(cm)．以下の手続きによって求める値． Step 1. 細線画像(左の画像)中のi 番目の白画素 Ai について( i は 1 から skelLen まで): Step 1-1. 画素Aiに最も近い，輪郭画像(右の画像)中の白画素を探し，これを画素Bとする． Step 1-2. 画素Aiと画素Biの距離(pixel)を求めて， di とする． Step 2. di の平均値(i は 1 から skelLen まで) × 2 r を widthBySkelDisttrfmMean とする． 細線画像 輪郭画像 画素Ai 画素Bi
- 19. 実習 - RGB 各信号 への分解: Image > Color > Split Channels - その他の色空間の座標へ: Plugins > LPX > Lpx Color > mode = RGB2... もしくは Plugins > Filters > Color Transformer
- 20. - 輝度を閾値とした2値化 Image > Adjust > Threshold - 面積の測定 Analyze > Analyze Particles - 細線化と線長の測定 Process > Binary > Skeletonize Analyze > Analyze Particles or KBI_Measure > blobMeasure... feature=chain_codes_8_totalLength - 端点抽出と計数 Plugin > LPX > Lpx_Filter2d > filtersForBilevel__ > pixSpec__ > pick,,end
- 21. 例2: ブドウ葉の病斑解析 シートフィード式スキャナ (ScanSnap) で撮影． 画像提供: 農研機構 果樹研究所 河野淳 様 http://www.scansnap.net/escaneres-by-fujitsu/scansnap/s1100/
- 22. 拡大図
- 23. ※スケール代わりの付箋紙にも注目． 回転 縮小 + CIE L* + ノイズ抑制 縮小 + CIE a* + ノイズ抑制 入力画像
- 24. 入力画像 回転 縮小 + CIE L* + ノイズ抑制 縮小 + CIE a* + ノイズ抑制 拡大図
- 25. 自動二値化 自動二値化
- 26. 病斑領域の二値化 自動二値化だけで 常に 必要十分に 正しく 領域抽出するのは困難． → ユーザの目視による二値化基準の修正 + 二値化後の除去 (主に葉脈部を除くため円形度を閾値とした) 適切 (必要十分) 偽陰性(見逃し) あり 偽陽性(採り過ぎ)あり
- 27. 葉領域 ならびに 病斑領域 の決定 葉領域 病斑領域 群葉領域
- 28. 叶および病斑に関する定量
- 29. 縮小率: 長さ比 1/shrink に縮小する． 葉領域のノイズ抑制 (to CIEL* 像)． 葉領域の自動2値化アルゴリズム 病斑領域のノイズ抑制 (to CIEa* 像) 病斑領域の自動2値化アルゴリズム 葉領域の最小面積 Phase 1: 2値化による領域分割まで Phase 2: 領域分割後のフィルタリング 病斑領域の最小円形度
- 30. object Ijp extends LpxPlugIn { private val leafThreffective = Seq('ijHuang, 'ijLi, 'ijMinimum, … private val spotThreffective = Seq('ijRenyiEntropy, 'ijYen, … private val leafThrSyms = leafThreffective ++ (plg.threshold.Common.ijSymbols.toSet -- leaf… } private val spotThrSyms = { spotThreffective ++ (plg.threshold.Common.ijSymbols.toSet -- spot… } private val mode = arg("kaMode", Seq('measure, 'setParam)) private val sep1 = arg("-- phase1 --") private val shrink = arg("shrink", 4) private val leafDenoise = arg("leafDenoise", 2.0) private val leafThr = arg("leafThr", leafThrSyms) private val spotDenoise = arg("spotDenoise", 1.0) private val spotThr = arg("spotThr", spotThrSyms) private val genStk = arg("genStk", false) private val sep2 = arg("-- phase2 --") private val leafMinArea = arg("leafMinAreaInOrg", 500000d) private val spotCircularity = arg("spotCircularity", 0.6) private val sep3 = arg("----") private val continuePlugIn = arg("continuePlugIn", true)
- 31. // R G B private val colorLeaf = new java.awt.Color(128, 128, 128) private val colorSpot = new java.awt.Color(255, 255, 255) private val colorLeafId = new java.awt.Color( 0, 198, 255) private val colorSpotId = new java.awt.Color( 0, 255, 0) private val colorImageJForeground = new java.awt.Color(255, 255, 255) private val fontLeaf = new java.awt.Font("Serif", java.… private val fontSpot = new java.awt.Font("Serif", java.… def config(argStr: String): Option[() => Any] = { def rec() { val imp = IJ.getImage input(mode) mode.getSym match { case 'measure => measure(imp) case 'setParam => { if (setParam()) rec() } } } rec() None }
- 32. private def measure(imp: Imp) { if (ImgC.is(imp)) { phase1(imp) } else { phase2() } } private def phase1(impOrg: Imp) { def bandpass(ip: Ip, loSd: Double, hiSd: Double): Ip = { new plg.band_pass.DiffOfGaussian(loSd, hiSd)(ip) } def bandpassMin0(ip: Ip, loSd: Double, hiSd: Double): Ip = { plg.band_pass.Min0(bandpass(ip, loSd, hiSd)) } def to8bit(ip: Ip): Ip = plg.filter2d.ToByteType.SliScale(ip) def toThrStk(ip: Ip): Ist = new plg.filter2d.ToStkByThrFromByte(A… def showAndSetCurSlice(ist: Ist, title: String, z: Int) { val impShow = new Imp(WindowManager.makeUniqueName(title), ist) impShow.setDisplayRange(0, 255, 7) impShow.updateAndDraw impShow.setSlice(z + 1) impShow.show }
- 33. require(ImgC.is(impOrg), "ImgC.is") require(impOrg.getStackSize == 1, "getStackSize == 1") require(shrink() >= 1, "shrink >= 1") ij.gui.Toolbar.setForegroundColor(colorImageJForeground) impOrg.setTitle(WindowManager.makeUniqueName("org")) val ipOrg = impOrg.getProcessor.rotateRight impOrg.setProcessor(ipOrg) ipOrg.setInterpolationMethod(Ip.BILINEAR) val ipShrink = ipOrg.resize((ipOrg.getWidth / shrink().toFloat).r… val (ipCieL, ipCieA, ipCieB_notUsed) = new Rgb2ColorSpace(false).procSli(ipShrink, 'CIELAB2_speedy) val (numX, numY) = UtilImg.dim(ipCieL) val bpHiMax = numX.min(numY) // leaf: CIEL* val ipLeaf = to8bit(bandpassMin0(plg.filter_pt.MathOpMultiply(-1)… val thrLeaf = new IjThresholder(leafThr.getSym).getThr(ipLeaf).get() if (genStk()) { val istLeaf = toThrStk(ipLeaf) showAndSetCurSlice(istLeaf, "leaf", thrLeaf) } else { val imp = UtilImg.show(ipLeaf, f"leaf_${thrLeaf}") IJ.setThreshold(imp, thrLeaf, 255) }
- 34. // spot: CIEa* val ipSpot = to8bit(bandpass(ipCieA, spotDenoise(), bpHiMax)) val thrSpot = new IjThresholder(spotThr.getSym).getThr(ipSpot).get() if (genStk()) { val istSpot = toThrStk(ipSpot) showAndSetCurSlice(istSpot, "spot", thrSpot) } else { val imp = UtilImg.show(ipSpot, f"spot_${thrSpot}") IJ.setThreshold(imp, thrSpot, 255) } } // use leafMinArea(), spotCircularity() private def phase2() { def getIpOfTitle(title: String): Ip = { val titles = UtilIj.getAllImageTitles() val hits = titles.filter(_.startsWith(title)) LpxExc.assert(hits.size == 1, f"Image '$' is not … val ip = WindowManager.getImage(hits.head).getProcessor LpxExc.assert(Img8.isBinary(ip), f"Image '$' must be … ip }
- 35. def drawString(ipTgt: Ip, s: String, font: Font, color: Color, … ipTgt.setColor(color) ipTgt.setFont(font) val width = ipTgt.getStringWidth(s) ipTgt.drawString(s, x - width, y) } ij.gui.Toolbar.setForegroundColor(colorImageJForeground) val ipLeaf = getIpOfTitle("leaf") val ipSpot = getIpOfTitle("spot") LpxExc.assert(UtilImg.sameDim(ipLeaf, ipSpot), "dimension mismatch") val leafMinAreaInShrinked = (leafMinArea() / (shrink() * shrink()))… val leafBlobs = { PixGrp.filterOutSmall(PixGrp.getBlobs(ipLeaf), leafMinAreaInShr… } val spotBlobs = { val ipSpotInLeaf = Img8.dupRet(ipSpot, false) { ipSpotInLeaf => for (i <- 0 until ipSpot.getPixelCount if ipLeaf.get(i) == 0) { ipSpotInLeaf.set(i, 0) } } PixGrp.getBlobs(ipSpotInLeaf).filter(_.getCircularity >= spotCircularity()) }
- 36. UtilIj.writeln(f"#shrink;?t${shrink()}") UtilIj.writeln(f"# areaAdjustFactor;?t${shrink() * shrink()}") UtilIj.writeln(f"#leafDenoise;?t${leafDenoise()}") UtilIj.writeln(f"#leafThr;?t${leafThr.getSym.name}") UtilIj.writeln(f"#spotDenoise;?t${spotDenoise()}") UtilIj.writeln(f"#spotThr;?t${spotThr.getSym.name}") UtilIj.writeln(f"#leafMinAreaInOrg;?t${leafMinArea()}") UtilIj.writeln(f"# leafMinAreaInShrinked;?t${leafMinAreaInShrinked}" UtilIj.writeln(f"#spotCircularity;?t${spotCircularity()}?n") for ((leafBlob, leafIdx) <- leafBlobs.zipWithIndex) { for (polRoi <- leafBlob.toPolygonRoi(true, true)) { plg.roi_util.Painter.drawByRoiInSitu(ipDebug, colorLeaf, polRoi) val awtRectangle = polRoi.getFloatPolygon.getBounds ipDebug.setColor(colorLeafId) val x = awtRectangle.x val y = awtRectangle.y + awtRectangle.height / 2 drawString(ipDebug, f"${leafIdx}", fontLeaf, colorLeafId, x, y) } val leafXySet = leafBlob.toXys.toSet val assocBlobs = spotBlobs.filter { spotBlob => val (centroidX, centroidY) = spotBlob.getCentroid leafXySet.contains((centroidX.round.toInt, centroidY.round.… } sortBy(- _.size)
- 37. for ((blob, blobIdx) <- assocBlobs.zipWithIndex) { blob.drawToIpByColor(ipDebug, colorSpot) val x = blob.xsMin - 3 val y = (blob.ysMin + blob.ysMax) / 2 + 10 drawString(ipDebug, f"${blobIdx}", fontSpot, colorSpotId, x, y) } UtilIj.writeln(f"leafIdx;?t$leafIdx") UtilIj.writeln(f"leafArea;?t${leafBlob.size * shrink() * shrink(… UtilIj.writeln(f"spotNum;?t${assocBlobs.size}") val spotTotalArea = assocBlobs.map(_.size).sum UtilIj.writeln(f"spotTotalArea;?t${spotTotalArea * shrink() * shr… for ((spotBlob, spotIdx) <- assocBlobs.zipWithIndex) { UtilIj.writeln(f" spotArea;?t${leafIdx}-${spotIdx};?t" + f"${spotBlob.size * shrink() * shrink()}") } UtilIj.writeln("") } null }
- 38. private def setParam(): Boolean = { input(sep1, shrink, leafDenoise, leafThr, spotDenoise, spotThr, genStk, sep2, leafMinArea, spotCircularity, sep3, continuePlugIn) mode.setIdx(0) continuePlugIn() } }