回到首頁

影像前處理決策方法

1. 是否影像太模糊或太銳利？

1-1. 銳化影像 (Sharpening)

• 目的： 改善模糊影像，使邊緣更清楚
• ImageJ 操作：
  • Process > Enhance Contrast
  • Process > Filters > Sharpen
  • Plugins > Filters > Unsharp Mask

---

1-2. 模糊平滑影像 (Blurring)

• 目的： 去除過強邊緣或雜訊
• ImageJ 操作：
  • Process > Filters > Gaussian Blur...
  • Process > Filters > Median...
  • Process > Smooth

---

2. 是否有明顯的雜訊？

2-1. 去除椒鹽雜訊 (Salt-and-Pepper Noise)

• ImageJ 操作：
  • Process > Filters > Median...

2-2. 去除高斯雜訊 (Gaussian Noise)

• ImageJ 操作：
  • Process > Filters > Gaussian Blur...

2-3. 去除週期性雜訊 (Periodic Noise)

• ImageJ 操作：
  1. Process > FFT > FFT
  2. 在頻域影像中，遮罩處理高亮區域（代表週期性雜訊）
  3. Process > FFT > Inverse FFT

---

3. 是否影像對比度太低或亮度不均？

3-1. 增強對比 (Contrast Enhancement)

• ImageJ 操作：
  • Image > Adjust > Brightness/Contrast...
  • Process > Enhance Contrast... (可勾選 Normalize / Equalize Histogram)

3-2. 自訂 Gamma 或 LUT 調整

• ImageJ 操作：
  • Image > Lookup Tables (選擇並套用合適的 LUT，部分 LUT 可調整 Gamma)
  • Image > Adjust > Gamma... (可能需要額外插件)

---

4. 是否需要區分前景與背景？

4-1. 閾值二值化 (Thresholding)

• ImageJ 操作：
  • Image > Adjust > Threshold...
  • 在彈出視窗中，可從下拉選單選擇自動閾值方法 (如 Otsu, Yen, MaxEntropy 等)
  • 調整閾值範圍後，按 Apply 將影像轉換為二值影像。

4-2. 自適應閾值 (Adaptive Thresholding)

• 需求： 通常需要安裝插件，例如 Auto Local Threshold。
• ImageJ 操作 (以 Auto Local Threshold 為例)：
  1. 安裝 Auto Local Threshold 插件。
  2. 使用 Plugins > Auto Local Threshold。
  3. 選擇合適的局部閾值方法 (如 Mean, Median, MidGrey, Phansalkar, Bernsen 等)。

---

5. 是否要強調或抽出特定形狀特徵？

5-1. 邊緣偵測 (Edge Detection)

• ImageJ 操作：
  • Process > Find Edges (使用 Sobel 算子)
  • 進階： 可使用插件如 Plugins > FeatureJ > FeatureJ Edges (提供 Canny 等更多方法)

5-2. 數學形態學 (Mathematical Morphology)

• ImageJ 操作：
  • 設定結構元素： Process > Binary > Options... (選擇結構元素形狀和前景/背景色)
  • 基本操作：
    • Process > Binary > Erode (侵蝕)
    • Process > Binary > Dilate (膨脹)
    • Process > Binary > Open (開啟：先侵蝕再膨脹，去除小噪點)
    • Process > Binary > Close (關閉：先膨脹再侵蝕，填補小空洞)
  • 其他操作：
    • Process > Binary > Skeletonize (骨架化)

---

6. 是否圖像角度或大小不一致？

6-1. 幾何轉換 (Geometric Transformations)

• ImageJ 操作：
  • 旋轉： Image > Transform > Rotate...
  • 縮放： Image > Transform > Scale...
  • 翻轉： Image > Transform > Flip Horizontally / Flip Vertically
  • 精確對齊： 使用 ROI 工具選取參考區域，再用 Edit > Selection > Specify... 設定精確座標或大小，輔助對齊。

---

7. 是否要進行大量影像處理？

7-1. 使用批次處理 (Batch Processing)

• ImageJ Macro 操作：
  1. 錄製Macro： Plugins > Macros > Record... 開始錄製你的操作步驟。
  2. 完成操作後，在 Recorder 視窗點擊 Create。
  3. 測試Macro： Plugins > Macros > Run... 選擇剛才儲存的Macro文件 (.ijm) 運行。
  4. 批次處理： Process > Batch > Macro...
     • 設定 Input 資料夾 (來源影像)。
     • 設定 Output 資料夾 (儲存結果)。
     • 選擇 Macro 文件。
     • 設定輸出格式 (Format)。
     • 點擊 Process 開始批次處理。

7-2. 使用 Python 自動化 (推薦 pyimagej)

常見的細胞分析基本流程 (Workflow)

1. 輸入影像 (Image Input)

   • 通常是顯微鏡影像。
   • 格式可能是 TIFF, JPG, PNG 等，有時是多通道 (multi-channel) 或 Z-stack 影像。

2. 去雜訊 (Noise Reduction)

   • Gaussian blur (高斯模糊): 去除高頻雜訊，使背景平滑。適用於高斯分佈的雜訊。
   • Median filter (中值濾波): 更適合消除 salt-and-pepper noise (椒鹽雜訊/雜點)。

3. 增強對比/亮度均勻化 (Enhancement / Illumination Correction)

   • Histogram equalization (直方圖均化): 全局性地增強對比度。
   • CLAHE (Contrast Limited Adaptive Histogram Equalization): 自適應直方圖均衡，分區塊處理，對局部對比度改善更佳，尤其適用於亮度不均的影像。
   • 背景減除 (Process > Subtract Background...): 適用於背景緩慢變化的情況。

4. 門檻處理/分割 (Thresholding / Segmentation)

   • 全局閾值 (Global Threshold): 整張影像使用同一個閾值。
     • Image > Adjust > Threshold... (可選 Otsu, MaxEntropy 等自動方法)。
   • 局部閾值 (Local Threshold): 影像被分成小區域，每個區域計算自己的閾值。
     • 適用於背景亮度不均勻。
     • 需插件如 Auto Local Threshold (提供 Phansalkar, Bernsen, Mean, Median 等方法)。

5. 形態學運算 (Morphological Operations)

   • 主要在二值影像上操作 (Process > Binary > ...)。
   • Erosion (侵蝕): 縮小物件，去除毛刺。
   • Dilation (膨脹): 擴大物件，填補內部小孔。
   • Opening (開啟): 先侵蝕後膨脹，可斷開細微連接、去除小噪點。
   • Closing (關閉): 先膨脹後侵蝕，可連接鄰近物件、填補內部孔洞。
   • Watershed 分水嶺分割: Process > Binary > Watershed，常用於分離相連或重疊的細胞。通常需要先進行距離變換 (Process > Binary > Distance Map)。

6. 粒子分析 (Analyze Particles)

   • Analyze > Analyze Particles...
   • 在二值影像上偵測獨立的物件 (粒子/細胞)。
   • 可設定大小 (Size) 和圓形度 (Circularity) 範圍來篩選目標。
   • 測量參數包括：面積 (Area)、中心點 (Centroid)、周長 (Perimeter)、圓形度、長短軸等。
   • 勾選 Display results, Clear results, Summarize, Add to Manager 等選項控制輸出。

7. 輸出數據 (Data Output)

   • 分析結果顯示在 ImageJ 的 Results Table 中。
   • 可將表格 File > Save As... 匯出成 .csv 或 .txt 文件，以便後續使用 Excel, Python (Pandas), R 等工具進行統計分析和繪圖。