SlideShare a Scribd company logo
1 of 34
Download to read offline
ImageJを使った画像解析実習
ー起動・終了とファイルの入出力ー
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 - 」
2015-9-17 15:30-16:15 (実習45分)
実習主担当 相阪 有理
エルピクセル(株)
はじめに
画像解析の流れ
生データ
コンピュータ/ImageJ
解析結果
加工済データ
心構え
• コンピュータやソフトウェアは
簡単には壊れない
• 電子データは一瞬で消え得る
– (が、解析結果は作り直せる)
生データを消してしまわないことにだけ
気をつけて、とにかく触って覚える
ImageJの起動と終了
ImageJの起動と終了
ダブルクリックで起動 ImageJ メインメニュー(Windows)
File > Quit で終了
演習: 起動→終了を繰返して
みましょう!
ImageJ の基本画面
(タバコBY-2 液胞膜)
← 画像ウインドウ
メニューバー
ツールバー
ステータスバー
まずはメニューバーの構成を学び、
解析したい画像を表示できるようにする
画像を開いて閉じる
メニューと画像解析までの流れ
大雑把な処理の流れ
生データ群
画像を開く
(形が知りたいので)
画像処理を施す
計測す
る
画像を開く
• ショートカットも少しずつ覚えていくと便利
• 実はドラッグ&ドロップでも開ける
• New 画像新規作成
(クリップボード経由で、他アプリから画像のペーストが
できる)
• Open… (画像)ファイルを開く
• Import
フォーマットを指定してファイルを開く
• Close 画像ウィンドウを閉じる
画像を保存する
※ 保存するまで、画像データを変更しても
ファイルは書き変わらない!
• Save (Ctrl-s) ファイル保存
画像ウインドウの内容をファイルに保存する
• Save as
(フォーマットを指定して)ファイルを保存
演習: ファイルを開いて元データを
上書きしないよう気をつけて、
別名で保存してみましょう。
ここまでのまとめ
• ImageJの起動と終了ができるようになった。
• 画像をImageJで開けるようになった。
• 画像を、元データを上書きすることなく、保存
できるようになった。
ImageJに慣れる
ImageJによる画像のinspection
http://rsb.info.nih.gov/ij/docs/tools.html
赤い三角形の付く
アイコンは右クリック
で機能切り替え可
赤い線: 頻用するもの
青い線: 領域(ROI, region of interest)選択 → 次のコマ
ImageJのツールバー
画像のズーム
+ キーで拡大
- キーで縮小
ツールバーの「虫めがね」アイコンを選択
+ 左クリック (拡大)
+ 右クリック (縮小)
あるいは…
←画像情報: 159x153 pixels; 8-bit; 24K
(3200%) : 拡大・縮小率
画像ウインドウ左上に青い枠が表示されている場合,
ウインドウに画像全域が収まっていない。
(青い四角は現在表示されている部分を示す。)
→ 「ハンドツール」で表示されている部分を動かすことができる
159
153
画素, pixel (picture element)
159x153 pixels; 8-bit; 24K
y
x
(x,y) = (0, 0)
輝度 35
(3, 0)
輝度30
(3, 2)
輝度 21
ImageJ では左上を原点(0, 0)とし,右に X 軸,下にY軸が伸びる.
各画素には輝度 (強度,intensity.明度 brightness とも言う)
が割り当てられている.
※ 「0 から数えること」「左上が原点であること」 に注意.
座標系と画素と輝度
輝度のタイプ
(0, 0)
輝度 35
(3, 0)
輝度30
(3, 2)
輝度 21
8-bit: 0~255 の整数(integer)
16-bit: 0~65535 の整数(integer)
32-bit: 浮動小数点数(float)
実数の近似値.±3.4*1038 の
範囲で7桁位の精度.
グレイスケール画像, 濃淡画像
輝度のデータ型.
ビット深度(bit depth), bits per pixel,
量子化ビット数等とも呼称.
カラー画像
≠白黒画像
8-bit Color: 使わない.
RGB Color: 赤緑青の3チャネルを
重ねることによるカラー表現.
各チャネルのデータ型は8-bit,
16-bit, 32-bit のいずれかで,
チャネル間では統一されている.
画像情報の修正 (ビット深度,スケール情報)
ビット深度: Image > Type
スケール情報: Analyze > Set Scale...
演習
• 画像サイズとピクセルタイプを調べてみましょう。
• 座標(x,y)=(200,300)にあるピクセルの輝度を調べて
みましょう。(ヒント: ズームイン)
• advanced ズームインした画像を保存して、再度開い
てみましょう。
サンプル画像をいくつか選び、
画像データの加工と表示の変化
ImageJで表示した画像の見た目が変わるのは、
• 単に表示方法が変更されただけである場合、と、
• 画像データが変更された結果である場合
の二つがある。
(気になる方向けの細かい注意)
例:
サイズ Image > Scale...
Image > Zoom > ...
明るさ Process > Enhance Contrast
Image > Adjust > Brightness & Contrast
(前者がメニュー「Image」にあって、後者がメニュー「Process」にまとまっていれば
分かりやすいが、実際はあまり首尾一貫していない。)
ImageJに慣れる (つづき)
ImageJによる画像のinspection
画像全体の情報を見る
• ここまでで、
– 画像のサイズ(640x480等)
– ピクセルタイプ (8bit gray scale、24bit RGB etc.)
– 各ピクセルの輝度
の調べ方を学んだ。
• 画像データにもう少し有効な情報として
は、
「輝度ヒストグラム」等がある。
輝度ヒストグラム ( h キー )
h
位置情報を無視した上で,全画素について
輝度の分布を可視化したもの.
輝度の基本的な統計量(最小,最大,平均,
標準偏差等)も表示されている.
RGB輝度ヒストグラム (h キー+RGBボタン)
RBGでサイクル
Brightness & Contrast による表示状態の変更 ( Shift + c キー)
スライドバーを動かすことによる調整は,表示上の"明るさ"を
変えているに過ぎない.→ 輝度は変化しない.
8-bit 画像の場合は Apply ボタンを押すことによって,その時の
表示範囲が0~255にスケールされる.→ 輝度が変化する.
真っ白
真っ黒
画像の一部の情報を見る
• 画像全体ではなく、画像の興味ある部分(ROI,
region of interest)の情報が知りたいことが良
くある。
• ROIの指定法は次の演習で詳しく行うが、ここ
では「線状ROI」を使った小技を紹介する。
輝度プロファイル (ROI + k キー)
線分上の輝度を「形 (プロファイル)」として可視化.
横軸が距離 or 位置,縦軸が輝度.
→多重蛍光標識像から局在関係を示す直観的手法として
利用可能
ドラッグして線を引いてから「kキー」を押下
RGB別 輝度プロファイル (ROI + kキー)
Plugins > Graphics > RGB Profile Plot
RGB 信号のうち主に Blue が果皮の位置により
変化していることがわかる.
その他のメニューバー項目
Edit メニュー: 画像の切り貼り,描画
Undo: 直前の作業の取消し.
1ステップ限定かつ
一部のみ対応.
Cut, Copy, Paste:
画像の切り貼り.
対象は画像全域かROI .
Copy to System:
他アプリへのコピー.
Clear, Fill, Draw: 単色描画.
Color Pickerで色は設定.
Selection: ROI の制御.
(Selection = ROI)
Add To Manager:
複数のROI を管理.
Image メニュー: 種別,色,スタック,変形,複製等,色々
Type: 輝度タイプの変換.
8-bit, 16-bit, 32-bit, RGB color...
Adjust: 表示上の明るさの調整や二値化等.
Color: グレイスケール画像とカラー画像の
変換等.
Stacks: 時系列画像(動画像),立体画像の
処理.輝度投影,スライス一覧(montage)
の作成等.
Crop: ROI 部分の切り出し.
Duplicate: 画像ウインドウの複製.
Rename: 画像ウインドウのタイトル変更.
Scale: 画像解像度の変更.つまり画像サイズ
の拡大・縮小.
※表示の拡大・縮小と混同しないよう注意.
Process メニュー: 基礎的な画像処理(フィルタ等)
Find Edges: 輪郭強調.
Binary: 2値画像(白黒画像)処理.
Math: 加減乗除等による
各画素の輝度変更.
Filters: ノイズ抑制等のフィルタ.
Image Calculator:
画像と画像の間
の演算.
加減乗除等.
Analyze メニュー: 測定やグラフ関係
Measure: ROI 部分の諸パラメタの測定.
Analyze Particles...: 粒子解析.
Set Measurements...: 'Measure' で測定する
パラメタの選択.
Set Scale...: 1画素が何 µm かを設定する.
Histogram: 輝度ヒストグラムの表示.
Plot Profile: 輝度プロファイルの表示.
他のメニュー
Plugins: プラグイン,マクロ,ショートカット
キー設定等.
Window: 画像ウインドウ,ログウインドウ等
の一覧や並び換え.
Help:ブラウザにウェブ上のマニュアルを
表示する等.

More Related Content

What's hot

コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎
Norishige Fukushima
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
Masayuki Tanaka
 
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Yusuke Sekikawa
 

What's hot (20)

Image J を用いた組織像の定量解析
Image J を用いた組織像の定量解析Image J を用いた組織像の定量解析
Image J を用いた組織像の定量解析
 
ImageJプラグインの作成:序論
ImageJプラグインの作成:序論ImageJプラグインの作成:序論
ImageJプラグインの作成:序論
 
ImageJのインストールとデータのダウンロード
ImageJのインストールとデータのダウンロードImageJのインストールとデータのダウンロード
ImageJのインストールとデータのダウンロード
 
Kashiwa.R#1 画像解析とパターン認識における R の利用
Kashiwa.R#1 画像解析とパターン認識における R の利用Kashiwa.R#1 画像解析とパターン認識における R の利用
Kashiwa.R#1 画像解析とパターン認識における R の利用
 
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
 
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
R言語による アソシエーション分析-組合せ・事象の規則を解明する-(第5回R勉強会@東京)
 
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
[DL輪読会]Deep High-Resolution Representation Learning for Human Pose Estimation
 
CVPR2019読み会@関東CV
CVPR2019読み会@関東CVCVPR2019読み会@関東CV
CVPR2019読み会@関東CV
 
コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎コンピュテーショナルフォトグラフティの基礎
コンピュテーショナルフォトグラフティの基礎
 
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
SSII2020TS: 物理ベースビジョンの過去・現在・未来 〜 カメラ・物体・光のインタラクションを モデル化するには 〜
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
 
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
Self-Critical Sequence Training for Image Captioning (関東CV勉強会 CVPR 2017 読み会)
 
3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向3D CNNによる人物行動認識の動向
3D CNNによる人物行動認識の動向
 
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
 
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
 
チュートリアル:細胞画像を使った初めてのディープラーニング
チュートリアル:細胞画像を使った初めてのディープラーニングチュートリアル:細胞画像を使った初めてのディープラーニング
チュートリアル:細胞画像を使った初めてのディープラーニング
 
非劣性試験の入門
非劣性試験の入門非劣性試験の入門
非劣性試験の入門
 
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーションCycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
CycleGANによる異種モダリティ画像生成を用いた股関節MRIの筋骨格セグメンテーション
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
 
Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説Go-ICP: グローバル最適(Globally optimal) なICPの解説
Go-ICP: グローバル最適(Globally optimal) なICPの解説
 

ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜