Laboratoria

Laboratorium 1 (22-02-2016):

• wprowadzenie do programu ImageJ, zapis makr

Laboratorium 2: operacje na histogramie  (07-03-2016):

• sprawdzenie kompresji w formacie jpeg: wybrany obraz należy zapisać jako kopie o różnej jakości np 50 i 10, następnie porównać otrzymane wyniki z oryginałem. Należy policzyć procent zmienionych pikseli, korzystając z trybu difference w image calculator i poprawiając kontrast w celu zobaczenia zmian, a następnie narzędzia do progowania, zaznacząjac wszystkie jasności większe od 1. Narzędzie to dostarcza informację o procentowym udziale podświetlonych pikseli. Można to sprawdzić poprzez narzędzie Measure, ustawiając wcześniej w Set Measurements opcję Area Fraction.
• wykonaj zaznaczenie zaokrągloną ramką (szerokość np. 150 px) i w niej wykonać rozciąganie (normalizację) histogramu do zakresu (0, 255). Z kolei na zewnątrz zaznaczenia (invert selection) należy wykonać poprawę kontrastu przy użyciu krzywej y = a (x-128) + 128. Oba polecenia należy wykonać korzystając z Math i odpowiedniej reprezentacji bitowej.
• sprawdź działanie operacji nieliniowych: log, gamma, exp, używając opcji live w oknie histogramu. Wykonaj log(exp) lub exp(log) na obrazie w reprezentacji 8-bit. Czy wystąpił problem utraty głębi kolorów? Porównaj działanie wymienionych funkcji wbudowanych w menu Math z ręcznym ich zastosowaniem poprzez Image Expression Parser. Czy w tym ostatnim końcowy wynik jest przeskalowany do zakresu (0, 255)?

Laboratorium 3: binaryzacja (14-03-2016):

• wykonaj progowanie podanych obrazów stosując metody globalne i lokalne oraz narzędzia Auto Threshold – img3.zip
• ZADANIE: zestawienie poznanych metod progowania w zależności od rodzaju histogramu:

Laboratorium 4: przekształcenia morfologiczne (21-03-2016): img4.zip

• operacje morfologiczne dla obrazów binarnych: erozja, dylatacja, otwarcie, zamknięcie
  • rozseparuj koła w obrazach: circles, circlesm
  • sprawdz działanie poszczególnych operacji morfo. i elementów strukturalnych na pliku sample
  • korzystając z dużego okna (15, 17) wykonaj domknięcie na circlesm i porównaj użycie dostępnych elementów strukturalnych
  • wypełnij mniejsze dziury w obrazie sample2
  • wykorzystując operacje morfologiczne zmień punkty w obrazie chessboard w szachownicę (przykład w zestawie)
  • wyodrębnij napis z pliku beam-noise (przykładowy efekt: beamnoise-2)
• operacje morfologiczne dla skali szarości
  • sprawdź działanie operacji morfologicznych na pliku cell_gold,  np. powiększając/zmniejszając małe ciemne obiekty

Pluginy:

• Co-occurance_Matrix-0.1.0-SNAPSHOT.jar
• Histogram_Balance-0.1.0-SNAPSHOT.jar
• Randomize_Pixels-0.1.0-SNAPSHOT.jar

Laboratorium 5:  filtry nieliniowe i filtry splotowe (04-04-2016):

• filtr medianowy, minimum, maksimum
• filtry uśredniające – wygładzające: średnia, Gauss
• filtry gradientowe – wykrywanie krawędzi: Prewitt, Sobel, Laplace

1. Napisz makro do wykrywania krawędzi w obrazie w skali szarości przy użyciu filtrów: Prewitt, Sobel, krzyż Robertsa, (prosty gradient poziomy, prosty gradient pionowy) – narzędzie convolve + Math. Porównaj wyniki z narzędziem edge detection. Jaki filtr wykorzystuje domyślnie fiji?
2. Spróbuj wykonać powyższe dla obrazu kolorowego. W czym tkwi trudność?
3. Dla obrazu sample z poprzedniego zestawu wykonaj rozmycie filtrem uśredniającym i Gaussem. Porównaj wyniki dla dużych promieni rozmycia.
4. Wykonaj ręcznie operacje wykonywane przez filtr Unsharp Mask
5. Sprawdź działanie filtrów Laplace’a
6. Sprawdź działanie skeletonize

Laboratorium 6:  filtry splotowe (11-04-2016):

• filtry wyostrzające
• LoG i DoG
• transformata Fouriera

1. Napisz makro realizujące filtr DoG. Makro powinno wyświetlić okno, w którym użytkownik może wpisać rozmycie Gaussa: sigma1, sigma2. Działanie należy przetestować na obrazach:Dot_Blot.jpg, gel.gif (SAMPLES)
2. Porównaj działanie makra z pluginem: BioVoxxel/DifferenceOfGaussian.
3. Porównaj działanie makra z filtrem FeatureJ/Laplacian
4. Oblicz FFT z obrazów: circles, mosaic, mosaic2, bp0, k1, k2, k3

BandPass filter (FFT)

1. Wyodrębnij informację z obrazu fft-fig1, bp1
2. Usuń teksturę papieru z obrazu bp2
3. Usuń gradient tła z bp11 i woven

Watershed i Particle analyzer: Policz liczbę i średnią jasność obiektów z obrazów image1 i image2. Użyj Watershed do segmentacji

img6.zip

ZADANIE domowe 1: popraw zdjęcie Noisy_kid – wynik przesłać na mail

ZADANIE domowe 2: sprawdź działanie filtru Canny’ego (EMBL/CourseModule)

Laboratorium 7: Test (18-04-2016) img7.zip

Laboratorium 8: RGB, dane 3D, segmentacja, extended particle analyzer (25-04-2016)

Pliki znajdują się pod linkiem EMBL -> Samples

1. RGB_cell: proszę zamienić miejscami kanał czerwony z niebieskim
2. NCP_T015: analizie podlegają tylko czerwone obiekty. Proszę wyseparować 4 największe obiekty oraz wygenerować mapę zawierającą tylko obiekty ustawione poziomo (0-10 stopni) i pionowo (85-95 stopni) -> należy użyć narzędzia Extended Particle Analyzer. Proszę wygenerować stack z deskryptorami kształtu
3. g1f-1: Obliczyć liczbę kolistych obiektów
4. TransportOfEndosomalVirus (lub Virus): zastosować TrakMate do wyznaczenia krzywych, po których poruszają się obiekty (oś z trzeba zamienić z t)
5. GFPAX: w pierwszym kroku proszę zmniejszyć dane o połowę, następnie wyznaczyć liczbę i objętość struktur 3D

Laboratorium 9: (09-05-2016) img8.zip

1. Test: binaryzacja/operacje morfologiczne/Particle analyzer: Proszę zbinaryzować obraz tools.tif a następnie wyznaczyć liczbę i rozmiar wszystkich narzędzi.
2. Analiza szkieletu (wtyczka BoneJ). Proszę wyznaczyć najdłuższą gałąź w szkielecie obrazu Drosophila.
3. Proszę obliczyć thickness (wtyczka BoneJ) dla obrazów T1Head (open Samples) i drewnojad_dziury-1. Zrobić wizualizację otrzymanych danych (3D Viewer). W tym pierwszym odpowiednim progowaniem wyznaczyć sam mózg. W tym drugim należy wyznaczyć najgrubsze kanaliki.
4. FeatureJ – SIFT. Dla wybranego obrazu w skali szarości należy utworzyć kilka zmodyfikowanych kopii, w następujący sposób. Dla każdej z sześciu par oryginał kopia proszę podać liczbę cech wspólnych otrzymanych z narzędzia SIFT. Jak zmieni się wynik, jeśli odznaczony zostanie warunek dopasowania przestrzennego.
   1. kopia zmniejszona o połowę
   2. kopia obrócona o 90 stopni
   3. kopia rozmyta Gaussem (sigma 2, 6, 10)
   4. kopia z poprawionym kontrastem (equalize histogram)
   5. kopia zawierająca podobszar oryginału.
   6. kopia będąca lustrzanym odbiciem

 

Spotkania projektowe 1-4: (16-05-2016, 23-05-2016 – 06-06–2016)