Soumettre la recherche
Mettre en ligne
画像解析の基礎知識
•
5 j'aime
•
5,421 vues
LPIXEL
Suivre
@第194回農林交流センターワークショップ
Lire moins
Lire la suite
Sciences
Signaler
Partager
Signaler
Partager
1 sur 32
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
ImageJを使った画像解析実習〜数・形態・分布の解析〜
ImageJを使った画像解析実習〜数・形態・分布の解析〜
LPIXEL
ImageJを使った画像解析実習-色の解析-
ImageJを使った画像解析実習-色の解析-
LPIXEL
ImageJチュートリアル
ImageJチュートリアル
LPIXEL
バイオイメージング研究のためのImageJによるデジタル画像解析法(2012年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析法(2012年6月版)
nmaro
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
nmaro
ImageJを使った画像解析実習〜2値化・領域抽出〜
ImageJを使った画像解析実習〜2値化・領域抽出〜
LPIXEL
ImageJを使った画像解析実習〜大量の画像データに対する処理の自動化〜
ImageJを使った画像解析実習〜大量の画像データに対する処理の自動化〜
LPIXEL
ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜
ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜
LPIXEL
Recommandé
ImageJを使った画像解析実習〜数・形態・分布の解析〜
ImageJを使った画像解析実習〜数・形態・分布の解析〜
LPIXEL
ImageJを使った画像解析実習-色の解析-
ImageJを使った画像解析実習-色の解析-
LPIXEL
ImageJチュートリアル
ImageJチュートリアル
LPIXEL
バイオイメージング研究のためのImageJによるデジタル画像解析法(2012年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析法(2012年6月版)
nmaro
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
バイオイメージング研究のためのImageJによるデジタル画像解析入門(2011年6月版)
nmaro
ImageJを使った画像解析実習〜2値化・領域抽出〜
ImageJを使った画像解析実習〜2値化・領域抽出〜
LPIXEL
ImageJを使った画像解析実習〜大量の画像データに対する処理の自動化〜
ImageJを使った画像解析実習〜大量の画像データに対する処理の自動化〜
LPIXEL
ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜
ImageJを使った画像解析実習〜起動・終了とファイルの入出力〜
LPIXEL
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
Atsuto ONODA
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
Masayuki Tanaka
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
nmaro
人工知能技術を用いた各医学画像処理の基礎 (2022/09/09)
人工知能技術を用いた各医学画像処理の基礎 (2022/09/09)
Yutaka KATAYAMA
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
Toru Tamaki
大学生及び大学院生の研究時間とメンタルヘルス
大学生及び大学院生の研究時間とメンタルヘルス
Atsuto ONODA
ImageJプラグインの作成:序論
ImageJプラグインの作成:序論
nmaro
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
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
DaisukeTakao
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
Norishige Fukushima
画像処理(二値化)
画像処理(二値化)
Julian Hartmann
Sift特徴量について
Sift特徴量について
la_flance
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
Popcntによるハミング距離計算
Popcntによるハミング距離計算
Norishige Fukushima
画像処理基礎
画像処理基礎
大貴 末廣
ピンホールカメラモデル
ピンホールカメラモデル
Shohei Mori
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Deep Learning JP
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
SSII
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
Norishige Fukushima
半教師あり学習
半教師あり学習
syou6162
医療×Itカンファレンス 150207
医療×Itカンファレンス 150207
LPIXEL
第8回関西CV・PRML勉強会(Meanshift)
第8回関西CV・PRML勉強会(Meanshift)
Yutaka Yamada
Contenu connexe
Tendances
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
Atsuto ONODA
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
Masayuki Tanaka
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
nmaro
人工知能技術を用いた各医学画像処理の基礎 (2022/09/09)
人工知能技術を用いた各医学画像処理の基礎 (2022/09/09)
Yutaka KATAYAMA
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
Toru Tamaki
大学生及び大学院生の研究時間とメンタルヘルス
大学生及び大学院生の研究時間とメンタルヘルス
Atsuto ONODA
ImageJプラグインの作成:序論
ImageJプラグインの作成:序論
nmaro
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
takaya imai
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
DaisukeTakao
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
Norishige Fukushima
画像処理(二値化)
画像処理(二値化)
Julian Hartmann
Sift特徴量について
Sift特徴量について
la_flance
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
MPRG_Chubu_University
Popcntによるハミング距離計算
Popcntによるハミング距離計算
Norishige Fukushima
画像処理基礎
画像処理基礎
大貴 末廣
ピンホールカメラモデル
ピンホールカメラモデル
Shohei Mori
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
Deep Learning JP
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
SSII
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
Norishige Fukushima
半教師あり学習
半教師あり学習
syou6162
Tendances
(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
SSII2014 チュートリアル資料
SSII2014 チュートリアル資料
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
人工知能技術を用いた各医学画像処理の基礎 (2022/09/09)
人工知能技術を用いた各医学画像処理の基礎 (2022/09/09)
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
3次元レジストレーションの基礎とOpen3Dを用いた3次元点群処理
大学生及び大学院生の研究時間とメンタルヘルス
大学生及び大学院生の研究時間とメンタルヘルス
ImageJプラグインの作成:序論
ImageJプラグインの作成:序論
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
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
ガイデットフィルタとその周辺
ガイデットフィルタとその周辺
画像処理(二値化)
画像処理(二値化)
Sift特徴量について
Sift特徴量について
局所特徴量と統計学習手法による物体検出
局所特徴量と統計学習手法による物体検出
Popcntによるハミング距離計算
Popcntによるハミング距離計算
画像処理基礎
画像処理基礎
ピンホールカメラモデル
ピンホールカメラモデル
[DL輪読会]医用画像解析におけるセグメンテーション
[DL輪読会]医用画像解析におけるセグメンテーション
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
コンピューテーショナルフォトグラフィ
コンピューテーショナルフォトグラフィ
半教師あり学習
半教師あり学習
En vedette
医療×Itカンファレンス 150207
医療×Itカンファレンス 150207
LPIXEL
第8回関西CV・PRML勉強会(Meanshift)
第8回関西CV・PRML勉強会(Meanshift)
Yutaka Yamada
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
LPIXEL
植物の画像解析の実例
植物の画像解析の実例
LPIXEL
Ansible の CI を drone/Dokcker で試してみた
Ansible の CI を drone/Dokcker で試してみた
Kenta Nishimura
Ansibleを使ってみよう~Windowsターゲット編~
Ansibleを使ってみよう~Windowsターゲット編~
Takeshi Kuramochi
インフラ自動構築エンジン "Ansible"の勘所を1日でつかむ ~基礎入門編~
インフラ自動構築エンジン "Ansible"の勘所を1日でつかむ ~基礎入門編~
Takeshi Kuramochi
Ansible ではじめるインフラのコード化入門
Ansible ではじめるインフラのコード化入門
Sho A
AnsibleによるInfrastructure as code入門
AnsibleによるInfrastructure as code入門
kk_Ataka
Ansible 2.0 のサマライズとこれから
Ansible 2.0 のサマライズとこれから
Takeshi Kuramochi
入門Ansible
入門Ansible
Taku SHIMIZU
画像解析最前線!WatsonとTensorFlowを比較してみた
画像解析最前線!WatsonとTensorFlowを比較してみた
softlayerjp
En vedette
(12)
医療×Itカンファレンス 150207
医療×Itカンファレンス 150207
第8回関西CV・PRML勉強会(Meanshift)
第8回関西CV・PRML勉強会(Meanshift)
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
植物の画像解析の実例
植物の画像解析の実例
Ansible の CI を drone/Dokcker で試してみた
Ansible の CI を drone/Dokcker で試してみた
Ansibleを使ってみよう~Windowsターゲット編~
Ansibleを使ってみよう~Windowsターゲット編~
インフラ自動構築エンジン "Ansible"の勘所を1日でつかむ ~基礎入門編~
インフラ自動構築エンジン "Ansible"の勘所を1日でつかむ ~基礎入門編~
Ansible ではじめるインフラのコード化入門
Ansible ではじめるインフラのコード化入門
AnsibleによるInfrastructure as code入門
AnsibleによるInfrastructure as code入門
Ansible 2.0 のサマライズとこれから
Ansible 2.0 のサマライズとこれから
入門Ansible
入門Ansible
画像解析最前線!WatsonとTensorFlowを比較してみた
画像解析最前線!WatsonとTensorFlowを比較してみた
画像解析の基礎知識
1.
画像解析の基礎知識 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 - 」 2015-09-17 10:20-11:10 (50分) 東京大学 大学院新領域創成科学研究科 / エルピクセル(株) 朽名 夏麿
2.
'wet' な研究室 植物細胞の形 現象: 分裂,生長,形態変化 対象:
細胞骨格,オルガネラ,細胞形状 手法: 可視化と共焦点顕微鏡等での観察
3.
エルピクセル株式会社 生命科学研究の現場におけるデータ取得から解析までを支援すべく, 東大 院新領域 馳澤研
の出身メンバー 3 名で 2014 年 3月 設立.
4.
生命現象のスケールと画像 超微細構造 細胞 組織
個体 個体群 地球環境 2000 km200 nm オルガネラ 塩基配列 生体分子 器官 0.1 nm (10-10 m) 10 nm (10-8 m) 10 µm (10-5 m) 10 mm (10-2 m) 1 m 1 km (103 m) 105 km (108 m) 画像 (バイオイメージング) 電顕 衛星画像 スケール デジタル画像は生命科学の広いスケールで扱われる実験データ. その解析法を習得することで,電子顕微鏡や光学顕微鏡から, デジタルカメラ,そして人工衛星までをも研究ツールとできる. もちろん生物学以外にも多方面に応用可能である (ネット上のデータの 80% が画像等の非構造化データと言われる).
5.
生命科学における画像解析のもつ厄介さ 多次元 (時間,立体,波長…) データサイズ・枚数 自動化・計算機支援に向く * 相反する性質. *
手法を確立してもなかなか pay しない …. * 「最新の画像処理技術」が要るのか?? 多様性(生物種,部位,観察法…) 多目的性 (何に着目するか) 研究者(人間)の柔軟性が不可欠 数・形・長さ100 ms/img 1024*1024 pixel/img 12 bits/pixel → 4 GiB / 5 min 動き濃度, 電位 t, z, λ 位置・局在 属人性 (誰が撮ったのか) 著作権,創作的側面.
6.
撮影前後に不可欠な作業 見ること. 隅から隅まで,研究対象やモニタに近付いたり離れたりしつつ,見る. 微妙な変化や異常に気付くよう注視したり,時にはリラックスして 眺めたりする. 表示上の"明るさ"をさまざまに設定し,必ず一度は「サチる」状態 までコントラストを上げる. ズーム機能によって,必ず「画素」の大きさが認識できる倍率まで 拡大する. 回転(Image > Transform
-...),白黒反転(Image > Lookup Tables > Invert LUT),擬似色表示(Image > Lookup Tables > ...)も有効. 描くこと. 模写,スケッチする.下手とか絵心がないとか言わないで必ずやる. 要は「観察」.観察力がないと画像解析は失敗するし, 画像解析を身につけると観察力は増す.
7.
デジタル画像解析をはじめる前に 撮影: 撮像法(顕微鏡,カメラ,スキャナ他)と機種 設定: 機種,レンズ,光(照明,透過光,励起光),露光(露出)時間, フレーミング,フォーカス,背景,被写体との距離, ピンホール径,カメラ設定(ビニング等),ゲイン 留意点: S/N(シグナル-ノイズ比),ダメージ,ボケ,ブレ, サチュレーション,撮像条件の変動 適切な画像解析の環境 良いソフトウェア:
現時点では ImageJ / Fiji を勧める. マシン: OSは問わない.速くてメモリが多いもの.64 bit OS 推奨. 良いモニタを正しく設定して使う.
8.
器官〜個体レベルの形態イメージング ・撮像機器 一眼レフカメラ コンパクトデジカメ スキャナ (フラットベッド式,シートフィード式) ・撮影の状況や環境 光の向き,量,スペクトル.→ S/N,色再現性,ハイライト 背景
(background).→ 領域抽出のしやすさ 屋内 or 屋外. 日照,風,作業従事者に対する負荷. ・ファイルフォーマット RAW(NEF等),TIFF,JPEG(圧縮率)
9.
一眼レフ vs コンパクトデジカメ http://www.antaresdigicame.org/photo_gallery/camera/camera75.html http://www.hugorodriguez.com/articulos/nikond1h.htm
http://kakaku.com/item/K0000019084/images/
10.
http://www.antaresdigicame.org/photo_gallery/camera/camera75.html TIFF vs JPEG
11.
ImageJ は実験室みたいなもの ImageJ の「機能」:
約 500 Fiji (ImageJ + α ) の「機能」: 約 900 (command finder 上の登録数)
12.
ImageJ のメニュー と
画像解析の流れ 大雑把な流れ cf. 実験のプロトコル,料理のレシピ 画像処理1 画像処理2…
13.
ノイズ抑制だけでも多くの方法がある Coll B et
al. (2005) CVPR 2005, vol 2, 60-65.
14.
Coll B et
al. (2005) CVPR 2005, vol 2, 60-65. A non-local algorithm for image denoising (NL-means)
15.
Coll B et
al. (2005) NL means を画像解析の前処理で使ってよいのか? 定量解析には? パターン認識には?
16.
←画像情報: 159x153 pixels;
8-bit; 24K 画素と画素数 (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. 現在表示されている部位が,画像全域のどこに相当する かを示している. 159 153 画素, pixel (picture element) * Voxel * Binning
17.
座標系と画素と輝度 ←画像情報: 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.
18.
座標系と画素と輝度 y (x,y) = (0,
0) 輝度 35 (3, 0) 輝度30 (3, 2) 輝度 21 x Excel で開いた例 表示を縮小 159列 159 153 153行 File - Save As - Text Image…
19.
PowerPoint 等での強拡大に注意 PowerPoint や
Photoshop 等で補間を ともなう"強拡大"をするとデジタル的 な解像度や分解能と関係なく擬似的 にズームしたようになるが,解像度や 分解能が上がる訳ではない. データ解釈を誤らないよう注意. PowerPoint で拡大 補間なし 補間あり Mac OSX の PowerPoint では,また さらに異なる補間のされ方 (ぼかし方)になる!
20.
輝度ヒストグラム 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.
21.
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.
22.
輝度のビット深度 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 ≠白黒画像 原画像のビット深度はカメラによって異なり,8~16 bits/pixel が主. 12 bits/pixel (212 , 0~4095) や 14 bits/pixel (214 , 0~16383)の カメラで得た画像は 16 bits/pixel の画像フォーマットとして扱う (大は小を兼ねる). 輝度には必ずノイズが混じるので,深度が大きい方が一概に 高性能というわけではない. 画像処理的には内部で 32-bit (float) を用いることも多い (小数やマイナスの値が扱えるので) . 輝度 位置(pixel)8 bits/pixel 28 =256 段階 0 255
23.
動きの解析
24.
スタック画像 時系列画像(動画像,動画,XYT) や,焦点面を変えて撮影した連続 画像(立体画像,XYZ)はともに スタック画像として操作できるが, ZとTの区別が無いことに注意. スタック画像を構成する2次元画像 をスライスとかフレームと呼ぶ. ステータスバーの z=2 は 「Z座標の値が2」を示す (0から数えている.
0-origin) . 画像情報欄の 3/10 は 「全10枚中3枚目」を示す (1から数えている.1-origin). 表示中のスライスを変更 再生 (速度設定: Image - Stacks - Tools - Animation Options...) タバコ培養細胞 微小管プラス端
25.
Brightness & Contrast,
Image - Type - 8-bit 動き解析のための輝度投影 Image - Stacks - Z Project - Max Intensity 最大輝度投影 Plugins - kbi - Kbi_StkFilter - maxHsvProject 輝度投影(疑似色) time
26.
動き解析のための粒子追跡 輝度投影 (疑似色) 1スライス目 10スライス目 平均速度: (pixel/slice) T:
スライス数 T-1
27.
動き解析のためのカイモグラフ 最大輝度投影 Plugins - kbi
- Kbi_DynProf - kymoStatic 位置 時間 p t 平均速度: (pixel/slice) 1スライス目 10スライス目
28.
オプティカルフロー
29.
動き解析のためのオプティカルフロー法 シロイヌナズナ胚軸表皮 小胞体 CSU, EM-CCD,
50 ms * 100 frame Plugins - kbi - Kbi_DynProf - kymoStatic 位置 時間 Plugins - kbi - Kbi_Flow
30.
まとめ
31.
なぜ画像解析をするのか? * 撮影した画像をどのように扱うか,という問題. 典型的な何枚かを原稿に貼り付け,legend を書いて終わり? 定量性,そして客観性. 同じ画像から,解析次第で様々な情報が引き出せる. *
何のために可視化したり撮影するのか,という問題. 可視化,撮像,解析までトータルに考えて実験計画を立てる. 研究者のツールとしての画像解析,という段階へ.
32.
もう少し詳しく学ぶには 省略したが重要な事項 * blur (ボケ)
と PSF(点像分布関数, point-spread function). 蛍光ビーズによるPSF測定.blur の影響と対策. * ノイズ,とくにGaussノイズとショットノイズ.ノイズ抑制. * 背景 (background) 輝度の高さと分布の扱い. 参考になる本 * 「細胞工学」誌 連載中の “ImageJ 定量階梯” (2013年12月号~) * 田村秀行 (2002) 「コンピュータ画像処理」 オーム社,ISBN-13: 978-4274132643 * Burger W & Burge MJ (2007) Digital Image Processing: An Algorithmic Introduction using Java Springer, ISBN-13: 978-1846283796 ※ ImageJ 本.バイオ指向.プラグインの作例が豊富. 参考になるサイト 英語なら ImageJ 公式サイトを起点に充実.
Télécharger maintenant