【原】FiJi的Tracker化之路(1)：ImageJ计数算面积

名词解释：FiJi，加强版ImageJ；ImageJ，清凉版FiJi，简称IJ；Tracker、FiJi、IJ，均为开源免费。FiJi本为生物医学类之用，Tracker化之为物理之用。Tracker化仅为思路与可行性的转化，没有实际去用。

继续学习ImageJ。

ImageJ这个东西看起来体积很小，也很简陋，仿佛就不应该强大似的。其实不然，以ImageJ为蓝底结合了无数插件的FiJi让人看得眼花缭乱。

本来是想琢磨琢磨一个叫做Kappa的插件，这个东西能够分析、拟合曲线和数据点等等，最吸引人的地方是可以动态算曲率。但是打开它，ImageJ就报错。尝试几次均是如此，也就放弃了。毕竟有太多的办法实现这种功能。不必强求。

这些天有些迷恋ImageJ还有一个原因：学习ImageJ不必投放巨大的时间，可以当成休息；20分钟内就能学习和尝试，包括记录几个字。

知乎和丁香学术上几乎都有这个教程：给细胞计数，算面积。ImageJ实现这样的功能实在太初级了，因此方法极多。

最快的方法：把包含要计数和算面积的细胞们二值化，得到一个Threshold阈值图，然后直接上Analyze Particles...就完了。

著名的西瓜子图片。分析粒子的时候，根据不同的选项，会返回不同的信息。

计数算面积的第二种办法，是Process下的Find Maxima…等几个命令。

丁香上的教程是RGB图像分解成HSB Stacks，然后复制B通道亮度的做法。我以为不如复制S通道饱和度好。因为一般来说，凡是不叫背景的像素，都可以认为是不饱和的。这样，我们复制S通道，再把亮度和对比度调到最大，要分析的细胞就会变成白色，而背景则为纯黑。一试之下，效果出奇的好。

第三种最慢的办法，恰恰对应着Tracker里面的手动追踪。ImageJ里的手动追踪，也和Tracker类似，既可对一张静止图进行，也可以对图像序列进行。显然，我们都能明白ImageJ里的手动追踪未来会有什么物理方面的应用了：静帧上的追踪就是频闪，堆栈stacks上的追踪就是轨迹。

设想这些西瓜子们是频闪照相来的，而且，ImageJ有自己的计算引擎的，它显然能做到我们想不到的更多的事情了。