Formation Imagej Mri 11 12

Les étapes du traitement de
l’analyse d’image
La capture  image brute
Prétraitement  niveaux de gris
Segmentation  image binaire Amélioration
Post-traitement  régions d’intérêts Publication
Quantification  données
Volker BAECKER - Marc LARTAUD

Le traitement et l’analyse d’images

ImageJ est un logiciel libre de traitement
et d’analyse d’images
Traduction en Java du logiciel NIH Image

du National Institutes of Health (USA)
développé par Wayne Rasband
Il fonctionne sur de multiples plates-formes (Windows, Mac, Linux, Unix, …).
http://rsbweb.nih.gov/ij/ Volker BAECKER - Marc LARTAUD

Installation

Installation

Configuration

Configuration
Edit → Option → Memory & Treads...

Mise à jour
Help→ Update ImageJ...

Installation de Plugins
- Recherche des plugins

Sur internet
Help-->Plugins...
- Glisser-Déposer
les fichiers .class ou .jar
sur la fenêtre ImageJ
- Choisir l'emplacement
dans le répertoire Plugins
- Mettre à jour les menus

Help--> Refresh Menus
- Apparition de la
nouvelle commande
dans le menu Plugins
Help→ Plugins...
Help→ Refresh Menus
Dossiers ImageJ

Topic 01 - Installation, configuration, 1
help and updates

Les bases pour l'utilisation d'ImageJ

Interface
Barre de menu
Barre d'outils
Barre d'état

Ouvrir une image
File → Open...
Drag and Drop sur la fenêtre

ou l’icône
File → Open ...

Informations pixel
Informations sur le pixel

sous le curseur de la souris
position en x,y
et valeur en niveau de gris
Informations image
Curseur de souris

Zoom
Touche « - »
Touche « + »
Zone affichée
Rapport affichage/image
Déplacement de l'image dans la fenêtre

Avec la souris et la barre d'espace appuyée
Outils de sélection (ROI)
Rectangl Polygone Ligne Point
e Ovale À main levée Angle Baguette
Choix d'outils différents : Clic droit sur triangle rouge
Options : Double clic sur l'icône de l'outil
Ajouter à la sélection : Maj-clic

Supprimer de la sélection : Alt-clic
Retrouver la sélection : Edit → Selection → Restore Selection
Menus de sélection
Edit → Selection
ROI Manager
Analyse → Tools → ROI Manager...

Outil Point pour le comptage

Dessin
Clear → Noyau
Fill → Nucléole
Draw → Cellule
Edit → Clear...
Annotations
Image→Overlay→Add Selection... Analyse→Tools→Scale Bar...

Histogramme
Analyse→Histogram
Seuillage
Image→Adjust→Threshold...
Plot Profile
Analyse→Plot Profile
Mesures de sélection
Analyse→Measure
Mesures d'objets
Analyse→Analyse Particles...
Macro
Plugins→Macros→Run
Enregistrement de macro
Plugins→Macros→Record...
Plugins
Stack
Plugins→3D→3D Viewer
Barres d'outils

Panneaux de commandes
Plugins→Utilities→Control Panel
2
Topic 02 – Basic tools 1
Topic 03 – Basic tools 2

L’image numérique
Les Prétraitements
La Segmentation
Les Post-traitements
La Quantification

Image et perception

Image et déformations
Bruit PSF

Image numérique = tableau de pixels
Détail = Affichage * 6
Résolution
1024*1024 Impression 300 dpi → 8,5cm

1 Mega pixels
Ecran 72 dpi → 35cm

Codage binaire
x
y

Codage
1bit2 valeurs 3bits8 valeurs 5bits32 valeurs
x
y

Codage 8 bits 0255 Valeurs de Niveaux de gris
x
y

Codage couleur 24 bits RVB
x
y

Piles d’images : Stack

Image Composite

Format d'image
8bit [0,255]
16bit [0,65 535],
32bit [-3.4*10^38 , +3.4*10^38]
8bit color (LUT)
RGB 24bit [(0.0.0),(255.255.)]
Stack
HyperStack
Format de fichier
RAW : image brute
TIFF : sans perte + metadonnées
JPEG : compression avec perte d'information
LSM : format propriétaire de chez Zeiss
OME-TIFF : format Open Microscopy Environment
4
Topic 04 – What is a digital image?

Les Prétraitements
Amélioration de la visualisation
Filtres et opérations
La Segmentation
La Quantification
Histogramme
Dynamique = [ valeur_mini , valeur_maxi ]

Corrections linéaires
Luminosité Contraste
Niveaux
Mini
Maxi
Luminosité
Contraste
Image→Adjust→Brightness/Contrast...
Correction non linéaire : Egalisation de l’histogramme
Densité de probabilité normalisée pour aplatir l’histogramme
Normalisation Egalisation
Process→Enhance Contrast
Correction non linéaire du Gamma
y = range * (x / range ) ^ gamma
range = gamme de valeurs des pixels de l'image
Process→Math→Gamma...
LUT : Lookup Unit Table
Image→Lookup Table
Réglages avec la LUT Hi Lo

Réglages avec la LUT Hi Lo

Outils LUT dans ImageJ

Réglages d'images composites
Image→Color→Make Composite
5
Topic 05 – Brightness and Contrast

Adjustment

Les Prétraitements
Amélioration de la visualisation
Filtres et opérations
La Segmentation
La Quantification
Filtres de convolution
Image source Noyau Image résultante











Noyau ∑=12
Image source
Produits du noyau ∑=1600

et de la source
Image résultante
Le pixel cible prend la valeur de la somme des produits normalisée

1600/12=133
Filtre
passe-bas
moyenneur
Process→Filters→Convolve...
Filtre
Gaussien
Process→Filters→Gaussian Blur...
Filtres Passe-haut
Le résultat est une accentuation des détails et du contraste

mais aussi une augmentation du bruit

Filtre Détection de bords
Les images sont convoluées

par les filtres de Sobel
Le résultat est la racine carrée
de la somme des carrés des images
Process→Finds Edges
Filtre non linéaire : le filtre médian
Un filtre médian affecte au pixel central la

valeur médiane de la série :
La valeur médiane de : 12,13,14,15,18,19,21,27,29 est 18.
Filtre min → 12
Filtre max → 27

Filtre
médian
Process→Filters→Median...
Combinaison Gaussien Laplacien

Filtres et Opérations dans ImageJ

6
Topic 06 – Noise and filter

Correction du fond
Sources de dégradation
- Bruits de la caméra: bruit aléatoire, «pixels chauds» ,bruits périodiques
- Illumination non-homogène
Correction à la capture
Fixer les réglages microscope – acquisition
Captures moyennées d’un champs noir CN (en coupant le trajet optique)
d’un champs clair CC (lame sans échantillon) et de l’échantillon
Image corrigée = ( (échantillon - CN) / (CC - CN) ) * 255

Correction du fond
Correction après la capture

Bruit aléatoire : filtre gaussien ou médian mais perte de détail
Pixels chauds : filtrer les pixels saturés isolés
Bruit périodique : filtre de Fourier
Illumination non-homogène :
- Soustraire la même image très floue (filtre gaussien très large)
- Algorithme « rolling ball » (ImageJ ProcessSubstract Background)
- Toute une serie de plugins implémentés dans ImageJ (Fitting a polynomial surface)

Masquer le fond

Masque de Flou
111
111
111
Orig –(Flou – Orig)
Flou - Orig Volker BAECKER - Marc LARTAUD

7
Topic 07 – Background correction

Unsharp masking

Les Prétraitements
Permet de séparer les
La Segmentation régions d'intérêt du fond.
La Quantification

Le Seuillage automatique
Le Seuillage manuel

Image→Adjust→AutoThreshold...
Seuillage local automatique

Plugin k-mean clustering

Filtrage avant le seuillage

FFT filtres dans le domaine de Fourier

Couleur et
segmentation
séparation RGB
Image→Color→Split Channels...
Décomposition HSI
la Teinte ou Hue se référant à la couleur
codée de 0 à 6 correspond à une distribution cyclique des couleurs
le noir, le blanc et les nuances de gris sont codés à 0, comme le rouge
la Saturation : mesure de l'absence de blanc dans une couleur

le " rouge pompier " étant une couleur saturée et le rose une couleur non saturée
l'Intensité ou Luminance : mesure de l'intensité d'une couleur, distinction entre clair et

foncé

Couleur et segmentation
séparation HSI
Image→Type→HSB Stack...
Seuillage couleur
Image→Adjust→Color Threshold..
Plugin Colour Deconvolution

8
1
Topic 08 – Segmentation

Les Prétraitements
La Segmentation
Transformations de
Les Post-traitements morphologie
mathématique
La Quantification

Principe
Elément structurant
On déplace l’élément
structurant sur toute
l’image
Le pixel sera noir si:
l’élément structurant est
inclus dans un objet de
l’image
EROSION
l’élément structurant
touche un objet de l’image
 DILATATION

Morpho_math

Morpho_math

Menu Binary
Process→Binary→Options
Erodé Ultime
L’érodé ultime : la dernière fraction de l ’objet restant avant sa

disparition lors d’érosions répétées.
Process→Binary→Ultimate Points
La ligne de partage des eaux : watershed
Cette transformation morphologique est la principale méthode de

segmentation d'images proposées par la morphologie
mathématique.
Process→Binary→Watershed
Opérations logiques
Process→Image Calculator...
Construction d’une fonction contour
Contour
Erosion 1 XOR

Morpho_math en niveaux de gris
Plugin Erosion Dilatation

Grayscale Morphology agrandit les zones agrandit les zones
sombres claires
Plugins→Morphology→Gray Morphology
Morpho_math en niveaux de gris
Ouverture Fermeture
Erosion puis Dilatation puis
Dilatation Erosion
supprime les petites supprime les petites
zones claires zones sombres
Plugins→Morphology→Gray Morphology
Exemple
Colour Deconvolution
Seuillage

Exemple
Analyse particules → ROI Manager

Exemple
Inversion
Boucher les trous
Carte des distances

Exemple
Mesures des moyennes de niveaus de gris
sur la carte des distances →
Estimation de la position des grains d'amidon
dans la cellule

9
Topic 09 – Matematical Morphology

Les Prétraitements
La Segmentation
La Quantification

Mesures

Mesures
- Longueur
- Surface
- Périmètre
- Moyenne des valeurs de niveaux de gris
- Niveau de gris le plus fréquent (sommet de l’histogramme)
- Min et Max des niveaux de gris
- Centroid : moyenne des x,y
- Center off mass : moyenne des x,y pondérée par les intensités
de niveaux de gris
- Circularité : 4pi(surface /périmètre²) = 1 pour un cercle
- Etc ...

10
Topic 10 – Quantification

Formation Imagej Mri 11 12

Transféré par

Droits d'auteur :

Formats disponibles

Formation Imagej Mri 11 12

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Formation Imagej Mri 11 12

Transféré par

Droits d'auteur :

Formats disponibles

Les étapes du traitement de

La capture  image brute

Prétraitement  niveaux de gris

Segmentation  image binaire Amélioration

Post-traitement  régions d’intérêts Publication

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Traduction en Java du logiciel NIH Image

Il fonctionne sur de multiples plates-formes (Windows, Mac, Linux, Unix, …).

http://rsbweb.nih.gov/ij/ Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Edit → Option → Memory & Treads...

Help→ Update ImageJ...

- Recherche des plugins

- Mettre à jour les menus

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Drag and Drop sur la fenêtre

File → Open ...

Informations sur le pixel

Volker BAECKER - Marc LARTAUD

Déplacement de l'image dans la fenêtre

Choix d'outils différents : Clic droit sur triangle rouge

Options : Double clic sur l'icône de l'outil

Ajouter à la sélection : Maj-clic

Analyse → Tools → ROI Manager...

Volker BAECKER - Marc LARTAUD

Image→Overlay→Add Selection... Analyse→Tools→Scale Bar...

Volker BAECKER - Marc LARTAUD

Topic 02 – Basic tools 1

Topic 03 – Basic tools 2

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

1024*1024 Impression 300 dpi → 8,5cm

Ecran 72 dpi → 35cm

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Topic 04 – What is a digital image?

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Volker BAECKER - Marc LARTAUD

Topic 05 – Brightness and Contrast

Volker BAECKER - Marc LARTAUD

Image source Noyau Image résultante

Volker BAECKER - Marc LARTAUD

Image source Noyau Image résultante