SlideShare ist ein Scribd-Unternehmen logo
1 von 16
ImageJを使った画像解析実習
ー大量の画像データに対する処理の自動化ー
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 - 」
2015-9-18 13:00-14:30 (実習90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
画像解析の流れ(つづき)
大量の生データ
コンピュータ/ImageJ
解析結果
加工済データ
ムリ…
コンピュータによる情報処理
• 正確な逐次実行と条件分岐 (融通がきかない)
• 圧倒的な繰返し実行能力
→ C1 → D1
A → B E
→ C2 → …
例:連続画像から統計情報を取得
演習の目標: 解析を自動化してみましょう。
処理の自動化
自動化の方法色々
• 学生さんポスドクさんが頑張る
• ImageJのマクロを作成/利用
• ImageJのプラグインを作成/利用 (Java)
• 専用プログラムを作成/利用 (OpenCV等)
• 外注
マクロによる自動化の特色
マクロとは…
(複数の画像の各々に対し)
ImageJのコマンドの組合せを逐次実行する仕組
→ 単純作業の繰り返しの自動化
• お手軽
– 無料
– マクロレコーダを用いて対話的作成も可能
(→作業ログにもなる。解析の再現可能性。)
• 高速な処理や複雑な処理は苦手
「バッチ処理」
マクロのレコーディング
• メニュー > Plugins > Macros > Record…
このような窓が表示される。
演習: Recorder窓を表示した状態で、ImageJを操作してみましょう。
マクロの保存とインストール
簡易エディタが開かれる
続いて、File > Save As… でマクロをファイルに保存できる
さらに、Plugins > Macros > Install… でマクロを利用可能に
マクロの適用
• インストール済のマクロは、メニューの
Plugins > Macros の下部に現れる。
→ 選択することで利用可能
演習: 簡単なマクロを作って遊んでみましょ
う。
例: 二値化、領域選択 etc.
バッチ処理
• Process > Batch > Macro…
で、あるディレクトリの下にある複数の画像ファイルにマクロを適用でき
る。
入力ディレクトリ
出力ディレクトリ(前もって作成しておく)
マクロ
作っておいたマクロを使うこともできる
準備ができたら実行
マクロに関する注意等
• http://rsbweb.nih.gov/ij/docs/macro_reference_guide.pdf
• マクロファイルは、.txt か .ijm という拡張子を持
たなくてはならない。
• 常用するためにはマニュアルに目を通した方が
良いが、Plugins > Macros > Record… でRecorderを
開き、使える「パーツ」を採取→編集、でもそ
れなりに使える。→ 本日の演習
マクロ cheat sheet(上級者向)
• 繰り返し
• 条件分岐
• 関数定義
// ← コメント
for (i=0; i<10; i++) {
j = 10*i;
print(j);
}
i = 0;
while (i < 10) {
print(i);
i = i + 1;
}
i = 0;
do {
print(i);
i = i + 10;
} while (i<=90);
// ans = "Yes”;
if (ans=="yes”)
print ("true");
else
print("false");
function dispose(title) {
selectWindow(title) ;
run ("Close") ;
}
最後の演習
これまでに、
• 1画像の閾値設定/二値化→領域抽出
– Image > Adjust > Threshold
• ROIの特徴量計測
– Analyze > Analyze Particles
を手動で行う方法を学んできました。
これらを(1) マクロにまとめ、(2) 大量の画像を
自動解析してみましょう。
ヒント: マクロレコーダ → (マクロ保存) → バッチ実行

Weitere ähnliche Inhalte

Was ist angesagt?

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nmaro
 
画像解析の基礎知識
画像解析の基礎知識画像解析の基礎知識
画像解析の基礎知識LPIXEL
 
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定KoueiYamaoka
 
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNetCVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNetTakuya Minagawa
 
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術Yutaka KATAYAMA
 
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SSII
 
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)Toshihiko Yamasaki
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法Hirokatsu Kataoka
 
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
 
ピンホールカメラモデル
ピンホールカメラモデルピンホールカメラモデル
ピンホールカメラモデルShohei Mori
 
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチMIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチHironobu Fujiyoshi
 
Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習Kimikazu Kato
 
最適化超入門
最適化超入門最適化超入門
最適化超入門Takami Sato
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -MPRG_Chubu_University
 
画像認識と深層学習
画像認識と深層学習画像認識と深層学習
画像認識と深層学習Yusuke Uchida
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII
 
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic DatasetsDeep Learning JP
 

Was ist angesagt? (20)

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
 
画像解析の基礎知識
画像解析の基礎知識画像解析の基礎知識
画像解析の基礎知識
 
画像処理応用
画像処理応用画像処理応用
画像処理応用
 
相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定相互相関関数の最大化と時間差推定
相互相関関数の最大化と時間差推定
 
CVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNetCVPR2018のPointCloudのCNN論文とSPLATNet
CVPR2018のPointCloudのCNN論文とSPLATNet
 
人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術人工知能を用いた医用画像処理技術
人工知能を用いた医用画像処理技術
 
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
 
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
プレゼン・ポスターで自分の研究を「伝える」 (How to do technical oral/poster presentation)
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
 
ゼロから学ぶAI
ゼロから学ぶAIゼロから学ぶAI
ゼロから学ぶAI
 
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
 
ピンホールカメラモデル
ピンホールカメラモデルピンホールカメラモデル
ピンホールカメラモデル
 
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチMIRU2013チュートリアル:SIFTとそれ以降のアプローチ
MIRU2013チュートリアル:SIFTとそれ以降のアプローチ
 
Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
機械学習と主成分分析
機械学習と主成分分析機械学習と主成分分析
機械学習と主成分分析
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
 
画像認識と深層学習
画像認識と深層学習画像認識と深層学習
画像認識と深層学習
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
 
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
[DL輪読会]Grokking: Generalization Beyond Overfitting on Small Algorithmic Datasets
 

Ähnlich wie 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〜

【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~
【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~
【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~UnityTechnologiesJapan002
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太Preferred Networks
 
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用Hirono Jumpei
 
Webリソースを利用したDeep Learning ~地図タイルを例として
Webリソースを利用したDeep Learning  ~地図タイルを例としてWebリソースを利用したDeep Learning  ~地図タイルを例として
Webリソースを利用したDeep Learning ~地図タイルを例としてIWASAKI NOBUSUKE
 
Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...
Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...
Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...Toshiki Sakai
 

Ähnlich wie 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〜 (6)

CNTK deep dive
CNTK deep diveCNTK deep dive
CNTK deep dive
 
【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~
【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~
【Unite 2018 Tokyo】Unityの医療と教育への応用 ~ちょっと人を助けてみませんか?~
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
 
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
 
Webリソースを利用したDeep Learning ~地図タイルを例として
Webリソースを利用したDeep Learning  ~地図タイルを例としてWebリソースを利用したDeep Learning  ~地図タイルを例として
Webリソースを利用したDeep Learning ~地図タイルを例として
 
Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...
Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...
Cv勉強会cvpr2018読み会: Im2Flow: Motion Hallucination from Static Images for Action...
 

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〜