SlideShare una empresa de Scribd logo
1 de 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

Más contenido relacionado

La actualidad más candente

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〜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
 
研究に使える便利なフリーソフト ImageJ
研究に使える便利なフリーソフト ImageJ研究に使える便利なフリーソフト ImageJ
研究に使える便利なフリーソフト ImageJYutaka KATAYAMA
 
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
 
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical FlowRAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical FlowMasanoriSuganuma
 
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Kazuyuki Miyazawa
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめDeep Learning JP
 
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)HironoriKanazawa
 
Introduction to YOLO detection model
Introduction to YOLO detection modelIntroduction to YOLO detection model
Introduction to YOLO detection modelWEBFARMER. ltd.
 
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現DeNA
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーnlab_utokyo
 
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...Yamato OKAMOTO
 
[DL輪読会]A closer look at few shot classification
[DL輪読会]A closer look at few shot classification[DL輪読会]A closer look at few shot classification
[DL輪読会]A closer look at few shot classificationDeep Learning JP
 
Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2harmonylab
 
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
 
(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展Takumi Ohkuma
 
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算sleepy_yoshi
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量takaya imai
 

La actualidad más candente (20)

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〜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〜
 
研究に使える便利なフリーソフト ImageJ
研究に使える便利なフリーソフト ImageJ研究に使える便利なフリーソフト ImageJ
研究に使える便利なフリーソフト ImageJ
 
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...
 
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical FlowRAFT: Recurrent All-Pairs Field Transforms for Optical Flow
RAFT: Recurrent All-Pairs Field Transforms for Optical Flow
 
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
Depth from Videos in the Wild: Unsupervised Monocular Depth Learning from Unk...
 
[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ[DL輪読会]Dense Captioning分野のまとめ
[DL輪読会]Dense Captioning分野のまとめ
 
物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)物体検出の歴史(R-CNNからSSD・YOLOまで)
物体検出の歴史(R-CNNからSSD・YOLOまで)
 
Introduction to YOLO detection model
Introduction to YOLO detection modelIntroduction to YOLO detection model
Introduction to YOLO detection model
 
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現深層学習を用いたコンピュータビジョン技術とスマートショップの実現
深層学習を用いたコンピュータビジョン技術とスマートショップの実現
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
 
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
関西CVPRML勉強会2018 岡本大和 Unsupervised Feature Learning Via Non-Parametric Instanc...
 
[DL輪読会]A closer look at few shot classification
[DL輪読会]A closer look at few shot classification[DL輪読会]A closer look at few shot classification
[DL輪読会]A closer look at few shot classification
 
Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2Generating Diverse High-Fidelity Images with VQ-VAE-2
Generating Diverse High-Fidelity Images with VQ-VAE-2
 
画像処理応用
画像処理応用画像処理応用
画像処理応用
 
画像処理(二値化)
画像処理(二値化)画像処理(二値化)
画像処理(二値化)
 
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
 
ResNetの仕組み
ResNetの仕組みResNetの仕組み
ResNetの仕組み
 
(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展(2022年3月版)深層学習によるImage Classificaitonの発展
(2022年3月版)深層学習によるImage Classificaitonの発展
 
CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算CVIM#11 3. 最小化のための数値計算
CVIM#11 3. 最小化のための数値計算
 
画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量画像認識の初歩、SIFT,SURF特徴量
画像認識の初歩、SIFT,SURF特徴量
 

Similar a 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
 
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
 
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
 

Similar a 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?~
 
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
 
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
 

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〜