条带灰度分析器使用说明

代码基本复现了ImageJ软件的功能，采用的计算方法相同，计算出的面积数值和软件算出的结果有区别，但是算出的比例基本近似，因此影响可忽略。

从下图可以看到，二者得到的比例基本相等(0.51和0.52)，并且人工使用ImageJ软件确定基线的时候存在手工误差，所以已经是很接近的了。

注：不进行背景处理的结果也基本相同

Python及必要库安装

开发时使用的是 Python 3.9 版本，以下是程序所用到的库

pip install opencv-python numpy scipy Pillow tifffile openpyxl matplotlib

1. 如何使用

选择文件

1. 打开程序界面。
2. 点击“选择文件”按钮。
3. 在弹出的文件选择对话框中，选择需要分析的 TIFF 图像文件。
4. 选择完成后，图像将显示在界面的左侧区域。

处理图像

1. 点击“处理图像”按钮。
2. 程序会提示是否进行背景去除。可以选择使用 Rolling Ball 算法进行背景去除。
3. 处理完成后，图像将显示在界面的左侧区域。

选择 ROI

1. 点击“选择 ROI”按钮。
2. 在图像中框选感兴趣的区域。
3. 选择完成后，该区域的图像将显示在界面的左侧区域。
4. 根据选择的框选方向（横向或纵向），程序会生成对应的灰度直方图。

分析结果

1. 点击“分析结果”按钮。
2. 程序会自动分析选定 ROI 区域的灰度直方图，识别出峰值点并计算每个峰值的面积。
3. 分析结果将在界面的右侧显示。
4. 根据图像，滑动滑块来调整水平基线。

保存结果

1. 点击“保存结果”按钮。
2. 程序会提示选择保存位置和文件名。
3. 可以将分析结果保存到已创建的 Excel 文件中。如果文件为空，程序将自动添加表头信息。

2. 算法介绍

背景去除

使用 Rolling Ball 算法进行背景去除，将图像进行平滑处理。该算法通过模拟一个滚动的球体来估计图像的局部背景，并从原始图像中减去这个背景，从而突出图像的前景部分。

灰度直方图

根据选定的 ROI 区域，计算该区域的灰度直方图。对于横向选择，直方图的 x 轴代表水平位置，y 轴代表该位置的灰度值总和；对于纵向选择，直方图的 x 轴代表垂直位置，y 轴代表该位置的灰度值总和。

峰值识别

使用 SciPy 库中的 signal.find_peaks() 函数来识别直方图中的峰值点。该函数能够识别出直方图中的局部最大值，并返回这些峰值点的索引。

面积计算

对于每个峰值点，使用 SciPy 库中的 integrate.simps() 函数计算该峰值的面积。该函数采用梯形法则进行数值积分，计算出峰值区域的面积。

结果分析

计算总面积、最大峰值面积以及最大峰值面积占总面积的比例。这些结果可以帮助用户理解图像中不同区域的灰度分布情况。

3. 常见问题解答

1. Q: 如何选择合适的 ROI？

   • A: 在图像中选择一个包含你感兴趣的特征的区域。确保选择的区域足够大，以便能够捕捉到足够的灰度变化。

2. Q: 如何调整基线？

   • A: 在分析结果界面，通过滑动滑块来调整基线。基线应该尽可能地接近直方图的背景水平。

3. Q: 如何保存分析结果？

   • A: 在分析结果界面，点击“保存结果”按钮，并选择保存位置和文件名。程序会将结果保存到指定的 Excel 文件中。

4. Q: 如何处理图像的背景噪声？

   • A: 使用 Rolling Ball 算法进行背景去除可以有效减少图像的背景噪声。你可以通过调整算法的参数来优化去噪效果。

5. Q: 如何查看详细的分析结果？

   • A: 在分析结果界面，程序会显示峰值点的位置和面积。你可以通过查看这些信息来了解图像中不同区域的灰度分布情况。