工作流程来比较两个图像中的重叠？
我将不得不提前为这个问题的模糊性而道歉。 我期待着帮助一位正试图比较两幅图像中荧光神经重叠的朋友。
设置如下：有一张以红色标记的神经和背景图像，以绿色标记的神经和背景图像相同。 有些神经只用红色标记，有些只用绿色标记，这很重要。 我们想要做的是覆盖红色图像和绿色图像，然后找出哪个神经与两个标签（红色和绿色重叠）。
对于两个标签都有一个连续的强度（所以有明显的红色和暗淡的红色斑点线条，绿色也是如此）。
我在想你可以做的是为红色设置一个阈值强度，并且只用那些达到阈值强度的神经重新绘制图像。 你也可以为绿色做这个。 然后，通过测量一个输出中另一个输出中发现的神经组织的百分比，可以通过输出比较重叠神经的比例。
在重叠区域可以被着色（例如蓝色）的情况下，能够生成输出图像是理想的。 然后，我们可以在所有重叠部分都是蓝色的情况下获取该输出，并将其覆盖在原始红色/绿色图像上，以突出显示重叠的神经。
或者（或组合），您可以将图像转换为字符串，然后在这些字符串的相同位置查找匹配的字符。
这些都远远超出了我的技能水平^ _ ^;
如果有人认为这是可能的，对于更好的工作流程有任何建议，或者可以指向我一些好的阅读或包的方向来解决这个问题，这将是非常感激。
谢谢你尽你所能的帮助！
编辑：在Matlab中的这个建议回答我认为我的问题的开始（如何测量哪些像素超过某个阈值强度）。 它们转换为灰度，然后以发白的像素来查找亮度。 然后，我需要生成符合阈值强度的那些像素的输出。
http://www.mathworks.com/matlabcentral/answers/86484-how-to-find-the-intensity-of-each-pixel-of-an-image
我一直在学习一些免费的OSX，Linux和Windows可用的OpenCV 。 我认为它可能会为你的问题增加一些交互性，所以我已经实现了与我在ImageMagick中完全相同的算法，但是在我的初学者的OpenCV 。 如果任何一个更有经验的人对我的代码有任何建设性的指导方针，我全都听过。
无论如何，它在运行时看起来像这样，并且滑动阈值滑块：
代码如下：
////////////////////////////////////////////////////////////////////////////////
// NerveView.cpp
// Mark Setchell
//
// OpenCV program that takes two images as parameters, the first the red
// fluorescent nerve image and the second which is the green image.
//
// The two images are resized, normalised and then displayed merged into a
// single RGB image where the thresholds on red and green are controlled by
// sliders. Common areas therefore appear in yellow. Move either slider left
// to lower the threshold and therefore include more of that colour in the
// combined output image, or move slider right to decrease amount of that
// colour.
//
// Run with:
//
// ./NerveView red.jpg green.jpg
//
// Compile with:
//
// g++ `pkg-config --cflags --libs opencv` NerveView.cpp -o NerveView
//
////////////////////////////////////////////////////////////////////////////////
#include <sstream>
#include <string>
#include <iostream>
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include <opencv/cv.h>
#include <opencv/highgui.h>
#include <stdlib.h>
#include <stdio.h>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
// Temp workspace
Mat tmp1,tmp2;
// Image size
Size size(640,480);
// Create a window for controls
namedWindow("Controls", CV_WINDOW_NORMAL);
resizeWindow("Controls",640,100);
// Create slider to change Red threshold
int RedThreshold = 50;
createTrackbar("Red Threshold Percentage", "Controls", &RedThreshold, 100);
// Create slider to change Green threshold
int GreenThreshold = 50;
createTrackbar("Green Threshold Percentage", "Controls", &GreenThreshold, 100);
// Create variables to store input images and load them
Mat Red,Green;
Mat planes[3];
// Load red image, split, discard G & B, resize, normalize
tmp1 = imread(argv[1], CV_LOAD_IMAGE_COLOR);
split(tmp1,planes);
resize(planes[2],tmp1,size);
normalize(tmp1,Red,0,255,NORM_MINMAX,CV_8UC1);
// Load green image, split, discard R & B, resize, normalize
tmp1 = imread(argv[2], CV_LOAD_IMAGE_COLOR);
split(tmp1,planes);
resize(planes[1],tmp1,size);
normalize(tmp1,Green,0,255,NORM_MINMAX,CV_8UC1);
// Make empty Blue channel, same size
Mat Blue=Mat::zeros(size,CV_8UC1);
//Create window to display images
cv::namedWindow("Image", CV_WINDOW_AUTOSIZE);
// Create variable to store the processed image
Mat img=Mat::zeros(640,480,CV_8UC3);
while (true){
// Get thresholds, apply to their channels and combine to form result
threshold(Red,tmp1,(RedThreshold*255)/100,255,THRESH_BINARY);
threshold(Green,tmp2,(GreenThreshold*255)/100,255,THRESH_BINARY);
// Combine B, G and R channels into "img"
vector<Mat> channels;
channels.push_back(Blue);
channels.push_back(tmp2);
channels.push_back(tmp1);
merge(channels,img);
// Display result
imshow("Image",img);
// See if user pressed a key
int key=cvWaitKey(50);
if(key>=0)break;
}
return 0;
}
关键词 ：神经，神经，荧光
正如@JanEglinger所说，没有必要使用（或付费）Matlab，特别是如果你的编程技巧有限。
我会建议ImageMagick免费并安装在大多数Linux发行版上，并且也可以从这里用于OSX和Windows。 然后，您可以从命令行完成您想要执行的任务，无需编译器或开发环境以及陡峭的学习曲线。
先让你的红色图像，只需使用终端中的命令行，我们可以看到这样的统计数据：
identify -verbose red.jpg | more
Image: red.jpg
Format: JPEG (Joint Photographic Experts Group JFIF format)
Mime type: image/jpeg
Class: DirectClass
Geometry: 100x100+0+0
Resolution: 72x72
Print size: 1.38889x1.38889
Units: PixelsPerInch
Type: TrueColor
Endianess: Undefined
Colorspace: sRGB
Depth: 8-bit
Channel depth:
red: 8-bit
green: 8-bit
blue: 8-bit
Channel statistics:
Pixels: 10000
Red:
min: 8 (0.0313725)
max: 196 (0.768627) <--- Good stuff in Red channel
mean: 46.1708 (0.181062)
standard deviation: 19.4835 (0.0764057)
Green:
min: 0 (0)
max: 13 (0.0509804) <--- Nothing much in Green channel
mean: 3.912 (0.0153412)
standard deviation: 1.69117 (0.00663204)
Blue:
min: 0 (0)
max: 23 (0.0901961) <--- Nothing much in Blue channel
mean: 4.3983 (0.0172482)
standard deviation: 2.88733 (0.0113229)
并且看到红色频道以外的任何用途信息都很少。 因此，我们可以将它分成红色，绿色和蓝色3个通道，并丢弃绿色和蓝色通道，如下所示：
convert red.jpg -separate -delete 1,2 justRed.jpg
这给了我们这个
对比度不是很好，因为它只能在8-196之间，而不是0-255，所以我们可以将其归一化到全范围，然后以50％的阈值进行归一化，如下所示：
convert red.jpg -separate -delete 1,2 -normalize -threshold 50% r.jpg
这给出了这一点：
如果我们现在想为您的绿色图像做同样的事情，我们会这样做，但这次删除红色和蓝色通道：
convert green.jpg -separate -delete 0,2 -normalize -threshold 50% g.jpg
给出这个：
最后，我们将分离的，标准化的，阈值化的红色和绿色合成一个相同大小的空蓝色通道，并将它们全部组合为新图像的红色，绿色和蓝色通道：
convert r.jpg g.jpg -size 100x100 xc:black -combine result.jpg
这给了我们这个地方，我们在黄色区域看到明亮的红色和绿色。
整个程序实际上只是在终端输入3行：
convert red.jpg -separate -delete 1,2 -normalize -threshold 50% r.jpg
convert green.jpg -separate -delete 0,2 -normalize -threshold 50% g.jpg
convert r.jpg g.jpg -size 100x100 xc:black -combine result.jpg
如果你喜欢这种方法，你可以改变百分比，你可以引入降噪，并且实际上可以在没有中间文件的单一，更复杂的命令中完成整个过程。 无论如何，我向你推荐ImageMagick，即使你必须使用Matlab，也许ImageMagick中的这个例子会给你一些指向工作流的指针。
额外的例子...如果你为红色通道设置了较低的阈值，你将在输出文件中得到更多的红色像素，所以如果你改变红色阈值为30％，你会得到这个：
链接地址: http://www.djcxy.com/p/67297.html