農業研究上，常常需要分析大量植物的表型，如果用傳統的個別測量方式，費時不少。因此目前已經有開發了自動機器人，固定為大量植栽攝影，而攝影所得的影像資料也是透過程式來加速處理影像分割和分析。這次介紹的網站裡的程式-PLANTCV就是一個用在此目的的PYTHON程式。
https://plantcv.readthedocs.io/en/latest/
我閱讀了其中流程的教學文件，覺得很實用，雖然是PYTHON的程式，不過影像分割的流程其實也能應用在imagej。因此本文就是將其Python流程轉換成Imagej流程的紀錄，如果是用imagej來處理大量影像資料，例如幾百張圖，那麼也只要把這些步驟錄製在macro裡再做修改就可以大量處理了。
以下是一些步驟的個別說明：
轉換色彩空間
以往我使用imagej做影像分割時，都是先用原始影像轉8 bits灰階，再用threshold或是原始彩色影像用color threshold來取得目標物。不過其實可以先將原始影像轉成HSV或是Lab的影像。因為有些目標物在RGB的channel之中未必會明顯突出，但是在HSV或是LAB影像中反而會變得明顯，因此轉成這類型影像後，再針對其中比較明顯的channel來做影像分割。
imagej的指令
Image/Type/RGB Stack
Image/Type/HSB Stack
Image/Type/Lab Stack
針對不同部位使用不同的影像空間的channel
由於植物並非色彩均質的物體，有些地方比較綠、有些地方黃甚至紅，因此可以使用不同色彩空間的channel來分割不同部位，最後再把這些組合在一起就可以。例如在Lab的色彩空間中，a channel是偏紅色綠色的，而b channel是偏藍色黃色的，所以就可以從這些部位個別取出要的部位再組合。
設定閾值做二值化影像
這部份就是直接設定Thershold，選擇要的部位來做二值化影像
imagej的指令
Image/Adjust/Threshold
Image/Adjust/Color Threshold
去除雜點、去噪
在二值化的影像中，難免會有一些噪點，可以使用中值濾波器，或是其他濾波器將雜點去除
imagej的指令
Process/Noise/Despeckle...
Process/Filters/Median..
影像邏輯運算
通常使用or運算做聯集，例如前述的過程得到一個以葉子為主的二值化影像，和一個以莖為主的二值化影像，接下來就可以用這兩個影像做聯集，也就是or運算，將兩個影像合併成一組。
imagej的指令
Process/Image Calculator
影像相減與相加
影像相減subtract，常用於減去背景，例如兩張圖片一張為沒有植株的盆栽，另一個是有植株的，兩者影像相減可得到植株的影像（但通常還需要再處理才能使用）
影像相加add，例如產生兩張圖，一張是邊緣強化的（透過sobel運算），另一張是增強對比的(經過laplace濾波)，把兩張影像相加，可以得到兩者的優點，邊緣清楚且對比明顯
imagej的指令
Process/Image Calculator
Process/Find edge
Process/Enhance Contrast
從遮罩mask取得原圖目標物的選取區
例如有一個已經經過多次處理得到的二值化影像，在目標物的部份已經有了mask，可以將此mask轉成selection，再於原圖中套用此選取區
imagej的指令
Edit/Selection/Creation Selection（使用於二值化的影像，可得到選取區）
Edit/Selection/Restore selection（將其他影像的選取區套用於此）
以下用PlantCV的範例來做imagej的示範，共有兩個，並且用影片來說明。
---
---
流程：
1.原圖轉HSB --> 取得S channel影像 --> 設定閾值做二值化影像 --> 中值濾波去雜點 -->得到s_blu圖
2.原圖轉Lab --> 取得b channel影像 --> 設定閾值做二值化影像 --> 得到b圖
3.將s_blu圖和b圖做or運算，取得聯集後的影像，得到mask圖
4.將mask圖轉出選取區，套用在原圖上（或加入ROI manager)
第二個示範是紅外線攝影下的植物，有兩個影像，其中一個是有植物的，另一個是沒有植物的
--
--
流程：
1.原圖減去背景 --> 設定閾值做二值化影像 --->得到圖a
2.原圖做對比增強，利用laplace filter ，再用原圖減去這張圖，或是直接用Process/Enhance Contrast --> 得到圖b
3.原圖做Find Edge尋找邊緣 --> 中值濾波 -->圖片反相 Edit/Invert --> 得到圖c
4.圖b和圖c做add運算--> 設定閾值做二值化影像 ---> 侵蝕 --> 得到圖d
5.圖a和圖d做 or 運算 -->得到遮罩mask，再轉選取區套用在原圖上