ImageJTutorial

6. Image Data 분석

, ,

6.1. ImagePlus: ImageJ의 이미지 instance

Reference

TCP School 26) 클래스의 개념
ImagePlus

  • 지난 글에서 객체지향 프로그래밍(OOP: Object Oriented Programming)의 개념을 짧게 설명했습니다.
  • instance란 것은 Class에 정의된 대로 만들어진 객체입니다.

    • 자동차 설계도(Class)와 자동차(instance) 관계로 보시면 비슷합니다.

    • instance는 Class에 선언된 Field와 Method를 가지고 있습니다.
      (ex. 그랜저 Class로 만들어진 철수 차 instance의 후방카메라 옵션)

    • 다른 Class로 만든 instance끼리는 당연히 다르고 (ex. 람보르기니 vs 그랜저)

    • 같은 Class로 만든 instance라도 다른 존재입니다 (ex. 철수 차 vs 영희 차)


  • ImageJ에서 이미지를 읽어들이면 ImagePlus instance가 됩니다.
    • 공식 문서를 클릭해보시면 자체적으로 changes부터 win까지, 그리고 상위 클래스인 java.awt.image.ImageObserver와 ij.measure.Measurements로부터 상속받은 Field가 추가로 상당히 많습니다.
    • 그랜저 Class는 자동차 Class에 포함되므로 내연기관, 바퀴, 헤드라이트 등 자동차의 속성을 물려받습니다. 이 것을 상속(inheritance)이라고 합니다.

6.2. 이미지 분석

Reference

A Fiji Scripting Tutorial #3. Inspecting properties and pixels of an image
Jython Scripting Examples
ImageStatistics
ImageProcessor
image.sc Forum

  • ImageJ에서 이미지를 읽으면 ImagePlus형식으로 받아들인다고 했고,
    ImagePlus는 여러 정보(Field)를 담고 있다고 했습니다.
  • 그럼 이 정보를 어떻게 꺼내볼까요?
  • Class instance의 Field에 접근할 때는 [Instance이름].[Field이름]으로 접근합니다.
    • 철수가 그랜저 (Class: Grandeur)를 새로 샀다고 합시다.
    • 철수네 자동차 (Instance: CScar)의 색상(Field: color)은 CScar.color 입니다.
    • 철수네 자동차 색상을 출력하라고 하려면, print CScar.color라고 하면 됩니다.

6.2.1. 이미지 기본 정보 분석

  • 이미지 파일 구조 글에서, 이미지는 x, y 2차원 공간에 놓인 픽셀들로 구성되며 이미지 파일에는 Channels, Slices, Frames 속성이 있다고 말씀드렸습니다.

  • 이 데이터들을 뽑아보겠습니다.

  • File > Open Samples > Boats.gif로 배 이미지를 엽니다.

  • 단축키 [를 눌러 아래 코드를 붙여넣고 실행합니다. 여기에서 다운로드도 가능합니다.

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    from ij import IJ, ImagePlus

    # 떠 있는 이미지 캡처
    imp = IJ.getImage()

    # 이미지 정보 추출
    print "title:", imp.title
    print "width:", imp.width
    print "height:", imp.height  
    print "number of pixels:", imp.width * imp.height  
    print "number of slices:", imp.getNSlices()  
    print "number of channels:", imp.getNChannels()  
    print "number of time frames:", imp.getNFrames()  

    types = {ImagePlus.COLOR_RGB : "RGB",  
             ImagePlus.GRAY8 : "8-bit",  
             ImagePlus.GRAY16 : "16-bit",  
             ImagePlus.GRAY32 : "32-bit",  
             ImagePlus.COLOR_256 : "8-bit color"}  

    print "image type:", types[imp.type]

  • 위 코드를 실행하면 아래와 같이 출력됩니다.

    1
    2
    3
    4
    5
    6
    7
    8
    9
    # 실행결과
    title: boats.gif
    width: 720
    height: 576
    number of pixels: 414720
    number of slices: 1
    number of channels: 1
    number of time frames: 1
    image type: 8-bit

    • 코드 맨 마지막 부분, print "image type:", types[imp.type] 의 결과물로 image type: 8-bit이 출력되었습니다.

    • 읽어들인boats.gif의 type이 ImagePlus의 GRAY8형식이기 때문에 imp.type은 ImagePlus.GRAY8로 치환되었고, python의 데이터 타입 중 하나인 dictionary 호출에 따라 types에서 ImagePlus.GRAY8에 해당하는 값인 8-bit가 출력된 것입니다.


    • image type은 이 이미지의 픽셀이 어떻게 구성되어 있는지를 보여줍니다.

      • GRAY8 : 흑백. 한 pixel은 8 bit ($ 2^8 = 256 $개)의 정수값(0~255)을 가질 수 있습니다.
      • GRAY16 : 흑백. 한 pixel은 8 bit ($ 2^{16} = 65536 $개)의 정수값(0~65535)을 가질 수 있습니다.
      • GRAY32 : 흑백. 한 pixel은 32 bit의 소수(float)값을 가질 수 있습니다.
      • COLOR_256: 컬러. 한 pixel은 3 개(Red, Green, Blue)의 8 bit 채널을 가집니다.
      • COLOR_RGB: 컬러. 한 pixel은 3 개(Red, Green, Blue)의 32 bit 채널을 가집니다.

6.2.2. 이미지 통계 정보 분석

  • 위에서 boats.gif는 width(가로) 720 x height(세로) 576 이므로 총 pixel 수는 414,720개입니다.

  • 이미지 처리 중 많은 작업이 명도(brightness)와 대비(contrast) 조정입니다.

  • 이미지를 조정하기에 앞서 현재 이미지의 상태를 파악해야 하는데, 작은 이미지라도 상당히 많은 수의 pixel로 이루어져 있기 때문에 전체적인 통계 데이터를 파악할 필요가 있습니다.


6.2.2.1. ImagePlus로부터 통계 정보 분석

  • ImageJ에서 이미지 데이터를 다루는 ImagePlus 객체는 getStatistics()라는 Method를 가지고 있습니다.

  • ImagePlus의 getStatistics()는 4가지 사용 방법이 있습니다.

    1. 인자 없이 실행: Calibration을 반영한 통계결과 (histogram, area, mean, min, max, st.dev, mode)
    2. 측정항목(mOptions)을 특정해서 실행: 특정한 항목에 대해서만 결과를 출력합니다.
    3. 측정항목과 구간 수 (nBins)를 특정해서 실행: 2. + 지정된 히스토그램 bin count로 실행합니다.
    4. 측정항목, 구간 수, 히스토그램 범위(histMin, histMax)를 특정해서 실행: 3. + 히스토그램 범위를 지정하여 실행합니다.

  • Calibration은 이미지의 1 픽셀이 실제 길이로 얼마에 해당하는지(spatial calibration), 이미지의 gray scale이 실제 데이터로 얼마에 해당하는지(density calibration) 등의 정보를 담고 있습니다.

  • 예제 이미지를 여기에서 다운로드하여 실습해봅시다.
    0~255 Gray Scale 중 0을 -2에, 254를 45에 대응하여 Calibration한 이미지입니다.

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    from ij import IJ

    # 1. Load Image
    imp = IJ.getImage()  

    # 2. Image 통계 정보 분석
    # 2-1. 인자 없이 실행
    stats1 = imp.getStatistics()  

    # 3. 분석 결과 출력
    # 3-1. 통계 정보 출력
    print "stats1", stats1          # stats1에 저장되는 내용 확인 (여기 보이지 않는 것도 저장됨)
    print "area:", stats1.area      # 면적
    print "mean:", stats1.mean      # 평균
    print "min:", stats1.min        # 최소값
    print "max:", stats1.max        # 최대값
    print "st.dev:", stats1.stdDev  # 표준편차
    print "mode:", stats1.mode      # 256 histogram의 mode

    # 3-2. 히스토그램 출력
    # 3-2-1. array 출력
    print "histogram:", stats1.histogram()

    # 3-2-2. plot 출력 1
    hist1 = imp.plotHistogram()
    plot1 = hist1.getImagePlus()
    IJ.save(plot1, "C:\Arbeitplatz//19_hexoblog_backup\source\_posts\ImageJ-tutorial-6-Inspection\plot1.tif")

    # 3-2-3. plot 출력 2
    from ij.gui import HistogramWindow
    hist2 = HistogramWindow(imp)
    plot2 = hist2.getImagePlus()
    IJ.save(plot2, "C:\Arbeitplatz//19_hexoblog_backup\source\_posts\ImageJ-tutorial-6-Inspection\plot2.tif")
    • 실행 결과, stats1로 저장한 통계 분석 결과의 각 항목들이 출력되었습니다.

    • histogram은 구간별 count array로 출력할 수도 있고 (# 3-2-1),
      plot으로 출력할 수도 있습니다 (# 3-2-2, # 3-2-3).

    • 두 방식의 plot 출력은 디자인만 조금 다르고 본질적으로 같습니다. 원하는 것을 사용하면 됩니다.

    • getImagePlus()와 IJ.save()를 활용하면 plot을 그림파일로 저장할 수 있습니다.
      폴더(디렉토리)가 역슬래시(\)로 표시된 부분과 이중 슬래시(//)로 표시된 부분이 공존하는 것은 역슬래시 뒤에 숫자가 오면 ImageJ가 이상하게 인식하기 때문에 부분 변경한 것입니다.
      폴더 이름이 숫자로 시작하지 않으면 되는 문제입니다.


6.2.2.2. ImageProcessor로부터 통계 정보 분석

  • ImageJ는 이미지 통계 분석을 위해 ImageStatistics라는 모듈을 제공합니다.

    • 6.2.2.1에서 imp.getStatistics() 실행 결과로 얻어진 stats1도 ImageStatistics 클래스입니다.

    • ImageStatistics 에서 사용하는 getStatistics()는 입력으로 ImageProcessor를 읽어들이므로 이미지를 ImagePlus 형식에서 ImageProcessor형식으로 변환해줘야 합니다.

    • ImageProcessor라는 이름만 보면 뭔가 계산을 대신 해줘야 할 것 같지만, 알고 보면 ImageProcessor는 ImagePlus 의 Field 중 하나로, 이미지의 2D데이터 + 통계데이터 + 조작을 위한 Method를 포함한 것이 ImageProcessor 입니다.

    • 3D 이상이라 볼 수 있는 stack 관련한 데이터는 ImageProcessor에 포함되지 않았으며, 이 것은 ImageStack에 있습니다.

    • ImageProcessor로 2D 정보만 추린 후, 여기에서 통계정보를 얻는 명령이 getStatistics()입니다.


    • getStatistics() 명령을 ImageStatistics에서 찾아보면, 아래와 같이 두 가지 사용법이 있습니다.

      1. getStatistics(ImageProcessor ip): 인자로 ImageProcessor 객체만을 입력하고, calibration되지 않은 상태의 이미지 데이터에 대한 통계를 출력합니다.

        ImagePlus에서 사용하는 getStatistics()는 Calibration 된 이미지로, 헷갈리기 쉽습니다.

      2. getStatistics(ImageProcessor ip, int mOptions, Calbiration cal): 추가 인자로 mOptions와 Calibration 인자 cal을 넣을 수 있습니다. 이 때 주어진 measurement option(mOptions)과 calibration(cal)을 적용한 통계결과를 출력합니다.


  • ImagePlus에서 데이터를 뽑는 6.2.2.1 방식이 덜 복잡하고 더 간결해 보입니다.
    하지만 이런 방법도 있다는 차원에서 살펴보고 지나가겠습니다.


  • 6.2.2.1 과 동일한 작업을 ImageStatistics(ip)로 진행해 보겠습니다.

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    from ij import IJ
    from ij.process import ImageStatistics as IS

    # 1. Load Image
    imp = IJ.getImage()

    # 2. Image 통계 정보 분석  
    # 2-1. ImageProcessor 호출
    ip = imp.getProcessor()  

    # 2-2. 인자 없이 분석
    stats2 = IS.getStatistics(ip)

    print "stats2", stats2
    print "area:", stats2.area
    print "mean:", stats2.mean
    print "min:", stats2.min
    print "max:", stats2.max
    print "st.dev:", stats2.stdDev

    # 3-2. 히스토그램 출력

    # 3-2-1. array 출력
    print "histogram:", stats2.histogram()

    # 3-2-2. plot 출력 1
    hist1 = imp.plotHistogram()
    plot1 = hist1.getImagePlus()
    IJ.save(plot1, "C:\Arbeitplatz//19_hexoblog_backup\source\_posts\ImageJ-tutorial-6-Inspection\plot3.tif")

    # 3-2-3. plot 출력 2
    from ij.gui import HistogramWindow
    hist2 = HistogramWindow(imp)
    plot2 = hist2.getImagePlus()
    IJ.save(plot2, "C:\Arbeitplatz//19_hexoblog_backup\source\_posts\ImageJ-tutorial-6-Inspection\plot4.tif")
    • 실행 결과, 6.2.2.1 과 동일한 형태로 다른 값들이 출력됩니다.

    • 예를 들면 max 값이 45.185에서 255로 바뀌었는데, Calibration이 되지 않은 값이라 그렇습니다.

    • 실제 실행시 # 3-2-2 그래프는 위 그림과 달리 바닥에 납작 엎드린 히스토그램이 출력되지만, 마우스로 빨간 원 안에 해당하는 부분을 클릭해서 상한선을 낮춰주면 전체적으로 히스토그램이 높게 표현됩니다.

  • 이번에는 ImageStatistics(ip, mOptions, cal)로 진행해 보겠습니다.

    • 위 코드에서 세 줄만 바꿔주면 됩니다.
    1
    2
    3
    4
    5
    options = IS.MEAN | IS.MEDIAN | IS.MIN_MAX  # options에 뽑을 데이터를 정의하고
    stats3 = IS.getStatistics(ip, options, imp.getCalibration()) # 함수에 인자를 넣습니다.

    # 그리고 아래 출력 부분에 이걸 추가해 줍시다.
    print "median:", stats3.median  #중간값(median)을 뽑습니다.
    • 재미를 위해 여기서 하나만 더 바꿔봅시다.
    1
    2
    3
    # IS.MIN_MAX 앞에 #을 붙여봅시다. 
    # 주석으로 처리해버리겠다(comment out) = 실행하지 않겠다는 뜻입니다.
    options = IS.MEAN | IS.MEDIAN #| IS.MIN_MAX
    • 이제 아래 코드가 되었습니다. 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    from ij import IJ
    from ij.process import ImageStatistics as IS

    # 1. Load Image
    imp = IJ.getImage()

    # 2. Image 통계 정보 분석  
    # 2-1. ImageProcessor 호출
    ip = imp.getProcessor()  

    # 2-2. 항목 지정 분석
    options = IS.MEAN | IS.MEDIAN #| IS.MIN_MAX  
    stats3 = IS.getStatistics(ip, options, imp.getCalibration())

    print "stats3", stats3
    print "area:", stats3.area
    print "mean:", stats3.mean
    print "median:", stats3.median
    print "min:", stats3.min
    print "max:", stats3.max
    print "st.dev:", stats3.stdDev

    # 3-2. 히스토그램 출력
    # 3-2-1. array 출력
    print "histogram:", stats3.histogram()

    # 3-2-2. plot 출력 1
    hist1 = imp.plotHistogram()
    plot1 = hist1.getImagePlus()
    IJ.save(plot1, "C:\Arbeitplatz//19_hexoblog_backup\source\_posts\ImageJ-tutorial-6-Inspection\plot5.tif")

    # 3-2-3. plot 출력 2
    from ij.gui import HistogramWindow
    hist2 = HistogramWindow(imp)
    plot2 = hist2.getImagePlus()
    IJ.save(plot2, "C:\Arbeitplatz//19_hexoblog_backup\source\_posts\ImageJ-tutorial-6-Inspection\plot6.tif")
    • 실행 결과를 6.2.2.1 과 비교해보면 몇몇 차이점들이 보입니다.
      1. mean값이 158.2 에서 27.27 로 바뀜 : Calibration이 적용된 것입니다.
      2. min과 max가 0 이 되어버림: IS.MIN_MAX를 주석처리해서 데이터가 추출되지 않았습니다.


  • ImagePlus상태에서 데이터를 분석하는 것이 더 편하고 직관적입니다.
    특별한 이유가 없으면 ImageStatistics로 넘어가지 않는 것을 권장합니다.


도움이 되셨나요? 카페인을 투입하시면 다음 포스팅으로 변환됩니다

Share