图像处理是因图而异的，图像的差异，会导致相似的问题需要完全不同的解决方法。

但图像处理的思想和原理都是相近的。

案例分析篇会主要介绍一些，在一对一指导时遇到的真实图像处理的案例。以启发大家找到适合自己数据的图像处理方式。

如下图所示，测量叶片上褐色病斑的占总叶片的面积，并测量病斑对应LAB颜色模式下的L、A和B值：

1、这是一个典型的图像分割的问题。解决问题的关键是提取出图像上褐色区域，形成ROI，记得测得面积。

2、原图是RGB格式，所以需要将RGB颜色模式转为LAB颜色模式，然后分通道进行测量。

LAB颜色模型由三个元素组成，L代表亮度，A 和B分别是两个代表颜色：

LAB颜色模式的具体介绍如下：

之前在这篇文章中提到过一些图像分割的方法：

但对于这幅图片，直接进行Color Threshold，或者把图像转为8-bit进行Threshold的效果并不理想：

1、直接进行Color Threshold

需要手动调整，人为的bias很大，而且会选中背景。

2、图像转为8-bit后，进行Threshold

褐色区域的灰度值与背景的区分度不高，Threshold会引入更多的噪声。

所以为了实现自动褐色区域颜色提取，以及减少人为误差，首先需要去掉叶片之外的背景部分，然后再在区分度更高的通道进行Threshold。

1、分割出RGB三个通道（Image - Color - Split Channels）

RGB三个通道包含了图像的不同信息：

可以看到，蓝色通道病斑面积与背景之间的区分度最大；而绿色通道最小，可以用来做叶片整体的分割。

2、叶片整体分割

选择绿色通道，进行Threshold后点击Apply得到Mask：

可以看到Mask上有一些背景残留，可以通过（Process - Noise - Remove outlier）去除：

3、叶片整体ROI的获取（Edit - Selection - Create Selection）

得到干净的Mask后，我们最终的目的是为了得到叶片的ROI，所以需要把Mask转为ROI。然后Add到ROI Manager当中：

4、去除叶片外的背景（Edit - Clear outside）

在蓝色通道选中整体叶片的ROI，然后去除叶片之外的所有信号：

5、Threshold选取病斑区域（Image -> Adjust -> Threshold）

通过去除背景，可以直接进行Threshold、Measure，得到准确的病斑面积：

Threshold选中之后，（Edit -> Selection -> Create Selection），即可得到病斑区域的ROI，并Add到ROI Manager当中：

到了这一步，这个问题的关键已经得到解决，即分别得到叶片和病斑的ROI，面积测量直接Measure就可以了。

6、RGB格式转为LAB格式（Image -> Type -> Lab Stack）

打开原图后，将原始的RGB图像转为Lab Stack，三个通道分别代表L、A、B的值：

然后在ROI Manager中选中病斑部分的ROI，然后三个通道分别进行Measure，即可得到该区域的LAB值：

在这个案例中，从RGB三个通道分别提取到各自的特征信息，是大家经常会忽视的一点。

同时，灵活使用ROI Manager也是解决类似颜色区域提取问题的关键。

另外，在进行颜色表征的时候，除了RGB颜色模式，还可以尝试其他颜色模式，例如LAB、HSB等。

如果对于ImageJ使用有什么问题可以发邮件进行一对一指导：

更多教程可以关注我的专栏：

希望对大家有帮助~