Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

画像解析の基礎知識

1,773 views

Published on

@第194回農林交流センターワークショップ

Published in: Science
  • Be the first to comment

画像解析の基礎知識

  1. 1. 画像解析の基礎知識 第 194 回農林交流センターワークショップ 「 植物科学・作物育種におけるフェノーム解析 - はじめて画像解析を行う研究者のための入門実習 - 」 2015-09-17 10:20-11:10 (50分) 東京大学 大学院新領域創成科学研究科 / エルピクセル(株) 朽名 夏麿
  2. 2. 'wet' な研究室 植物細胞の形 現象: 分裂,生長,形態変化 対象: 細胞骨格,オルガネラ,細胞形状 手法: 可視化と共焦点顕微鏡等での観察
  3. 3. エルピクセル株式会社 生命科学研究の現場におけるデータ取得から解析までを支援すべく, 東大 院新領域 馳澤研 の出身メンバー 3 名で 2014 年 3月 設立.
  4. 4. 生命現象のスケールと画像 超微細構造 細胞 組織 個体 個体群 地球環境 2000 km200 nm オルガネラ 塩基配列 生体分子 器官 0.1 nm (10-10 m) 10 nm (10-8 m) 10 µm (10-5 m) 10 mm (10-2 m) 1 m 1 km (103 m) 105 km (108 m) 画像 (バイオイメージング) 電顕 衛星画像 スケール デジタル画像は生命科学の広いスケールで扱われる実験データ. その解析法を習得することで,電子顕微鏡や光学顕微鏡から, デジタルカメラ,そして人工衛星までをも研究ツールとできる. もちろん生物学以外にも多方面に応用可能である (ネット上のデータの 80% が画像等の非構造化データと言われる).
  5. 5. 生命科学における画像解析のもつ厄介さ 多次元 (時間,立体,波長…) データサイズ・枚数 自動化・計算機支援に向く * 相反する性質. * 手法を確立してもなかなか pay しない …. * 「最新の画像処理技術」が要るのか?? 多様性(生物種,部位,観察法…) 多目的性 (何に着目するか) 研究者(人間)の柔軟性が不可欠 数・形・長さ100 ms/img 1024*1024 pixel/img 12 bits/pixel → 4 GiB / 5 min 動き濃度, 電位 t, z, λ 位置・局在 属人性 (誰が撮ったのか) 著作権,創作的側面.
  6. 6. 撮影前後に不可欠な作業 見ること. 隅から隅まで,研究対象やモニタに近付いたり離れたりしつつ,見る. 微妙な変化や異常に気付くよう注視したり,時にはリラックスして 眺めたりする. 表示上の"明るさ"をさまざまに設定し,必ず一度は「サチる」状態 までコントラストを上げる. ズーム機能によって,必ず「画素」の大きさが認識できる倍率まで 拡大する. 回転(Image > Transform -...),白黒反転(Image > Lookup Tables > Invert LUT),擬似色表示(Image > Lookup Tables > ...)も有効. 描くこと. 模写,スケッチする.下手とか絵心がないとか言わないで必ずやる. 要は「観察」.観察力がないと画像解析は失敗するし, 画像解析を身につけると観察力は増す.
  7. 7. デジタル画像解析をはじめる前に 撮影: 撮像法(顕微鏡,カメラ,スキャナ他)と機種 設定: 機種,レンズ,光(照明,透過光,励起光),露光(露出)時間, フレーミング,フォーカス,背景,被写体との距離, ピンホール径,カメラ設定(ビニング等),ゲイン 留意点: S/N(シグナル-ノイズ比),ダメージ,ボケ,ブレ, サチュレーション,撮像条件の変動 適切な画像解析の環境 良いソフトウェア: 現時点では ImageJ / Fiji を勧める. マシン: OSは問わない.速くてメモリが多いもの.64 bit OS 推奨. 良いモニタを正しく設定して使う.
  8. 8. 器官〜個体レベルの形態イメージング ・撮像機器 一眼レフカメラ コンパクトデジカメ スキャナ (フラットベッド式,シートフィード式) ・撮影の状況や環境 光の向き,量,スペクトル.→ S/N,色再現性,ハイライト 背景 (background).→ 領域抽出のしやすさ 屋内 or 屋外. 日照,風,作業従事者に対する負荷. ・ファイルフォーマット RAW(NEF等),TIFF,JPEG(圧縮率)
  9. 9. 一眼レフ vs コンパクトデジカメ http://www.antaresdigicame.org/photo_gallery/camera/camera75.html http://www.hugorodriguez.com/articulos/nikond1h.htm http://kakaku.com/item/K0000019084/images/
  10. 10. http://www.antaresdigicame.org/photo_gallery/camera/camera75.html TIFF vs JPEG
  11. 11. ImageJ は実験室みたいなもの ImageJ の「機能」: 約 500 Fiji (ImageJ + α ) の「機能」: 約 900 (command finder 上の登録数)
  12. 12. ImageJ のメニュー と 画像解析の流れ 大雑把な流れ cf. 実験のプロトコル,料理のレシピ 画像処理1 画像処理2…
  13. 13. ノイズ抑制だけでも多くの方法がある Coll B et al. (2005) CVPR 2005, vol 2, 60-65.
  14. 14. Coll B et al. (2005) CVPR 2005, vol 2, 60-65. A non-local algorithm for image denoising (NL-means)
  15. 15. Coll B et al. (2005) NL means を画像解析の前処理で使ってよいのか? 定量解析には? パターン認識には?
  16. 16. ←画像情報: 159x153 pixels; 8-bit; 24K 画素と画素数 (3200%) : 拡大・縮小率 画像ウインドウ左上に青い枠が表示されている場合, ウインドウに画像全域が収まっていない. 現在表示されている部位が,画像全域のどこに相当する かを示している. 159 153 画素, pixel (picture element) * Voxel * Binning
  17. 17. 座標系と画素と輝度 ←画像情報: 159x153 pixels; 8-bit; 24K y x (x,y) = (0, 0) 輝度 35 (3, 0) 輝度30 (3, 2) 輝度 21 ImageJ では左上を原点(0, 0)とし,右に X 軸,下にY軸が伸びる. 各画素には輝度 (強度,intensity.明度 brightness とも言う) が割り当てられている. ※ 「0 から数えること」「左上が原点であること」 に注意.
  18. 18. 座標系と画素と輝度 y (x,y) = (0, 0) 輝度 35 (3, 0) 輝度30 (3, 2) 輝度 21 x Excel で開いた例 表示を縮小 159列 159 153 153行 File - Save As - Text Image…
  19. 19. PowerPoint 等での強拡大に注意 PowerPoint や Photoshop 等で補間を ともなう"強拡大"をするとデジタル的 な解像度や分解能と関係なく擬似的 にズームしたようになるが,解像度や 分解能が上がる訳ではない. データ解釈を誤らないよう注意. PowerPoint で拡大 補間なし 補間あり Mac OSX の PowerPoint では,また さらに異なる補間のされ方 (ぼかし方)になる!
  20. 20. 輝度ヒストグラム 位置情報を無視した上で,全画素について 輝度の分布を可視化したもの. 輝度の基本的な統計量(最小,最大,平均, 標準偏差等)も表示されている.
  21. 21. 輝度のタイプ (0, 0) 輝度 35 (3, 0) 輝度30 (3, 2) 輝度 21 8-bit: 0~255 の整数(integer) 16-bit: 0~65535 の整数(integer) 32-bit: 浮動小数点数(float) 実数の近似値.±3.4*1038 の 範囲で7桁位の精度. グレイスケール画像, 濃淡画像 輝度のデータ型. ビット深度(bit depth), bits per pixel, 量子化ビット数等とも呼称. カラー画像 ≠白黒画像 8-bit Color: 使わない. RGB Color: 赤緑青の3チャネルを 重ねることによるカラー表現. 各チャネルのデータ型は8-bit, 16-bit, 32-bit のいずれかで, チャネル間では統一されている.
  22. 22. 輝度のビット深度 8-bit: 0~255 の整数(integer) 16-bit: 0~65535 の整数(integer) 32-bit: 浮動小数点数(float) 実数の近似値.±3.4*1038 の 範囲で7桁位の精度. グレイスケール画像, 濃淡画像 ≠白黒画像 原画像のビット深度はカメラによって異なり,8~16 bits/pixel が主. 12 bits/pixel (212 , 0~4095) や 14 bits/pixel (214 , 0~16383)の カメラで得た画像は 16 bits/pixel の画像フォーマットとして扱う (大は小を兼ねる). 輝度には必ずノイズが混じるので,深度が大きい方が一概に 高性能というわけではない. 画像処理的には内部で 32-bit (float) を用いることも多い (小数やマイナスの値が扱えるので) . 輝度 位置(pixel)8 bits/pixel 28 =256 段階 0 255
  23. 23. 動きの解析
  24. 24. スタック画像 時系列画像(動画像,動画,XYT) や,焦点面を変えて撮影した連続 画像(立体画像,XYZ)はともに スタック画像として操作できるが, ZとTの区別が無いことに注意. スタック画像を構成する2次元画像 をスライスとかフレームと呼ぶ. ステータスバーの z=2 は 「Z座標の値が2」を示す (0から数えている. 0-origin) . 画像情報欄の 3/10 は 「全10枚中3枚目」を示す (1から数えている.1-origin). 表示中のスライスを変更 再生 (速度設定: Image - Stacks - Tools - Animation Options...) タバコ培養細胞 微小管プラス端
  25. 25. Brightness & Contrast, Image - Type - 8-bit 動き解析のための輝度投影 Image - Stacks - Z Project - Max Intensity 最大輝度投影 Plugins - kbi - Kbi_StkFilter - maxHsvProject 輝度投影(疑似色) time
  26. 26. 動き解析のための粒子追跡 輝度投影 (疑似色) 1スライス目 10スライス目 平均速度: (pixel/slice) T: スライス数 T-1
  27. 27. 動き解析のためのカイモグラフ 最大輝度投影 Plugins - kbi - Kbi_DynProf - kymoStatic 位置 時間 p t 平均速度: (pixel/slice) 1スライス目 10スライス目
  28. 28. オプティカルフロー
  29. 29. 動き解析のためのオプティカルフロー法 シロイヌナズナ胚軸表皮 小胞体 CSU, EM-CCD, 50 ms * 100 frame Plugins - kbi - Kbi_DynProf - kymoStatic 位置 時間 Plugins - kbi - Kbi_Flow
  30. 30. まとめ
  31. 31. なぜ画像解析をするのか? * 撮影した画像をどのように扱うか,という問題. 典型的な何枚かを原稿に貼り付け,legend を書いて終わり? 定量性,そして客観性. 同じ画像から,解析次第で様々な情報が引き出せる. * 何のために可視化したり撮影するのか,という問題. 可視化,撮像,解析までトータルに考えて実験計画を立てる. 研究者のツールとしての画像解析,という段階へ.
  32. 32. もう少し詳しく学ぶには 省略したが重要な事項 * blur (ボケ) と PSF(点像分布関数, point-spread function). 蛍光ビーズによるPSF測定.blur の影響と対策. * ノイズ,とくにGaussノイズとショットノイズ.ノイズ抑制. * 背景 (background) 輝度の高さと分布の扱い. 参考になる本 * 「細胞工学」誌 連載中の “ImageJ 定量階梯” (2013年12月号~) * 田村秀行 (2002) 「コンピュータ画像処理」 オーム社,ISBN-13: 978-4274132643 * Burger W & Burge MJ (2007) Digital Image Processing: An Algorithmic Introduction using Java Springer, ISBN-13: 978-1846283796 ※ ImageJ 本.バイオ指向.プラグインの作例が豊富. 参考になるサイト 英語なら ImageJ 公式サイトを起点に充実.

×