نرم افزار ImageJ
نرم افزار ImageJ، یک نرم افزار با کد منبع باز است که به دلیل جامعه کاربری متنوع و گسترده، افزونه های مختلفی را برای اجرای آسان الگوریتم های مختلف پردازش تصویر فراهم آورده است. با این حال، طیف ابزار های پایه این نرم افزار نیز، بسیاری از عملیات پایه ای ویرایش و تحلیل تصویر را برای کاربران به صورت پیش فرض دارا است.
توصیف شکل اشیا
شکل ویژگی هر شی است. در حوزه های مختلف صنعت غذا . طراحی و توسعه فرمولاسیون های غذایی، طیف گسترده از شکل های مختلف مربوط به مواد اولیه و محصول وجود دارد. برخی از اشیا دارای شکل مشخص هستند. برای مثال، یک رشته ماکارونی، میله ای شکل یا به بیان دیگر یک استوانه یا حتی با توصیف دو بعدی، یک مستطیل است. اما در مورد محصولاتی مانند انواع دانه ها، هسته ها و میوه ها و قطعات گوشت و ماهی، یک شکل معین وجود ندارد. یکی از مباحثی که در بیوفیزیک مواد غذایی، مطرح می شود، توصیف شکل است. توصیف شکل، ممکن است با ضریبی برای نزدیک بودن شکل به کره مانند ضریب کرویت انجام شود و یا نیاز به تعیین قطر های کوچک و بزرگ و یا تطبیق یک شکل بیضی بر شی باشد. این اطلاعات در تولید و فرایند محصولات غذایی و طراحی و تنظیم تجهیزات کاربرد دارد.
تصویربرداری
تصویر برداری ممکن است برای هر شی باشد و یا مجموعه ای از اشیا به صورت یکجا تصویر برداری شود. برای مثال، اگر ابعاد محصول مانند سیب، بزرگ باشد، ممکن است هر یک عدد سیب در تحقیق مورد نظر جداگانه تصویر برداری شود. در شرایطی که نمونه، کوچک باشد مانند دانه های برنج یا بادام، توده ای از محصول یکجا تصویر برداری شود. برای جداسازی بهتر نمونه، بهتر است از پس زمینه با رنگ کاملا متضاد یا از پس زمینه کاملا سفید استفاده شود (کاربرد پردازش تصویر در صنعت غذا).
تنظیم مقیاس در ImageJ
پس از تهیه تصاویر و باز کردن تصویر در نرم افزار، اولین مرحله، تعیین مقیاس یا Scale است. باید در یکی از تصاویر یک خط کش در تصویر لحاظ شود. سپس مقدار مشخصی از خط کش انتخاب شده و از منوی image گزینه scale، مقیاس با تنظیم Global انجام شود. در این شرایط، تمام محاسبات اندازه بر اساس اندازه تنظیم شده ارایه خواهد شد.
تفکیک اشیا در ImageJ
باید در نظر داشت که مراحل ارایه شده، در یک تصویر استاندارد با پس زمینه متضاد و مناسب است. ممکن است در تصاویر نوع دیگر، نیاز به اجرای پیش پردازش بیشتر باشد. در تصویر مورد نظر، ابتدا نوع تصویر از منوی Image زیر گزینه Type به هشت بیت تنظیم شود. این نوع تصویر، اطلاعات رنگی را در 256 سایه مختلف تنظیم می کند. سپس از منوی Image و زیر منوی Adjust گزینه Threshold انتخاب شود. با توجه به تصویر، محدوده سایه باید طوری انتخاب شود که اشیا از صفحه پس زمینه تفکیک شود. در نهایت گزینه Apply تایید گردد.
تبدیل تصویر به باینری
در مرحله بعد تصویر تفکیک شده از منوی Process و زیر منوی Binary و گزینه Make Binary به تصویر باینری تبدیل می شود. از همین زیر منو، گزینه های Close و Fill holes در بهبود تصویر تاثیر دارد. لازم به ذکر است گزینه های Dilute، Erode و و WaterShed نیز بر اساس شرایط تصویر، می تواند در تفکیک بهتر اشیا موثر باشد.
آنالیز ذرات
در این مرحله، ابتدا از منوی Analyze، گزینه Set Measurements انتخاب شود و گزینه های Shape Descriptor و Ferets Diameter و Display label فعال شود. در مرحله بعد از همین منو، گزینه Analyze Particles باید انتخاب شود و تنظیمات لازم لحاظ شود. یکی از تنظیمات مهم، تعیین حداقل اندازه برای حذف ذرت اضافی است که طی تفکیک جدا نشده است. همچنین گزینه های Show Outlines، Display Results و Summary Results هم می تواند گزینه های مفیدی برای خلاصه نتایج باشد. در نهایت با تایید پنجره، ذرات شناسایی و پارامتر های شکل تعیین می گردد.
توضیح نتایج
در پنجره نتایج، در هر ستون، عنوان مشخص شده است. پارامتر Circ معادل میزان دایره بودن، AR نسبت قطر بزرگ به کوچک و Round معادل میزان صاف بودن لبه ها است. همچنین پارامتر های Feret نیز ارایه شده است. قطر Feret معادل بیشتریم فاصله بین دو نقطه در لبه شکل و در جهت مشخص است. پارامتر Min Feret نیز کمترین فاصله بین دو نقطه در لبه شکل است که در جهت مشخصی قرار داشته باشد.
برای دریافت اطلاعات بیشتر به مقاله های رنگ سنجی با استفاده از نرم افزار ImageJ و معرفی نرم افزار پردازش تصویر ImageJ مراجعه نمایید.
