我是ImageJ的新手,所以我甚至不确定我应该寻找什么来寻找这个问题的答案。
我在一个文件夹(TIF)中有一堆图像文件。我已经编写了一个宏来将文件分割成RGB通道,然后将它们保存到同一目录中。输出就是这样的:
-File 1-blue.tif
-File 1-green.tif
-File 1-red.tif
-File 2-blue.tif
-File 2-green.tif
...
etc.
接下来我使用JACoP plugin,它带有两个图像文件,并计算输入之间的各种相关系数/分析。对于每个目录,我想执行以下操作:
设置全局设置:
然后对我目录中的每个文件循环执行以下操作:
最后:
问题在于我不知道如何告诉ImageJ如何按顺序调用每个颜色文件。如何指定它以三个块的形式提取文件,分析它们,然后继续下一个三个块?
我只需要一些基本的帮助来解决一般算法和我可能需要的功能 - 我可以自己编写实际的宏代码。
编辑:我刚刚想到我可以通过使用R将文件传递给三个一组的ImageJ宏。像这样:
file_list <- list.files(getwd())
rgbFiles <- file_list[grep(pattern = "blue|green|red", file_list)]
rgbFilesSplit <- split(rgbFiles, ceiling(seq_along(rgbFiles)/3))
因此,在设置工作目录后,我只是提取出rgb文件并将它们拆分成一个列表。
如果这种方法有效,那么我如何在子列表中描述的每个文件上调用ImageJ宏?我已经知道如何使用R system()函数调用宏并指定输入目录,但是如何让ImageJ接收输入文件,这些文件只是从上面的R代码生成的文件名字符串?
答案 0 :(得分:0)
我在ImageJ mailing list上问了这个问题。用户Joost Willemse在形成我的最终宏时非常有帮助。这是完整的宏:
dir=getDirectory("Choose a Directory");
list = getFileList(dir);
Array.sort(list);
for (i=0; i<list.length; i+=3) {
open(list[i]);
blue=getTitle;
open(list[i+1]);
green=getTitle;
open(list[i+2]);
red=getTitle;
run("JACoP ", "imga="+red+" imgb="+blue+" thra=648 thrb=517 pearson mm");
run("JACoP ", "imga="+red+" imgb="+green+" thra=648 thrb=517 pearson mm");
run("JACoP ", "imga="+blue+" imgb="+green+" thra=648 thrb=517 pearson mm");
close(red);
close(green);
close(blue);
}
设置目录后,for循环开始。 i+=3
让迭代器按三步计数(当我提出问题时,我不知道这是可能的)!现在打开三个图像中的每一个并保存它们的标题。最后,标题通过串联发送到run()
函数的字符串部分。然后关闭图像。只要您的列表在开始之前在目录中正确排序,这应该可以正常工作。 确保在JACoP的run()
功能中设置阈值
此外,我使用R中的grep()
和gsub()
从日志中去除了系数值。不是最有效的方法,但它可以完成工作。无论您从日志文件中提取什么内容,都可以根据需要修改此代码:
# This function takes the path to the log file. It then removes the Pearson's Coefficent, Manders M1/M2, and thresholded Manders M1/M2. It then gathers them into a table.
extract <- function(data){
dat <- read.table(data, header = FALSE, sep = "", fill = TRUE, stringsAsFactors = FALSE)
dat <- dat[ , "V1"]
coef <- dat[grep(pattern = "=", dat)]
coef <- as.numeric(gsub("r=|M1=|M2=", "",coef))
coef <- split(coef, ceiling(seq_along(coef)/5))
coef <- do.call(rbind.data.frame, coef)
names(coef) <- c("r", "M1", "M2", "M1(T)", "M2(T)")
coef <- cbind(Value = c("Red/Blue", "Red/Green", "Blue/Green"), coef)
return(coef)
}
请注意,需要修改coef <- as.numeric(gsub("r=|M1=|M2=", "",coef))
,具体取决于您从日志文件中提取的内容。同样适用于coef <- split(coef, ceiling(seq_along(coef)/5))
- 将5更改为日志文件报告的内容数。
# Now just split the table into a list for each of the different analysis combinations fed into JACoP. Here I assume you set the output of the extract function to "dat".
output <- split(dat, dat$Value)
输出是输入宏的每个图像的所有分析值的列表除以所分析的不同JACoP颜色通道。例如:
$`Red/Blue`
Value r M1 M2 M1(T) M2(T)
Red/Blue 0.743871077 0.395698602 0.963246489 0.513951407 0.700130944
Red/Blue 0.460021089 0.605613993 0.456788982 0.125648321 0.424468211
Red/Blue 0.967115553 0.357528694 0.767577893 0.073250688 0.720399867
$`Red/Green`
Value r M1 M2 M1(T) M2(T)
Red/Green 0.79367778 0.36556424 0.722980958 0.487698812 0.381559727
Red/Green 0.262211518 0.063695185 0.653330753 0.276610328 0.132548249
Red/Green 0.483240639 0.348516661 0.961846834 0.832706515 0.356203613
$`Blue/Green`
Value r M1 M2 M1(T) M2(T)
Blue/Green 0.549159913 0.834823152 0.389143503 0.655878106 0.446664812
Blue/Green 0.144388419 0.844781823 0.534304211 0.79041495 0.844326066
Blue/Green 0.805481028 0.344139017 0.490682901 0.246814106 0.641006611