您所在位置：
面积测量，是ImageJ中最常用的功能之一，之前的教程中没有对这一功能进行过多的说明。
而越来越多的同学在使用ImageJ测量面积时，出现了各式各样的问题。
这一篇文章会对怎样利用ImageJ进行面积测量做更为全面的叙述，包括手动、半自动和自动框选等类型，旨在让大家对面积测量有更深入的理解，掌握更多面积检测的方法，同时根据所举出的例子，找到适合自己的测量方法。
面积测量的Workflow很简单，只需要两步：
1、选出感兴趣的区域（ROI）——即图像分割
2、Measure
面积测量的本质其实就是图像的分割，图像分割的好坏直接决定了结果的好坏。
区域的框选又可以分为三种类型：
1、自动框选（Threshold、Analyze Particles、Color Threshold）
2、半自动框选（魔法棒工具、Trainable Weka Segmentation）
3、手动框选（矩形、圆形、Free hand工具等）
下面会对这三种类型逐一说明并举例：
第一步：告诉ImageJ你要测面积这一参数（Analyze -> Set Measurements）
在Set Measurements界面勾选Area。
情景一：自动框选（Threshold、Analyze Particles、Color Threshold）
1、整体面积（Image -> Adjust -> Threshold）
图像转为8-bit后，通过调整阈值，框选出细胞，然后Measure得到整体的面积。要求所选区域的灰度值，与周围区域有明显的差别。
2、单个细胞面积（Analyze -> Analyze Particles）
图像转为8-bit后，通过调整阈值，框选出细胞。如果细胞之间有重叠，还需要进行细胞分割。然后Analyze Particles，得到单个细胞的面积。
3、RGB彩色图像面积（Image -> Adjust -> Color Threshold）
对于RGB图像，通过颜色、饱和度、亮度等参数的调节，可以选取到颜色统一的区域。通常适用于免疫组化图像分析等。例如下图，通过调整Color Threshold可以选取到叶子深绿色的部分。
情景二：半自动框选（Wand tool、Trainable Weka Segmentation）
1、魔法棒工具（Wand tool）
利用魔法棒工具（Wand tool）中的图像分割算法，自动识别出区域边界，要求所选区域与周围区域具有明显的界限。
例如可以魔法棒工具勾选皮下脂肪，从而进行面积测量。
2、基于机器学习的自动细胞分割（Trainable Weka Segmentation）
Trainable Weka Segmentation是一款非常强大的插件，它集成了一系列机器学习算法，通过在同一张图片上学习不同细胞的特征，进行快速的2D/3D图像分割。
插件位置（Plugins -> Segmentation -> Trainable Weka Segmentation）
例如，可以利用Trainable Weka Segmentation分割不同的血细胞：
情景三：手动框选测量（各种框选工具）
利用矩形、圆形、多边形和Free Hand、Selection Brush Tool等工具，把想要测量的区域框选出来，然后Measure。面积测量的Golden rule其实还是手动框选。
该情景适用于所选区域与周围差别不大，无法利用上述自动框选出来的情况。例如下图无法利用调整阈值和魔法棒工具框选出每一层，需要利用Selection Brush Tool，框选出大脑切片的不同分区。
综上所述，面积测量的方法很多，需要多尝试才能找到最合适的。
实验外包 想了解更多请关注：http://www.do-gene.cn