ImageJ: diferenças entre revisões
Sem resumo de edição |
|||
| Linha 130: | Linha 130: | ||
== Exemplos == | == Exemplos == | ||
[[Ficheiro:embryos.jpg]] | |||
[[Ficheiro:1.png|1.png]] | [[Ficheiro:1.png|1.png]] | ||
[[Ficheiro:2.png|2.png]] | [[Ficheiro:2.png|2.png]] | ||
Revisão das 20h19min de 7 de abril de 2017
| ImageJ | |
|---|---|
| Sigla | ImageJ |
| Designação | ImageJ |
| Data de Lançamento | 1987 |
| Entidade Criadora | Wayne Rasband (programador da NIH) |
| Entidade Gestora | National Institutes of Health |
| Versão Atual | 1.51k - 1 de Março 2017 |
| Requisitos Técnicos | Java versão 6.0 |
| Tipo de Licenciamento | open source software (OSS) projects |
| Arquitetura | |
| Sistema Operativo | Windows, MacOS X, Linux (desenvolvido em Java) |
| Especialidade Médica | |
| Utilizadores Principais | Comunidade científica |
| Função | Edição, processamento e análise de Imagem |
Acerca do ImageJ
É um programa de edição, processamento e análise de imagem desenvolvido pela National Institutes of Health (NIH) baseado em Java, de download gratuito, do domínio público, de código aberto e não necessita de licença de utilização [1], [2]. Este programa funciona em diferentes sistemas operativos, como o Windows, MacOs X e Linux. O ImageJ é simples de usar, executa um conjunto alargado de manipulações na imagem e pode recorrer a centenas de macros e plugins, desenvolvidos por uma vasta e conhecedora comunidade de utilizadores, desde a nanotecnologia à astronomia, com foco central nas ciências da saúde [3]. A capacidade de ser flexível e expansível torna o ImageJ num programa potente e atrativo.
Funcionalidades
O ImageJ disponibiliza uma grande variedade de ferramentas de edição, processamento e análise de imagem aplicáveis a imagens de 8-bit, 16-bit e 32-bit. Para além disso,lê e guarda a maioria dos formatos de imagem mais comuns e importantes usados no campo da imagem médica, tais como TIFF, GIF, JPEG, BMP, PNG, ASCII, DICOM e raw data. Esta lista não acaba por aqui, pois existem plugins desenvolvidos pela comunidade de utilizadores que abrem e guardam outros formatos [3].
Na edição de imagem, o ImageJ, permite converter imagens de um formato para outro, fazer configurações avançadas de brilho e contraste da imagem, alterar as suas dimensões, inspecionar as suas propriedades, gerir as características específicas de imagens a cores e imagens indexadas, gerir imagens utilizando stacks e hiperstacks, realizar sobre as imagens todo o tipo de transformações geométricas, criar e gerir revestimentos nas imagens, entre outros.
Para o processamento de imagem, o ImageJ fornece diversos filtros, tais como o “passo abaixo”, deteção de bordos, tridimensionais, entre outros. É capaz de fazer convulsões, transformadas de Fourier, operações matemáticas e lógicas. Também disponibiliza soluções para remover ou reduzir vários tipos de ruído.
Este programa tem um leque variado de ferramentas de análise de imagem, podendo realizar medições em zonas específicas ou na totalidade da imagem. Exemplos destas ferramentas são os: histogramas, as medições de área, dados estatísticos, densidades, etc.
O ImageJ conta com repositórios oficiais onde são disponibilizadas macros, plugins, scripts e imagens, de diferentes áreas, de forma gratuita.
História
Em 1987, o programador Wayne Rasband da Research Services Branch (RSB), da NIH, lançou um programa de análise de imagem livre, chamado NIH Image, com o objectivo de permitir aos utilizadores desenvolver novos aplicativos, para as diversas áreas de análise de imagem. Este programa foi desenvolvido para o sistema operativo da Mac. Com o aumento do número de utilizadores houve a necessidade de desenvolver o programa para o sistema operativo da Microsoft, sendo este realizado pela empresa Scion Corporation. No entanto, esta adaptação não foi satisfatória, pois continha muitos “bugs” e era paga, não dando a possibilidade da comunidade de utilizadores de a corrigir.
O aumento de utilizadores da Microsoft na comunidade científica e o aparecimento da linguagem de programação Java, fizeram com que o Wayne Rasband desenvolve-se um programa idêntico ao NIH Image, mas que pudesse ser utilizado nos diferentes sistemas operativos. A este novo programa o autor chamou de ImageJ, para manter a ligação ao NIH Image, com o “J” a indicar o desenvolvimento em Java. [4] O primeiro lançamento foi em 23 de setembro de 1997, com a versão 0.50 e, neste momento, está na versão 1.51k, lançado no dia 1 de Março de 2017. [5]
Variações do ImageJ
Existem variações baseadas no Image J, desenvolvidas por utilizadores de diferentes áreas. Estas variações são exemplos da flexibilidade e expansibilidade.
| Nome | Data de início | Descrição |
|---|---|---|
| NIH Image | 1987 | The predecessor of ImageJ, created by Rasband; made for the Macintosh; no longer under active development |
| ImageSXM | Maio 1993 | A version of NIH Image for OSX extended by Steve Barrett; intended to handle loading, display and analysis of images from the scanning microscope |
| ImageJ | 1997 | The current version of ImageJ developed by Rasband; sometimes called ImageJ1 |
| ImageJ2x | Desconhecido | An offshoot of ImageJ; modified to use Swing interface; no longer under active development |
| ImageJA | Julho 2005 | An offshoot of ImageJ developed by Johannes Schindelin; used as the core of Fiji |
| Fiji | Dezembro 2007 | A ‘batteries included’ distribution of ImageJ popular in the life sciences |
| ImageJX | Março 2009 | Created by Grant Harris to discuss improvements to ImageJ; formed the basis of an application to NIH that launched ImageJDev |
| ImageJ2 (ImageJDev) | Dezembro 2009 | Under development by the ImageJDev project; a complete rewrite of ImageJ; includes ImageJ1 to allow for old-style plug-ins and macros |
| MBF_ImageJ | 2005 | Bundle developed by Tony Collins for light microscopists; plug-ins from MBF_ImageJ can be installed on Fiji, combining the programs |
| SalsaJ | Desconhecido | An offshoot of ImageJ intended for astronomy applications; designed for use in classrooms; available in over 30 languages |
| CellProfiler | 2006 | Free, open-source software started by Anne Carpenter and Thouis Jones; aids biologists without computer-vision training to quantitatively measure cell images automatically |
| Icy | 2011 | Created by the Quantitative Image Analysis Unit at Institut Pasteur, Icy provides integrated software to bridge the gap between users and developers through open-source software and a central website |
| Bio7 | Desconhecido | Application used for ecological modeling; integrated development environment; focuses on individual-based modeling and spatially explicit models |
| uManager | 2005 | Open-source microscopy software; controls automated microscopes; comprehensive imaging solution when used with ImageJ; developed by Arthur Edelstein, Ziah Dean, Henry Pinkard and Nico Stuurman |
Aplicação na área médica
- Biologia [6]
- Bioquímica [7]
- Imunologia [8][9]
- Medicina Dentária [10]
- Neurologia [11]
- Oftalmologia [12]
Exemplos
Referências
- ↑ National Institutes of Health
- ↑ ImageJ download
- ↑ 3,0 3,1 Abràmoff, Michael D., Magalhães, Paulo J., Ram, Sunanda J. Image Processing with ImageJ Biophotonics International, vol. 11, no. 7, July 2004, pp. 36-42
- ↑ 4,0 4,1 Schneider, C., Rasband, W., Eliceiri, K., NIH Image to ImageJ: 25 years of image analysis Nature Methods, vol. 9 (7), July 2012, pp: 671-675
- ↑ Versões do ImageJ
- ↑ Sheffield, J., ImageJ, A Useful Tool for Biological Image Processing and Analysis 2007
- ↑ Grishagin, I., Automatic cell counting with ImageJ Analytical Biochemistry 2015, vol: 473, pp: 63-65
- ↑ Shu, J., Dolman, G., Duan, J., Qiu, G., Ilyas, M., Statistical colour models: an automated digital image analysis method for quantification of histological biomarkers. BioMedical Engineering OnLine 2016 vol: 15 (1) pp: 46
- ↑ Fulawka, L., Halon, A., Proliferation Index Evaluation in Breast Cancer Using ImageJ and ImmunoRatio Applications. Anticancer research 2016, vol: 36 (8), pp: 3965-72
- ↑ Huda, W., Rill, L., Benn, D., Pettigrew, J., Comparison of a photostimulable phosphor system with film for dental radiology Oral Surgery, Oral Medicine, Oral Pathology, Oral Radiology, and Endodontology, 1997, vol: 83 (6), pp: 725-731
- ↑ Alegro, M., Theofilas, P., Nguy, A., Castruita, P., Seeley, W., et. al., Automating cell detection and classification in human brain fluorescent microscopy images using dictionary learning and sparse coding. Journal of Neuroscience Methods 2017 vol: 282 pp: 20-33
- ↑ Staal, J., Abramoff, M., Niemeijer, M., Viergever, M., van Ginneken, B., Ridge-Based Vessel Segmentation in Color Images of the Retina IEEE Transactions on Medical Imaging 2004, vol: 23 (4), pp: 501-509
