ImageJ: программа для обработки изображений

ImageJ — программа для обработки и анализа научных изображений, рассчитанная не на декоративную ретушь, а на точные измерения, подготовку снимков к анализу, сегментацию, подсчёт объектов, работу с микроскопическими изображениями, медицинскими файлами, снимками материалов, сериями кадров и экспериментальными данными. Её используют там, где важно не просто улучшить картинку, а получить числовой результат: площадь, длину, периметр, среднюю яркость, распределение интенсивности, количество частиц, процент окрашенной области, параметры формы и координаты объектов.

ImageJ относится к тем программам, которые внешне выглядят очень простыми, но внутри дают исследователю большой набор рабочих инструментов. Основная логика строится вокруг изображения как массива пикселей: пользователь открывает файл, выбирает область интереса, задаёт масштаб, настраивает измерения, применяет фильтры или threshold, а затем получает результаты в таблице Results. Программа работает с 8-bit, 16-bit и 32-bit изображениями, поддерживает научные форматы, умеет открывать stacks и hyperstacks, расширяется плагинами и автоматизируется макросами. ImageJ является public domain software для обработки и анализа научных изображений; оригинальная ветка ImageJ 1.x отличается от ImageJ2 и Fiji, хотя все они связаны одной экосистемой.

В обзоре рассматривается именно ImageJ как самостоятельная программа: с меню File, Edit, Image, Process, Analyze, Plugins, Window, Help, отдельными окнами изображений, панелью инструментов, таблицей результатов, ROI Manager, макросами и базовыми средствами анализа. Это не обзор абстрактного класса программ для научной визуализации, а разбор конкретного приложения, его интерфейса, возможностей, типичных рабочих сценариев и ограничений.

Главное окно ImageJ/Fiji хорошо показывает базовую логику интерфейса: сверху находится строка меню, ниже — панель инструментов для выделений, линий, точек, текста, масштабирования и навигации.

Краткая справка о программе

ImageJ вырос из задач научной обработки изображений и унаследовал подход NIH Image: изображение рассматривается как измеряемый объект, а не как декоративная иллюстрация. Поэтому в программе так много команд, связанных с калибровкой, измерением, пороговой обработкой, гистограммами, профилями яркости, бинарными масками, плагинами и автоматизацией.

Программа особенно полезна в лабораторной практике. В ImageJ можно открыть микрофотографию, провести линию по масштабной линейке, задать реальные единицы измерения через Analyze > Set Scale…, выделить клетки или частицы через Image > Adjust > Threshold…, настроить параметры в Analyze > Set Measurements…, запустить Analyze > Analyze Particles… и получить таблицу с площадью, координатами, периметром, Feret’s diameter, circularity и другими числовыми показателями. Это типичный сценарий, ради которого ImageJ выбирают биологи, микроскописты, инженеры, материаловеды и преподаватели.

ImageJ не пытается быть аналогом Photoshop или Lightroom. В ней нет каталога фотографий, развитой цветокоррекции для коммерческой съёмки, слоёв в привычном дизайнерском смысле и современных модулей ретуши лица. Зато есть точные команды для анализа изображений: Histogram, Plot Profile, Measure, Analyze Particles, Set Scale, Calibrate, Threshold, Binary, FFT, Image Calculator, ROI Manager, Macro Recorder. Именно в этом состоит её профиль: научная обработка изображений, измерение объектов, сегментация изображения, анализ частиц и воспроизводимая обработка серий данных.

Установка и запуск ImageJ

ImageJ распространяется в нескольких вариантах для разных операционных систем. Базовая схема установки простая: скачать архив или сборку для нужной платформы, распаковать папку ImageJ и запустить приложение. Для платформенно-независимого варианта используется ZIP-архив, а обновление выполняется через команду Help > Update ImageJ. Для Windows, macOS и Linux доступны сборки, включая варианты с Java.

На практике это означает, что ImageJ не требует сложной установки с множеством системных компонентов. Пользователь получает папку программы, в которой находятся исполняемый файл, каталоги с макросами, плагинами, LUT и дополнительными ресурсами. Такой формат удобен для лабораторных компьютеров: программу можно держать рядом с рабочими данными, переносить на другой компьютер, быстро обновлять и дополнять плагинами.

При первом запуске ImageJ открывает небольшое главное окно. Оно не занимает весь экран, потому что каждое изображение, таблица, график или диалог появляются в отдельном окне. Такой интерфейс выглядит старомодно по сравнению с современными редакторами, но он хорошо подходит для научной работы: можно одновременно держать открытыми исходный снимок, бинарную маску, окно Threshold, таблицу Results, график Plot Profile и окно ROI Manager.

Важно не путать ImageJ, ImageJ2 и Fiji. ImageJ — базовая программа, лёгкая и предсказуемая. ImageJ2 — более новая программная архитектура для многомерных научных данных. Fiji — готовая расширенная сборка, в которой вместе с ImageJ поставляется большой набор плагинов. Fiji удобнее тем, кто сразу работает с микроскопией, трекингом, registration, stitching и Bio-Formats, но классический ImageJ остаётся понятной отправной точкой для анализа изображений.

Интерфейс ImageJ

Интерфейс ImageJ построен вокруг небольшого главного окна. В нём расположены строка меню, панель инструментов и строка состояния. В отличие от многих редакторов изображений, ImageJ не создаёт единый большой рабочий холст с панелями по бокам. Каждое изображение открывается в собственном окне, а результаты измерений, гистограммы, профили, диалоги и менеджер ROI тоже живут отдельно.

Строка меню состоит из восьми основных пунктов: File, Edit, Image, Process, Analyze, Plugins, Window, Help. Через File открывают, импортируют, сохраняют и печатают изображения. Через Edit управляют выделениями, буфером обмена, настройками и параметрами программы. Через Image меняют тип изображения, размер, каналы, LUT, threshold, свойства изображения и стеков. Через Process запускают фильтры, математические операции, binary-обработку, FFT и фоновые коррекции. Через Analyze задают измерения, масштаб, калибровку, гистограммы, профили и подсчёт объектов. Через Plugins запускают макросы, скрипты и установленные расширения. Window управляет открытыми окнами, а Help ведёт к документации, обновлению и информации о версии. Такая структура команд прямо отражает назначение программы: открыть изображение, обработать его, измерить и сохранить результат.

Панель инструментов ImageJ состоит из небольших пиктограмм. Среди них есть Rectangular Selection Tool, Oval Selection Tool, Polygon Selection Tool, Freehand Selection Tool, Straight Line Selection Tool, Segmented Line Selection Tool, Freehand Line Selection Tool, Angle Tool, Point Tool, Wand Tool, Text Tool, Magnifying Glass, Scrolling Tool, Color Picker Tool и More Tools Menu. Многие инструменты имеют дополнительные варианты: если нажать на значок правой кнопкой мыши или удерживать его, можно выбрать другой тип линии, выделения или специализированный инструмент.

Строка состояния важнее, чем кажется. Она показывает координаты курсора, размер выделения, подсказки по активному инструменту, прогресс выполнения операций и данные о текущем изображении. Когда пользователь работает с микроскопическим снимком, координаты и значения пикселей помогают понимать, какая область анализируется. При обработке больших stacks строка состояния показывает ход операции и помогает отличить нормальную длительную обработку от зависания.

Окна изображений отображают имя файла, размер, тип изображения и иногда номер среза. Например, в заголовке можно увидеть данные вроде 512×512 pixels; 8-bit или информацию о stack. Это полезно, потому что ImageJ часто работает сразу с несколькими версиями одного снимка: исходником, копией после threshold, бинарной маской, изображением после watershed и окном с outlines.

Работа с файлами и форматами

Команда File > Open… открывает изображение в отдельном окне. ImageJ также поддерживает drag-and-drop: файл можно перетащить в главное окно программы. Через File > Open Samples доступны демонстрационные изображения и stacks, которые удобно использовать для обучения: они помогают освоить threshold, histograms, line profile, particle analysis и работу со stack без поиска собственных данных.

ImageJ открывает TIFF, GIF, JPEG, PNG, DICOM, BMP, PGM и FITS, а дополнительные форматы подключаются через reader plugins. Также программа умеет открывать LUT-файлы, таблицы, ROI-наборы, текстовые файлы, макросы и Java-файлы, если они соответствуют поддерживаемым типам.

Для научной работы особенно важен TIFF. В ImageJ TIFF удобен тем, что сохраняет разные типы данных, calibration, stacks, overlays и другую информацию, необходимую для воспроизводимого анализа. JPEG годится для просмотра и обмена иллюстрациями, но из-за потерь сжатия его лучше не использовать как основной формат измерений. Если задача связана с количественным анализом, исходные данные лучше хранить в формате, который не меняет пиксели при сохранении.

Через File > Import можно загружать последовательности изображений, raw data и специальные форматы. Команда Image Sequence… полезна, когда серия кадров хранится отдельными файлами: ImageJ собирает их в stack, после чего пользователь может перемещаться по срезам, строить проекции, обрабатывать все кадры или анализировать динамику. Для больших серий можно использовать virtual stack, чтобы не загружать весь набор в память сразу.

Сохранение выполняется через File > Save, File > Save As и подменю форматов. В научном сценарии часто делают так: исходный файл не перезаписывают, рабочую копию сохраняют как TIFF, маску сохраняют отдельно, а результаты измерений экспортируют из окна Results в табличный файл. Такой порядок позволяет вернуться к исходному изображению и повторить анализ с другими параметрами threshold или Set Measurements.

Типы изображений и преобразования

ImageJ работает с разной глубиной данных. В меню Image > Type доступны команды для преобразования изображения в 8-bit, 16-bit, 32-bit, 8-bit Color, RGB Color, RGB Stack и HSB Stack. Для анализа микроскопических снимков часто используют 8-bit или 16-bit grayscale. Для вычислений с интенсивностью и результатов математических операций удобен 32-bit floating-point. Для цветных снимков доступны RGB и разложение по каналам.

Преобразование типа изображения нужно выполнять осознанно. Когда пользователь переводит 16-bit изображение в 8-bit, диапазон значений сжимается до 0–255. Это может быть нормальным шагом для threshold и демонстрационной обработки, но для количественного анализа интенсивности потеря исходной глубины данных может быть критичной. Поэтому в рабочем процессе ImageJ полезно сохранять исходник и работать с копией через Image > Duplicate….

Команда Image > Show Info… показывает служебную информацию об активном изображении: размеры, тип, calibration, display range и другие параметры. Это помогает понять, что именно открыто в программе: одиночный файл, stack, hyperstack, RGB-изображение или grayscale-снимок. При подготовке статьи, лабораторного отчёта или протокола анализа эти данные помогают зафиксировать исходные условия обработки.

Просмотр изображения и базовая коррекция

Для визуальной настройки изображения в ImageJ используется Image > Adjust > Brightness/Contrast…. Окно B&C показывает гистограмму и позволяет менять отображаемый диапазон значений. Для 8-bit grayscale изменение brightness/contrast обычно работает через LUT и не меняет исходные пиксели до применения специальных команд. Для 16-bit и 32-bit изображений программа меняет отображение значений на экране, что особенно важно для микроскопии: слабый сигнал можно сделать видимым, не разрушая исходные измерения.

В окне Brightness/Contrast обычно используют кнопки Auto, Reset, Set и Apply. Auto подбирает удобный диапазон отображения, Reset возвращает исходный вид, Set позволяет задать значения вручную, а Apply применяет отображаемое преобразование к пикселям. В научной работе к кнопке Apply относятся осторожно: если задача состоит в измерении исходных значений интенсивности, лучше не менять пиксельные данные без необходимости.

Для изменения геометрии изображения используются команды Image > Transform, Image > Scale…, Image > Rotate, Image > Crop. Через Image > Duplicate… создают копию снимка или выделенной области. Через Image > Color > Split Channels RGB-изображение можно разделить на каналы, а через Image > Color > Merge Channels… снова собрать многоканальное изображение. Такие операции часто применяются при анализе флуоресцентной микроскопии: один канал содержит ядра, другой — маркер, третий — дополнительный сигнал.

Калибровка масштаба через Set Scale

Одна из сильных сторон ImageJ — измерение объектов в реальных единицах. Без калибровки программа знает только пиксели. После настройки Set Scale она начинает показывать длину в микрометрах, миллиметрах, сантиметрах или других единицах. Это ключевой шаг для анализа микроскопических снимков, SEM/TEM-изображений, материаловедческих фотографий и любых файлов, где рядом есть масштабная линейка.

Окно Set Scale задаёт пространственную калибровку активного изображения: пиксельная длина связывается с известным расстоянием и выбранной единицей измерения.

Типовой порядок работы выглядит так. Сначала пользователь выбирает Straight Line Selection Tool на панели инструментов. Затем проводит линию по объекту с известной длиной, например по масштабной линейке 100 µm на микрофотографии. После этого открывает Analyze > Set Scale…. В поле Distance in Pixels ImageJ автоматически подставляет длину проведённой линии в пикселях. В поле Known Distance вводится реальная длина, например 100. В поле Unit of Length указывается единица, например µm или um. Поле Pixel Aspect Ratio обычно оставляют 1.0, если пиксели квадратные. После нажатия OK все дальнейшие измерения будут выводиться в выбранных единицах.

Флажок Global делает масштаб общим для всех открытых изображений в текущей сессии. Это удобно, если серия снимков получена с одинаковыми настройками микроскопа. Но при работе с файлами из разных источников Global может привести к ошибкам: один снимок будет измеряться по масштабу другого. Поэтому в аккуратном лабораторном workflow Global включают только тогда, когда масштаб действительно одинаков для всей серии.

Кнопка Click to Remove Scale сбрасывает калибровку. Это полезно, если пользователь случайно применил неверную шкалу или открыл изображение с другой оптикой. В хорошей практике ImageJ масштаб проверяют перед каждым измерительным блоком, особенно если в таблице Results должны появляться значения площади, периметра и Feret’s diameter в реальных единицах.

Измерения: площадь, длина, угол и интенсивность

Базовая команда измерения — Analyze > Measure. Она работает с текущим выделением, линией, точкой или всем изображением, если выделения нет. Результат появляется в таблице Results. То, какие именно столбцы будут записаны, задаётся через Analyze > Set Measurements….

В Set Measurements выбираются параметры, которые ImageJ будет записывать в таблицу Results при ручном измерении, работе ROI Manager и Analyze Particles.

В окне Set Measurements есть набор флажков. Для площади включают Area, для средней яркости — Mean gray value, для разброса — Standard deviation, для минимального и максимального значения — Min & max gray value, для периметра — Perimeter, для координат — Centroid или Center of mass, для формы — Shape descriptors, Fit ellipse, Feret’s diameter. Параметр Area fraction показывает процент области, занятый threshold-пикселями или ненулевыми пикселями, в зависимости от состояния изображения и настроек.

Флажок Limit to threshold особенно важен при анализе окрашенных областей. Если он включён, команда Measure учитывает только пиксели, выделенные порогом. Это позволяет измерить не всю область ROI, а только ту её часть, которая попала в threshold. Например, пользователь выделяет фрагмент ткани, задаёт красный threshold по окрашенной зоне и получает процент окрашенной площади.

Флажок Display label добавляет в таблицу имя изображения или метку выделения. Это удобно при обработке серии файлов: в Results сразу видно, из какого снимка пришло измерение. Decimal places задаёт количество знаков после запятой. Redirect to позволяет измерять интенсивность на одном изображении по ROI, созданному на другом. Такой приём полезен в многоканальной микроскопии: контуры объектов находят по одному каналу, а яркость измеряют по другому.

Для измерения длины пользователь выбирает Straight Line Selection Tool, проводит линию и запускает Analyze > Measure. Для угла используется Angle Tool. Для площади — Rectangular Selection Tool, Oval Selection Tool, Polygon Selection Tool или Freehand Selection Tool. Для точечных измерений — Point Tool или Multi-point Tool. Все результаты аккумулируются в таблице, которую можно очистить через Analyze > Clear Results или сохранить из меню окна Results.

ROI и работа с областями интереса

ROI в ImageJ — это область интереса, которую пользователь выделяет для анализа. ROI может быть прямоугольником, овалом, многоугольником, свободной формой, линией, углом, точкой или составным выделением. Через ROI программа понимает, где именно нужно измерять площадь, яркость, профиль, периметр или другие параметры.

Для управления несколькими областями используется ROI Manager. Его можно открыть через Analyze > Tools > ROI Manager…. В этом окне пользователь добавляет выделение кнопкой Add, выбирает сохранённые области, удаляет лишние, измеряет сразу несколько ROI, показывает их поверх изображения, сохраняет набор ROI в файл и загружает его снова. Это особенно удобно для повторяемого анализа: один и тот же набор областей можно применить к нескольким каналам или к последовательности изображений.

Типичный сценарий такой: исследователь открывает снимок, выделяет несколько клеток, добавляет каждую область в ROI Manager, включает нужные параметры в Set Measurements, затем нажимает Measure в ROI Manager. В таблице Results появляются строки для всех областей. Если включён Display label, легче понять, какой результат относится к какой ROI.

ROI Manager важен ещё и потому, что ImageJ позволяет отделить этап выделения объектов от этапа измерения. Пользователь может сначала создать корректные контуры, проверить их визуально, сохранить набор ROI, а затем выполнять измерения с разными настройками. Это повышает воспроизводимость анализа и снижает риск случайной ошибки.

Пороговая обработка через Threshold

Threshold — один из центральных инструментов ImageJ. Через него grayscale-изображение разделяется на объекты интереса и фон. Визуально threshold обычно отображается красным оверлеем: пиксели внутри заданного диапазона подсвечиваются, а остальные остаются без выделения. После настройки threshold можно измерить общую площадь выделенных пикселей или запустить Analyze Particles для подсчёта отдельных объектов.

Окно Threshold позволяет интерактивно задать нижний и верхний порог, выбрать автоматический метод, режим отображения и применить сегментацию к изображению.

Команда находится в Image > Adjust > Threshold…. В окне Threshold есть гистограмма, два ползунка для нижнего и верхнего порога, выпадающий список автоматических методов, режим отображения Red, B&W или Over/Under, флажки Dark background и Stack histogram, а также кнопки Auto, Apply, Reset, Set. Для многих задач достаточно режима Red: он показывает, какие пиксели будут считаться объектом, но не превращает изображение в бинарную маску до нажатия Apply.

Кнопка Auto подбирает threshold автоматически. Метод можно выбрать из списка, например Default, Huang, Intermodes, IsoData, Li, Mean, MinError(I), Minimum, Moments, Otsu, Percentile, RenyiEntropy, Shanbhag, Triangle, Yen. Разные методы дают разные границы, поэтому хороший анализ не сводится к слепому нажатию Auto. На неоднородном фоне, слабом контрасте и сложной текстуре результат нужно проверять визуально.

Флажок Dark background включают, когда объекты светлее фона. Если фон светлый, а объекты тёмные, логика threshold меняется. Stack histogram полезен для stacks: программа может вычислить порог по гистограмме всей стопки, а не по отдельному срезу. Это важно при анализе серии кадров, где threshold должен быть одинаковым для всех изображений.

После threshold можно выполнить Analyze > Measure с включённым Limit to threshold или перейти к бинарным операциям через Process > Binary. Для подготовки к Analyze Particles часто выполняют Process > Binary > Make Binary, затем при необходимости используют Fill Holes, Watershed, Erode, Dilate, Open или Close.

Бинарные операции и подготовка маски

Меню Process > Binary содержит команды, которые применяются к бинарным изображениям: объект и фон уже разделены на чёрное и белое. Такие операции нужны, чтобы очистить маску перед анализом частиц. Даже хороший threshold часто оставляет мусор, маленькие шумовые точки, склеенные объекты или дырки внутри объектов.

Make Binary превращает threshold-изображение в бинарную маску. Convert to Mask создаёт маску на основе текущего порога. Erode уменьшает белые объекты, удаляя пиксели по краям. Dilate расширяет объекты. Open сначала выполняет erosion, затем dilation и помогает убрать мелкий шум. Close делает обратную связку и помогает закрыть небольшие разрывы. Fill Holes заполняет внутренние отверстия в объектах. Watershed разделяет соприкасающиеся частицы по линиям раздела.

Команда Watershed особенно полезна при подсчёте клеток, гранул, пор, капель и других округлых объектов, которые касаются друг друга. Если threshold объединил две частицы в одну область, watershed пытается найти границу между ними. Но результат зависит от формы объектов и качества маски: при плохом threshold watershed может либо не разделить частицы, либо разрезать один объект на несколько ложных фрагментов.

Рабочий подход в ImageJ обычно строится так: сначала копия исходного изображения, затем корректировка контраста только для просмотра, затем threshold, затем бинарная маска, затем очистка маски, затем Analyze Particles. Исходный файл при этом остаётся нетронутым, а все параметры можно повторить через macro recorder.

Анализ частиц через Analyze Particles

Analyze > Analyze Particles… — одна из самых узнаваемых команд ImageJ. Она подсчитывает и измеряет отдельные объекты на бинарном или thresholded изображении. Команда сканирует изображение или активное выделение, находит границы объектов, измеряет их по параметрам из Set Measurements и записывает результаты в таблицу Results. Она используется для подсчёта клеток, пор, гранул, капель, частиц порошка, включений, колоний и любых объектов, которые можно отделить от фона пороговой обработкой.

Окно Analyze Particles задаёт фильтр по размеру и circularity, способ отображения найденных объектов и дополнительные параметры подсчёта.

В окне Analyze Particles есть поле Size, где задаётся диапазон площади объектов. Если изображение откалибровано через Set Scale, значения площади могут задаваться в реальных квадратных единицах. Если масштаб не задан, используются пиксели. Например, диапазон 50-Infinity исключит всё, что меньше 50 единиц площади. Это помогает убрать шумовые точки.

Поле Circularity фильтрует объекты по форме. Значение circularity стремится к 1.0 у идеального круга и приближается к 0 у вытянутых объектов. Диапазон 0.00-1.00 пропускает все формы, а диапазон вроде 0.50-1.00 оставляет более округлые частицы. Этот фильтр полезен, когда нужно считать клетки или круглые гранулы, но исключать вытянутые царапины, волокна или артефакты.

Выпадающий список Show управляет визуальным результатом. Nothing не создаёт дополнительного изображения. Outlines показывает контуры найденных объектов с номерами. Bare Outlines показывает контуры без исходного изображения. Ellipses отображает аппроксимирующие эллипсы. Masks создаёт маску найденных объектов. Count Masks создаёт маску с различающимися значениями для объектов. Overlay Outlines добавляет контуры как overlay. Overlay Masks показывает маску поверх изображения.

Флажок Display results выводит измерения в таблицу Results. Clear results очищает предыдущие измерения перед запуском. Summarize создаёт сводку с количеством объектов, общей площадью, средней площадью и другими итоговыми значениями. Add to Manager добавляет найденные объекты в ROI Manager. Exclude on edges исключает объекты, которые касаются границы изображения, потому что такие частицы могут быть обрезаны. Include holes учитывает внутренние отверстия как часть объекта. Record starts записывает координаты стартовых точек.

Один и тот же бинарный снимок может давать разный результат в зависимости от флажков Exclude on Edges, Include Holes, диапазона Size и Circularity.

Практический пример анализа частиц в ImageJ выглядит так:

1. Открыть снимок через File > Open….

2. Создать рабочую копию через Image > Duplicate….

3. При необходимости перевести копию в grayscale через Image > Type > 8-bit.

4. Настроить порог через Image > Adjust > Threshold….

5. Нажать Apply или создать бинарную маску через Process > Binary > Make Binary.

6. Очистить маску командами Fill Holes, Open, Close, Watershed.

7. Открыть Analyze > Set Measurements… и выбрать нужные параметры.

8. Запустить Analyze > Analyze Particles….

9. Задать Size, Circularity, выбрать Show: Outlines, включить Display results, Summarize и при необходимости Add to Manager.

10. Нажать OK и проверить таблицу Results вместе с окном контуров.

Такой workflow хорош тем, что каждый шаг можно визуально проверить. Если Analyze Particles нашёл слишком много объектов, значит threshold захватил шум или диапазон Size слишком широкий. Если объектов слишком мало, threshold мог пропустить слабые участки или Circularity оказался слишком строгим. ImageJ не скрывает этот процесс за одну автоматическую кнопку: пользователь видит, почему получился именно такой результат.

Таблица Results и экспорт данных

Окно Results — центральное место для числовых данных. Каждый запуск Analyze > Measure или Analyze Particles добавляет строки в таблицу. Столбцы зависят от того, что было выбрано в Analyze > Set Measurements…. Обычно в таблице появляются Area, Mean, StdDev, Min, Max, X, Y, Perim., Feret, Circ., AR, Round, Solidity и другие параметры.

Таблица Results поддерживает копирование и сохранение. Из меню окна можно сохранить данные в файл, скопировать их в буфер обмена и затем вставить в Excel, LibreOffice Calc, R, Python или статистическую программу. Для лабораторной работы это важно: ImageJ выполняет измерения, а статистическая обработка может продолжаться в другом инструменте.

Analyze > Clear Results очищает таблицу. Это нужно делать перед новым независимым анализом, чтобы не смешивать данные разных изображений. Если анализируется серия файлов, наоборот, таблицу можно не очищать, а включить Display label, чтобы каждая строка была связана с конкретным изображением. Тогда после обработки серии получается единая таблица, пригодная для сортировки и статистики.

В аккуратном протоколе рядом с экспортом Results сохраняют параметры обработки: тип изображения, выбранный threshold method, диапазон порога, Size, Circularity, состояние Exclude on edges, Include holes, список выбранных measurements и сведения о scale. Это помогает повторить анализ и объяснить, почему получены именно такие числовые значения.

Фильтры и обработка изображения

Меню Process содержит основные команды обработки: Smooth, Sharpen, Find Edges, Enhance Contrast…, Subtract Background…, Noise, Filters, Binary, Math, FFT и Image Calculator…. Эти инструменты используют перед анализом или для подготовки визуализации.

Smooth сглаживает изображение и уменьшает мелкий шум. Sharpen подчёркивает границы. Find Edges выделяет контуры. Enhance Contrast… улучшает контраст изображения и может работать со stack. Subtract Background… помогает убрать неравномерный фон, например при микроскопии с неравномерным освещением. Image Calculator… выполняет операции между двумя изображениями: subtract, add, multiply, divide, AND, OR, XOR и другие.

Process > Filters содержит фильтры размытия, медианной обработки, минимального и максимального фильтра, Gaussian Blur и другие операции. Median filter полезен против точечного шума. Gaussian Blur часто применяют перед threshold, чтобы сгладить мелкие флуктуации. Но фильтры меняют изображение, поэтому в количественном анализе их применяют только к рабочей копии и фиксируют параметры.

Process > Math позволяет добавлять, вычитать, умножать, делить значения пикселей, применять логарифм, квадрат, квадратный корень и другие операции. Это удобно в исследовательских задачах, когда нужно нормализовать изображение, подготовить маску или выполнить простую численную обработку без выхода из ImageJ.

FFT используется для частотного анализа и фильтрации периодических структур. Это не самый массовый инструмент для новичков, но в материаловедении, микроскопии и анализе текстур он может быть полезен. ImageJ не превращает FFT в дизайнерский фильтр: это именно инструмент обработки сигналов в изображении.

Stacks, hyperstacks и серии изображений

ImageJ умеет работать не только с одиночными изображениями, но и со stacks. Stack — это набор срезов в одном окне. Это может быть Z-серия микроскопии, временная последовательность, серия кадров, набор каналов или импортированная последовательность файлов. Пользователь перемещается по срезам с помощью ползунка в окне изображения.

Hyperstack расширяет эту идею: данные могут иметь каналы, Z-срезы и временные точки. Для микроскопии это особенно важно, потому что один эксперимент часто содержит несколько каналов флуоресценции, глубину по Z и динамику во времени. В ImageJ можно разделять каналы, объединять их, строить проекции, просматривать временную серию и применять операции к отдельным срезам или ко всей стопке.

Через Image > Stacks доступны команды для работы со stack: создание stack из изображений, преобразование stack в изображения, монтаж, проекции, управление срезами и другие операции. Команда Z Project… строит проекцию по срезам, например maximum intensity projection. Это часто применяют при флуоресцентной микроскопии, когда нужно получить одно итоговое изображение из Z-серии.

При обработке stacks важно следить, применяется ли команда к одному срезу или ко всей стопке. Некоторые диалоги содержат флажки вроде Stack histogram, Process all slices или аналогичные параметры. Если пользователь случайно обработал только текущий срез, последующий анализ всей серии будет некорректным. Поэтому перед массовой обработкой полезно протестировать workflow на небольшой копии stack.

Гистограмма, Plot Profile и анализ интенсивности

ImageJ хорошо подходит для анализа яркости и распределения интенсивности. Команда Analyze > Histogram строит гистограмму текущего изображения или выделенной области. В окне гистограммы показываются распределение значений, count, mean, standard deviation, min, max и mode. Гистограмма помогает выбрать threshold, увидеть пересвет, оценить фон и сравнить снимки между собой.

Analyze > Plot Profile строит профиль интенсивности вдоль линии. Пользователь выбирает Straight Line Selection Tool, проводит линию через объект и запускает Plot Profile. В результате появляется график, где по X идёт расстояние вдоль линии, а по Y — интенсивность пикселей. Такой инструмент полезен для анализа границ, полос, распределения флуоресценции, толщины структур и изменения яркости вдоль заданного направления.

Для площадных объектов можно использовать Analyze > Surface Plot, который визуализирует интенсивность как поверхность. Это не заменяет статистическое измерение, но помогает увидеть рельеф яркости: пики, провалы, неравномерность фона и локальные области сигнала. В сочетании с Histogram, Threshold и Measure такие инструменты дают быстрый способ понять, насколько изображение пригодно для количественного анализа.

Гистограммы и профили в ImageJ не являются декоративной визуализацией. Они напрямую связаны с принятием решений: какой threshold выбрать, нужно ли вычитать фон, есть ли насыщение, достаточно ли контраста между объектами и фоном, насколько однороден сигнал внутри ROI.

Макросы и автоматизация

ImageJ удобен не только для ручного анализа, но и для автоматизации. Меню Plugins > Macros содержит команды для записи, запуска и управления макросами. Один из самых полезных инструментов — Plugins > Macros > Record…. Он записывает действия пользователя в виде макрокоманд: открытие файлов, преобразование типа, threshold, binary operations, Set Measurements, Analyze Particles и другие шаги.

Macro Recorder особенно полезен при подготовке повторяемого workflow. Пользователь вручную выполняет обработку на одном изображении, проверяет результат, затем сохраняет записанный макрос и применяет его к серии файлов. Это снижает риск случайных отличий между снимками: одни и те же команды применяются с одинаковыми параметрами.

Пример логики макроса для анализа частиц: открыть изображение, сделать 8-bit, задать threshold, создать маску, выполнить watershed, настроить измерения, запустить Analyze Particles, сохранить Results. Даже если пользователь не пишет код с нуля, recorder помогает понять структуру команд ImageJ и постепенно перейти от ручного анализа к пакетной обработке.

Макросы в ImageJ подходят для задач вроде массового пересчёта микрофотографий, измерения площади окрашенной ткани на серии снимков, подсчёта частиц в каталоге, экспорта профилей интенсивности, создания одинаковых scale bar и подготовки изображений для отчёта. В лабораторной практике это одна из причин, почему ImageJ остаётся востребованным: программа позволяет не только измерить один снимок, но и построить воспроизводимый анализ для десятков и сотен файлов.

Плагины и расширяемость

Меню Plugins делает ImageJ не закрытым набором команд, а расширяемой платформой. Плагины добавляют новые фильтры, алгоритмы сегментации, инструменты регистрации, трекинга, stitching, анализа клеток, работы с форматами, построения графиков и специализированной микроскопии. Многие встроенные команды ImageJ тоже реализованы как плагины, поэтому расширяемость является частью архитектуры программы.

Плагины обычно размещаются в папке plugins внутри каталога ImageJ. После перезапуска программы они появляются в меню Plugins или в другом меню, если плагин настроен таким образом. Это удобно для лабораторий: можно собрать набор инструментов под конкретный метод анализа, не перегружая базовую программу лишними функциями.

Сильная сторона плагинов ImageJ — специализация. Если базовый ImageJ закрывает измерения, threshold, particles, histograms и простую обработку, то плагины расширяют его в сторону конкретных дисциплин: биомедицинская микроскопия, колокализация, deconvolution, cell counting, particle tracking, 3D visualization, registration, file format support. Поэтому ImageJ часто используют как ядро, вокруг которого строится рабочая среда конкретной лаборатории.

Минус такого подхода — неоднородность. Одни плагины отлично документированы и активно используются, другие могут быть устаревшими. Пользователю приходится следить за совместимостью, версией ImageJ, расположением файлов и точными параметрами. В серьёзном анализе список используемых плагинов лучше фиксировать вместе с методикой.

Практический сценарий: измерение объекта по масштабной линейке

Один из самых частых случаев — измерить размер объекта на микрофотографии. Например, нужно узнать длину волокна, диаметр клетки, ширину канала или размер частицы. В ImageJ это делается через калибровку масштаба и команду Measure.

Сначала открывают изображение через File > Open…. Если на снимке есть масштабная линейка, выбирают Straight Line Selection Tool и проводят линию точно по известной длине. После этого открывают Analyze > Set Scale…. В Distance in Pixels уже стоит длина проведённой линии в пикселях. В Known Distance вводят реальное значение, например 50. В Unit of Length пишут µm или um. Нажимают OK.

Затем выбирают инструмент измерения. Для прямой длины снова используют Straight Line Selection Tool. Для кривой линии можно использовать segmented или freehand line tool. Для площади объекта — polygon или freehand selection. После выделения запускают Analyze > Measure. В таблице Results появляется значение длины, площади, периметра или другого выбранного параметра уже не в пикселях, а в заданных единицах.

Если нужно измерить несколько объектов, каждый объект можно добавить в ROI Manager. После этого одним нажатием Measure программа измерит все области и запишет результаты в таблицу. Такой способ лучше ручного переписывания значений: меньше ошибок, проще проверить контуры, можно сохранить ROI и повторить измерение.

Практический сценарий: подсчёт клеток или частиц

Подсчёт клеток, гранул или частиц обычно выполняется через threshold и Analyze Particles. Главная задача — получить бинарную маску, где объекты отделены от фона. Если изображение цветное, его часто переводят в grayscale или выбирают нужный канал через Image > Color > Split Channels. Если сигнал слабый, можно визуально настроить Brightness/Contrast, но исходные данные лучше сохранять отдельно.

После подготовки изображения открывают Image > Adjust > Threshold…. Подбирают нижний и верхний порог так, чтобы объекты были выделены, а фон не попадал в красную область. Если нужно, выбирают автоматический метод, например Otsu или Triangle, но результат обязательно проверяют глазами. Затем создают маску и применяют Process > Binary > Watershed, если объекты склеены.

Далее открывают Analyze > Set Measurements… и выбирают параметры: Area, Mean gray value, Perimeter, Shape descriptors, Feret’s diameter, Display label. Затем запускают Analyze > Analyze Particles…. В поле Size отсекают шум, например слишком мелкие объекты. В Circularity задают форму, если это нужно. В Show выбирают Outlines, чтобы увидеть, что именно было посчитано. Включают Display results и Summarize, затем нажимают OK.

После выполнения ImageJ показывает количество объектов, таблицу измерений и окно с контурами. Контуры нужно обязательно проверить: если программа считает мусор, значит нужно поднять минимальный Size или улучшить threshold. Если пропускает слабые клетки, threshold слишком строгий. Если склеивает соседние объекты, может помочь watershed или более аккуратная предварительная обработка.

Практический сценарий: измерение процента окрашенной области

Для гистологических и биологических изображений часто требуется измерить процент окрашенной области: например, долю ткани с определённым маркером. В ImageJ это делается через ROI, threshold и Area fraction.

Сначала изображение открывают и при необходимости выделяют область ткани. Если анализировать нужно не весь снимок, а только фрагмент, создают ROI с помощью polygon или freehand selection. Затем открывают Image > Adjust > Threshold… и подбирают порог, который выделяет окрашенную область. Если изображение цветное, можно предварительно разделить каналы или использовать Image > Adjust > Color Threshold…, когда нужно учитывать цветовые компоненты.

В Analyze > Set Measurements… включают Area, Area fraction и Limit to threshold. После этого запускают Analyze > Measure. В таблице Results появляется площадь ROI и процент области, попавшей в threshold. Если анализируется несколько полей зрения, каждое поле можно измерять отдельной строкой, сохраняя имя изображения через Display label.

Такой сценарий требует дисциплины. Порог должен быть одинаковым для сопоставимых изображений, если они сравниваются между группами. Нельзя каждый раз вручную подгонять threshold под желаемый результат. ImageJ даёт инструменты, но корректность анализа зависит от стабильности протокола.

Практический сценарий: профиль интенсивности вдоль линии

Для анализа распределения сигнала выбирают Straight Line Selection Tool и проводят линию через интересующую структуру. Затем запускают Analyze > Plot Profile. ImageJ строит график интенсивности вдоль линии. Если изображение откалибровано через Set Scale, горизонтальная ось связана с реальными единицами длины.

Такой метод полезен при анализе мембранного сигнала, границ материалов, интенсивности полос, флуоресцентных профилей, распределения красителя и переходов яркости. Если нужно усреднить профиль по широкой полосе, можно использовать line selection с заданной толщиной или прямоугольную область и специализированные команды анализа.

Профиль можно сохранить, скопировать или использовать для дальнейшей обработки. В отличие от визуальной оценки сигнал ярче или темнее, Plot Profile даёт числовую кривую. Это делает анализ более объективным и пригодным для сравнения между образцами.

Практический сценарий: обработка серии снимков

ImageJ хорошо подходит для повторяющихся операций. Если есть папка с однотипными изображениями, пользователь может записать макрос и применить его к серии. Например, нужно открыть каждый файл, перевести в 8-bit, применить одинаковый threshold, посчитать частицы и сохранить результаты.

Сначала workflow выполняют вручную на одном типичном изображении. Затем включают Plugins > Macros > Record… и повторяют действия. Recorder формирует текст макроса. После проверки его можно запускать через Plugins > Macros > Run… или адаптировать для пакетной обработки папки.

Для серии изображений особенно важно не использовать параметры, зависящие от случайной ручной настройки. Если threshold подбирается вручную для каждого файла, результаты могут быть субъективными. Если используется один и тот же метод, диапазон, Size, Circularity и measurements, сравнение становится значительно надёжнее.

Сравнение с аналогами

ImageJ часто сравнивают с Fiji, CellProfiler, QuPath, napari, GIMP и MATLAB Image Processing Toolbox. Эти программы действительно пересекаются с ним по задачам, но каждая закрывает свой сценарий.

Программа	Где сильнее	Где слабее по сравнению с ImageJ
ImageJ	Лёгкий запуск, измерения, threshold, Analyze Particles, ROI Manager, макросы, базовая научная обработка	Интерфейс старомодный, многие сложные задачи требуют плагинов, не лучший выбор для больших whole-slide проектов
Fiji	Поставляется с большим набором плагинов, удобнее для микроскопии, Bio-Formats и расширенных workflow	Тяжелее базового ImageJ, содержит больше меню и может быть сложнее новичку
CellProfiler	Сильнее в конвейерах для высокопроизводительного анализа клеточных изображений	Менее удобен для быстрых ручных измерений и простого интерактивного анализа одного снимка
QuPath	Очень силён в цифровой патологии, whole slide images, tissue annotation, клеточной детекции на больших слайдах	Избыточен для простого измерения объектов на обычной микрофотографии
napari	Удобен для Python-экосистемы, многомерной визуализации и современных научных workflow	Требует другой культуры работы, чаще связан с Python и пакетами, чем с классическим меню-ориентированным анализом
GIMP	Лучше для ручного редактирования, слоёв, масок, графической обработки и подготовки иллюстраций	Не является специализированным инструментом количественного анализа, измерений и Analyze Particles
MATLAB Image Processing Toolbox	Мощная программируемая обработка, сложные алгоритмы, интеграция с вычислениями	Требует лицензии и навыков программирования, менее удобен как быстрый бесплатный измерительный инструмент

Fiji — ближайший родственник ImageJ. Для многих пользователей Fiji фактически становится основным вариантом, потому что включает ImageJ и множество расширений. Если нужна работа с современными микроскопическими форматами, stitching, registration, tracking и готовые плагины, Fiji удобнее. Но базовый ImageJ остаётся хорошим выбором, когда требуется лёгкая программа с понятным набором команд и минимальной лишней нагрузкой.

CellProfiler лучше подходит для автоматизированных pipeline, где нужно обработать большие наборы клеточных изображений по заранее построенной схеме. Он сильнее в массовом анализе с разветвлёнными шагами, но для ручного измерения одной области, быстрой калибровки масштаба или проверки threshold ImageJ часто быстрее.

QuPath ориентирован на цифровую патологию и большие слайды. В задачах whole slide image analysis, аннотации тканей и классификации клеток он намного специализированнее ImageJ. Но если пользователь работает с обычным TIFF, микрофотографией или небольшим набором снимков, ImageJ проще и прямее.

napari удобен для визуализации многомерных данных и работы в Python-среде. Он современнее по интерфейсу и хорошо подходит для пользователей, которые строят workflow вокруг Python-пакетов. ImageJ выигрывает там, где нужен готовый инструмент с меню, макросами и десятилетиями накопленных плагинов.

GIMP не является прямой заменой ImageJ. В GIMP удобно рисовать, ретушировать, работать со слоями и графикой. В ImageJ удобно измерять, считать, анализировать гистограммы, строить профили и экспортировать числовые результаты. Для научного анализа GIMP может быть вспомогательным редактором, но не заменой ImageJ.

MATLAB Image Processing Toolbox даёт сильную программируемую среду, но требует лицензии и навыков кода. ImageJ проще внедрить в учебную лабораторию, где студентам нужно открыть снимок, задать масштаб, измерить объекты и получить таблицу.

Преимущества ImageJ

Главное преимущество ImageJ — сочетание простоты и измерительной силы. Программа запускается быстро, открывает научные форматы, позволяет сразу выделять области, задавать scale, измерять, строить гистограммы и экспортировать результаты. Пользователю не нужно создавать проект, импортировать каталог или настраивать сложную рабочую среду.

Второе преимущество — прозрачность анализа. ImageJ показывает, какие пиксели выделены threshold, какие объекты попали в Analyze Particles, какие параметры записываются в Results. Это помогает контролировать методику. В научной работе такая прозрачность важнее красивого интерфейса.

Третье преимущество — расширяемость. Плагины и макросы превращают ImageJ из простого анализатора в гибкую платформу. Один пользователь применяет её для подсчёта частиц, другой — для анализа флуоресценции, третий — для обработки материаловедческих снимков, четвёртый — для учебных лабораторных работ.

Четвёртое преимущество — воспроизводимость. Если workflow записан макросом, его можно повторить на другой серии изображений. Если сохранены ROI, scale и параметры measurements, анализ легче проверить. ImageJ хорошо подходит для методик, где важно не просто получить картинку, а показать измеряемый и повторяемый результат.

Недостатки и ограничения

Главный недостаток ImageJ — устаревшая организация интерфейса. Отдельные окна, маленькая панель инструментов, старые диалоги и плотные меню могут смущать пользователей, привыкших к современным приложениям. Внешний вид не мешает точным измерениям, но порог входа для новичка повышает.

Второй недостаток — ImageJ не всегда защищает пользователя от методических ошибок. Программа выполнит threshold, Analyze Particles и Measure, даже если параметры выбраны неудачно. Она не объяснит автоматически, что объекты склеены, фон неоднороден, масштаб задан неверно или threshold подобран субъективно. Поэтому ImageJ требует понимания основ анализа изображений.

Третий недостаток связан с большими данными. Очень крупные изображения, большие stacks, whole-slide scans и массивные многоканальные наборы могут быть неудобны в базовом ImageJ. В таких случаях чаще используют Fiji с Bio-Formats, QuPath, napari или специализированные pipeline.

Четвёртое ограничение — неоднородность плагинов. Возможности ImageJ сильно расширяются за счёт сообщества, но качество, актуальность и документация плагинов различаются. Для серьёзного анализа нужно фиксировать версии инструментов и проверять результаты.

Пятое ограничение — ImageJ не является универсальным фоторедактором. В ней можно обрезать изображение, настроить контраст, применить фильтры и добавить scale bar, но для ретуши, композитинга, дизайна и подготовки рекламных изображений лучше подходят другие программы.

Для кого ImageJ подходит лучше всего

ImageJ лучше всего подходит пользователям, которым нужны измерения и анализ изображений. Это биологи, микроскописты, студенты, преподаватели, инженеры, материаловеды, исследователи, специалисты лабораторий и все, кто работает с изображением как с источником данных.

Программа особенно уместна в задачах:

• измерить длину, площадь, периметр или угол;

• задать масштаб по линейке на снимке;

• посчитать клетки, частицы, поры, гранулы или колонии;

• измерить процент окрашенной области;

• построить гистограмму интенсивности;

• получить line profile вдоль структуры;

• обработать stack или серию изображений;

• сохранить ROI и повторить измерения;

• автоматизировать одинаковые операции макросом;

• экспортировать результаты в таблицу для статистики.

ImageJ также хорошо подходит для обучения. Она показывает базовые принципы анализа изображений без скрытой автоматизации: bit depth, threshold, binary mask, segmentation, ROI, measurement, histogram, profile, particle analysis. Студент видит, как пиксели превращаются в числовые данные.

Для кого ImageJ может быть неудобен

ImageJ может не подойти тем, кто ждёт современный визуальный редактор. Если пользователю нужно ретушировать портреты, убирать дефекты кожи, работать со слоями, делать коллажи, цветокоррекцию RAW-фотографий или готовить баннеры, ImageJ будет не тем инструментом.

Новичкам без понимания threshold, binary mask, scale calibration и ROI программа тоже может показаться сложной. В ней легко получить таблицу чисел, но сложнее понять, насколько эти числа корректны. Поэтому ImageJ требует аккуратности: проверять маски, сохранять исходники, фиксировать параметры и не смешивать визуальную коррекцию с изменением данных.

Для крупных проектов цифровой патологии ImageJ тоже не всегда оптимален. Whole-slide images, большие аннотации тканей и сложные модели классификации удобнее выполнять в QuPath или специализированных системах. Для Python-based workflow с современными массивами данных может быть удобнее napari.

Практические советы по работе в ImageJ

Работу в ImageJ лучше начинать с копии изображения. Исходный файл должен оставаться неизменным. Для этого удобно использовать Image > Duplicate… и уже с копией выполнять threshold, binary operations, filters и Analyze Particles.

Перед измерениями всегда нужно проверять scale. Если программа показывает площадь в пикселях, а в отчёте нужны квадратные микрометры, сначала выполняется Analyze > Set Scale…. Если серия изображений получена при разных увеличениях, нельзя без проверки использовать Global.

Параметры Set Measurements нужно задавать до анализа. Если пользователь забыл включить Feret’s diameter или Shape descriptors, ImageJ не добавит эти столбцы задним числом к уже выполненным измерениям. Нужно включить параметры и повторить Measure или Analyze Particles.

Threshold нужно фиксировать. В отчёте или лабораторном протоколе стоит указывать метод, диапазон или принцип выбора порога. Если используется автоматический метод, нужно записать его название. Если threshold задан вручную, нужно объяснить критерий выбора.

После Analyze Particles обязательно проверяют окно outlines или overlay. Таблица Results сама по себе не доказывает, что объекты найдены правильно. Нужно убедиться, что программа не посчитала шум, не пропустила слабые объекты и не объединила соседние частицы.

Для повторяющихся операций стоит использовать macro recorder. Даже простой макрос уменьшает количество ручных ошибок. Если анализ нужно повторить через месяц, сохранённый макрос будет надёжнее, чем попытка вспомнить последовательность кликов.

Итоговая оценка

ImageJ — сильная программа для анализа изображений, измерения объектов, пороговой обработки, подсчёта частиц, работы с ROI, гистограммами, line profile, stacks и макросами. Она не пытается быть универсальным дизайнерским редактором и не маскирует научную обработку под эффектные автоматические фильтры. Её ценность в другом: она позволяет превратить изображение в проверяемые числовые данные.

Внешне ImageJ выглядит скромно: маленькое главное окно, отдельные диалоги, плотные меню, минимум декоративных элементов. Но за этим интерфейсом скрывается рабочий набор инструментов, который годами используется в лабораториях и учебных курсах. Команды Set Scale, Set Measurements, Threshold, Analyze Particles, ROI Manager, Results, Plot Profile и Macro Recorder закрывают основные задачи количественного анализа снимков.

ImageJ особенно хорош, когда нужно быстро и воспроизводимо измерить изображение: посчитать клетки, определить площадь окрашивания, измерить длину структуры, построить профиль интенсивности, обработать серию микрофотографий или экспортировать результаты в таблицу. Для сложных современных pipeline могут понадобиться Fiji, CellProfiler, QuPath, napari или MATLAB, но базовый ImageJ остаётся одной из самых понятных и полезных программ для научного анализа изображений.

FAQ

ImageJ бесплатна?

Да. ImageJ распространяется как public domain software и используется для обработки и анализа научных изображений.

Чем ImageJ отличается от Fiji?

ImageJ — базовая программа. Fiji — расширенная сборка на базе ImageJ/ImageJ2 с большим количеством предустановленных плагинов. Fiji удобнее для сложной микроскопии и специализированных workflow, а ImageJ легче и проще как исходная программа.

Можно ли в ImageJ измерять объекты в микрометрах?

Да. Для этого используется Analyze > Set Scale…. Пользователь проводит линию по известному расстоянию, вводит реальную длину и единицу измерения, после чего ImageJ выводит измерения в calibrated units.

Можно ли считать клетки и частицы?

Да. Для этого обычно используют Image > Adjust > Threshold…, бинарную маску и Analyze > Analyze Particles…. Программа считает объекты, фильтрует их по Size и Circularity, строит outlines и записывает результаты в таблицу.

Подходит ли ImageJ для DICOM?

ImageJ имеет встроенную поддержку DICOM и может открывать такие файлы. Для более сложной работы с медицинскими и микроскопическими форматами часто используют плагины или Fiji с Bio-Formats.

Можно ли автоматизировать обработку?

Да. В ImageJ есть макросы и Plugins > Macros > Record…. Пользователь может записать последовательность действий и применить её к серии изображений.

Подходит ли ImageJ для обычной ретуши фотографий?

Не очень. ImageJ может обрезать изображение, менять отображение яркости, применять фильтры и выполнять базовую обработку, но его главная задача — научный анализ, измерения и работа с данными изображения.

Можно ли экспортировать результаты в таблицу?

Да. Окно Results позволяет сохранять и копировать измерения. Эти данные можно дальше анализировать в электронных таблицах, статистических пакетах или программной среде.