科 / 研 / 图 / 像 / 处 / 理
对于血管、线粒体网络等图像，骨架化后可以计算骨架的分支、交点等参数，从而更好地对图像进行描述。
https://imagej.net/plugins/analyze-skeleton/
这篇文章会以下图为例，展示怎样计算下图的 分支、交点、最长骨架以及每个分支的平均宽度。
▲图片来源：上海当代艺术博物馆
一、插件安装
Fiji 自带的骨架分析的插件 AnalyzeSkeleton，无需下载。
但 Fiji 不自带 Summarize Skeleton 这个功能，如果需要直接总结骨架结果，需要通过 Update sites 进行安装 Neuroanatomy :
二、插件使用
1、初始设置（Process -> Binary -> Options）
这一步是为了避免后续进行二值化时，图像变成 Inverting LUT 的情况。
2、转为8-bit后，二值化图像
Image -> Type -> 8-bit，Image -> Adjust -> Threshold
3、骨架化图像（Process -> Binary -> Skeletonize）
4、修补骨架（Optional）
骨架化对于不连续的二值化信号，会生成断裂的骨架，这时候就需要把断裂的部分自动进行修补：
原理是把骨架化的图像高斯模糊一下，然后重新二值化、骨架化。
这种方法也适用于去除骨架上一些小的 spur：
5、分析骨架（Analyze -> Skeleton -> Analyze Skeleton (2D/3D)）
这里需要关注的参数，更具体的描述请参照官网：
Prune cycle method:
是否修剪骨架中的环结构（把环修剪成树）:
Elimination of End-points:
是否修剪含有终止点的分支（只保留有多个分支的骨架）
Results and Output：输出哪些结果，主要是Show detailed info和labeled skeletons
输出结果：
分支信息（分支长度、起点终点、两点间欧氏距离），骨架中检测到的树的总体信息（分支和分支点数量、分支平均长度等）
标注好的骨架（紫色为分支点，红色为分支），以及最长路径（红色）
6、得到每个分支的ROI
Tagged Skeleton 本质是一个 8-bit 的图像，分支和分支点的灰度值不一样，所以可以通过 Threshold，直接选中分支，并进行二值化：
通过 Analyze -> Analyze Particles，可以得到每个分支的 ROI：
这里通过设置 size，滤除了长度少于5个 pixel 的分支。
7、对二值化的图进行距离变换（Process -> Binary -> Distance Map）
▲右图加了伪彩
进行距离变换后，每个 pixel 的值，等于 该 pixel 离最近的背景之间的欧氏距离。所以骨架处的值即为半径。
选中 Distance map 的图片，点击 ROI Manager 中的 Measure：
Mean即为这一个分支的平均半径，乘以 2 就是平均直径。
注意
大家记得把 <科研图像处理> 设置为星标哦，避免错过精彩内容：
往期回顾
◆ 荧光强度测量
