科 / 研 / 图 / 像 / 处 / 理
传统的图像处理方法，往往无法应对相对复杂的图像处理任务。
基于深度学习模型的图像处理算法，在科研图像处理中都有着广泛的应用，例如 图像分割、去噪、图像超分辨 等等领域。
而对于没有编程基础、实验室缺乏 GPU 资源的科研人员来说，深度学习的门槛依旧很高。
DeepImageJ 这一插件为这一困境提供了解决方案：
https://deepimagej.github.io/
DeepImageJ 支持在 ImageJ/Fiji 中，使用预训练的深度学习模型 进行各种不同的图像分析 。
DeepImageJ 的 workflow
对于一些常见的图像处理问题，例如 明场细胞的分割，DeepImageJ 提供已经训练好的深度学习模型，我们只需要下载训练好的模型，就可以将该模型运用在自己的图像处理任务中。
图像处理需求或者成像条件不同，都需要配套不同的深度学习模型。
DeepImageJ配套了深度学习模型库(BioImage Model Zoo)：
https://bioimage.io/
根据自己数据选择相应的模型，不用写一行代码，就可以利用训练好的深度学习模型，完成许多常见的图像处理任务。Model Zoo中一部分模型：
这篇文章主要介绍 DeepImageJ 的基本安装和使用。
一、插件安装
1、打开更新页面（Help->Update...）
出现下面这个页面后，点击 Manage update sites：
2、点击Add update site
Name 填写 DeepImageJ，URL填写：https://sites.imagej.net/DeepImageJ/
勾选 DeepImageJ，然后点击 Close。
3、安装插件
点击 Apply changes。重启 ImageJ，即可在 Plugins -> DeepImageJ 里找到该插件：
二、插件使用
1、安装深度模型（Plugins -> DeepImageJ -> DeepImageJ Install Model）
DeepImageJ 插件本身没有预安装的深度模型，需要根据需求进行安装：
在 Select a compatible model 这里，可以选择相应的模型：
这里以宽场超分辨的深度模型为例，这一模型可以输入衍射极限的图像，预测出超分辨的图像，从而提高分辨率 ：
勾选注意事项后，点击 Install，安装界面：
2、运行 DeepImageJ（Plugins -> DeepImageJ -> DeepImageJ Run）：
在 Model 处选择刚才下载的 Model，然后点击 OK：
运行界面：
效果对比，左边是原图，右边是模型计算后的超分辨图像：
往期回顾
