Imagej Binary Options

¿Qué hacen los diferentes comandos binarios? Este submenú contiene comandos que procesan imágenes binarias (en blanco y negro). Estos comandos asumen por defecto que los objetos son negros y el fondo blanco. Consulte estas preguntas frecuentes acerca de cómo establecer el valor predeterminado como fondo negro y objetos en blanco. Convierte imágenes en imágenes en blanco y negro. El nivel de umbral se determina analizando el histograma de la selección actual o de toda la imagen si no hay selección. Vea este FAQ que describe el algoritmo usado. Si la herramienta ImagegtAdjustgtThreshold está activa, aparecerá un cuadro de diálogo que le permite especificar qué píxeles están configurados en el color de fondo y cuál al color de primer plano y si el fondo es negro y el primer plano es blanco. Por favor actualice el anterior puede no ser totalmente correcto Con pilas, todas las imágenes de la pila se convierten en binario utilizando el umbral calculado de la rebanada actualmente visualizada. Utilice la macro ConvertStackToBinary para convertir una pila en binario utilizando umbrales calculados localmente. Convierte las imágenes a imágenes en blanco y negro basadas en la configuración de umbral actual. Por defecto, la máscara tendrá un LUT inversor (negro es 255 y blanco es 0), pero crea máscaras de fondo negro (0) si se selecciona Fondo negro en el cuadro de diálogo ProcessgtBinarygtOptions. Por favor actualizar, lo anterior puede no ser totalmente correcto Determina los máximos locales en una imagen y crea una imagen binaria (similar a una máscara) del mismo tamaño con los máximos, o una partícula segmentada por máximo, marcados. Para las imágenes RGB, se seleccionan los máximos de luminancia, con la luminancia definida como media ponderada o no ponderada de los colores según la configuración de EditgtOptionsgtConversions. Este comando se basa en un complemento aportado por Michael Schmid. Se muestra un cuadro de diálogo con las siguientes opciones: Tolerancia al ruido - Maxima se ignoran si no se destacan del entorno por más de este valor (unidades calibradas para imágenes calibradas). En otras palabras, un umbral se establece en el valor máximo menos tolerancia al ruido y se analiza el área contigua alrededor del máximo por encima del umbral. Para aceptar un máximo, esta área no debe contener ningún punto con un valor mayor que el máximo. Sólo se acepta un máximo dentro de esta área. Puntos individuales: crea una imagen de salida con un solo punto por máximo. Maxima Within Tolerance - Crea una imagen de salida con todos los puntos dentro de la tolerancia de ruido para cada máximo. Partículas segmentadas - Supone que cada máximo pertenece a una partícula y segmentos de la imagen por un algoritmo de cuenca aplicado a los valores de la imagen (en contraste con ProcessgtBinarygtWatershed, que utiliza el mapa de distancia Euclidiana). Selección de puntos: muestra una selección de varios puntos con un punto en cada máximo no produce ninguna imagen de salida separada. Cuenta - Muestra el número de máximos en la ventana Resultados no produce ninguna imagen de salida. Excluir Edge Maxima - Excluye máximo si el área dentro de la tolerancia de ruido alrededor de un máximo toca el borde de la imagen (el borde de la selección no importa). Luz de fondo - Permite el procesamiento de imágenes que tienen fondo claro y objetos oscuros. Por encima del Umbral Inferior - (Esta opción sólo aparece para las imágenes con umbral) Encuentra los máximos por encima del umbral inferior solamente. El umbral superior de la imagen se ignora. Si se selecciona Partículas segmentadas como Tipo de salida. El área debajo del umbral inferior se considera un fondo. Esta opción sólo funciona cuando se encuentran máximos del valor de píxel en el sentido matemático, es decir, fondo oscuro y LUT no inversor o fondo brillante e inversión LUT. Selección de puntos de vista previa: Muestra los máximos con los parámetros actuales como una selección multipunto superpuesta en la imagen. Si esta opción está marcada, el número de máximos encontrados también se muestra en el cuadro de diálogo. Para tipos de salida Single Points. Máximo dentro de la tolerancia y partículas segmentadas. Salida es una imagen binaria, con primer plano 255 y fondo 0, utilizando un LUT invertido o normal dependiendo de la opción de fondo negro en ProcessgtBinarygtOptions. El número de partículas (obtenidas por Analyze Particles) en la imagen de salida no depende del tipo de salida seleccionado. Tenga en cuenta que las partículas segmentadas normalmente darán lugar a que las partículas toquen el borde si se selecciona Excluir borde máximo. Excluir Edge Maxima se aplica al máximo, no a la partícula. Buscar Maxima aplicado a una imagen ruidosa con diferentes opciones (Excluir Edge Maxima seleccionado). Encontrar Maxima no funciona en pilas, pero la macro FindStackMaxima lo ejecuta en todas las imágenes de una pila y crea una segunda pila que contiene las imágenes de salida. Reemplaza cada píxel con el valor mínimo (más ligero) en el barrio 3times3. Con imágenes binarias, elimina los píxeles de los bordes de los objetos negros. Reemplaza cada píxel con el valor máximo (más oscuro) en el barrio 3times3. Con las imágenes binarias, añade píxeles a los bordes de los objetos negros. Realiza una operación de erosión, seguida de dilatación. Con imágenes binarias, esto suaviza los objetos y elimina los píxeles aislados. Realiza una operación de dilatación, seguida de erosión. Con imágenes binarias, esto suaviza los objetos y los rellena en pequeños agujeros. El comando tiene un guión para diferenciarlo del archivo cerrado. Muestra un cuadro de diálogo que permite modificar varios ajustes utilizados por los comandos del submenú binario. Iteraciones especifica el número de veces que se realizan erosión, dilatación, apertura y cierre. Count especifica el número de píxeles de fondo adyacentes necesarios antes de que un píxel se elimine del borde de un objeto durante la erosión y el número de píxeles de primer plano adyacentes necesarios antes de que un píxel se añada al borde de un objeto durante la dilatación. Compruebe el fondo negro si la imagen tiene objetos blancos sobre un fondo negro. Si los bordes de la almohadilla al erosionarse están marcados, ProcessgtBinarygtErode no se erosiona de los bordes de la imagen. Esta configuración también afecta a ProcessgtBinarygtClose. Que se erosiona desde los bordes a menos que esta casilla esté seleccionada. La salida de EDM determina el tipo de salida para el Mapa de Frecuencia de ProcessgtBinarygt. Ultimate Points y comandos de Voronoi. Configure esta opción para sobrescribirla para una salida de 8 bits que sobrescriba la imagen de entrada de 8 bits. 16 bits o 32 bits para imágenes de salida independientes. La salida de 32 bits tiene resolución de distancia de punto flotante (subpíxel). Genera un contorno de un píxel de objetos de primer plano (negro) en una imagen binaria. La línea se dibuja dentro del objeto, es decir, en los píxeles anteriores anteriores. Elimina repetidamente los píxeles de los bordes de los objetos en una imagen binaria hasta que se reducen a un solo píxel de ancho de esqueletos. Se supone que los objetos son negros y el fondo blanco. Tenga en cuenta que existen muchos algoritmos de skeletonizing. Genera un mapa de distancia Euclidiano (EDM). Cada píxel de primer plano de la imagen binaria se sustituye por un valor de gris igual a la distancia de ese pixel desde el pixel de fondo más próximo. Utilice ProcessgtBinarygtOptions para establecer el color de fondo (negro o blanco) y el tipo de salida al seleccionar sobrescritura o salida de 8 bits; tenga en cuenta que distancias mayores que 255 se etiquetan como 255. Genera los puntos erosionados finales (UEP) del EDM. Requiere una imagen binaria como entrada. Las UEP representan los centros de partículas que estarían separados por segmentación. El valor gris de UEP039 es igual al radio del círculo inscrito de la partícula correspondiente. Utilice ProcessgtBinarygtOptions para establecer el color de fondo (negro o blanco) y el tipo de salida. La segmentación de las cuencas hidrográficas del mapa de distancia Euclidiano (EDM) es una forma de separar o separar automáticamente las partículas que tocan (la separación de cuencas de una imagen en escala de grises está disponible mediante el comando Find Maxima). El comando Cuenca requiere una imagen binaria que contiene partículas negras sobre un fondo blanco. Primero calcula el mapa de distancia euclidiana y encuentra los puntos erosionados finales (UEPs). A continuación, dilata cada una de las UEP (los picos o máximos locales de la EDM) en la medida de lo posible - hasta que se alcance el borde de la partícula, o el borde de la región de otra (creciente) UEP. La segmentación de cuencas hidrográficas funciona mejor para objetos convexos lisos que no se superponen demasiado. Aquí está una animación que muestra cómo funciona la segmentación de cuencas. Divide la imagen por líneas de puntos que tienen la misma distancia a los bordes de las dos partículas más cercanas. Así, la célula de Voronoi de cada partícula incluye todos los puntos que están más cerca de esta partícula que cualquier otra partícula. Para el caso de las partículas que son puntos únicos, se trata de un mosaico Voronoi (también conocido como Dirichlet teselación). En la salida, el valor dentro de las celdas de Voronoi es cero, los valores de píxel de las líneas divisorias entre las celdas son iguales a la distancia a las dos partículas más cercanas. Esto es similar a una transformación del eje medial del fondo, pero no hay líneas en los orificios internos de las partículas. Elija el tipo de salida (Sobrescribir, 8 bits, 16 bits o 32 bits) y el color de fondo (negro o blanco se aplica tanto a la entrada como a la salida) en el cuadro de diálogo ProcessgtBinarygtOptions. Gui / process / binary. txt middot Última modificación: 2010/01/26 11:07 (edición externa) Análisis de partículas Análisis automático de partículas El conteo automático de partículas puede realizarse si la imagen no tiene demasiadas partículas individuales tocando. El conteo manual de partículas se puede hacer usando la Herramienta de Puntos Múltiples. Segmentación. O la capacidad de distinguir un objeto de su fondo, puede ser una cuestión difícil de tratar. Una vez hecho esto, el objeto puede entonces ser analizado. Umbral RAW Análisis de cuencas analíticasParticulares Determinación de um umbral 5.1.1.1 Umbral manual El análisis automático de partículas requiere una imagen binaria, en blanco y negro. Se establece un rango de umbral para indicar los objetos de interés aparte del fondo. Todos los píxeles de la imagen cuyos valores se encuentran debajo del umbral se convierten en negro y todos los píxeles con valores por encima del umbral se convierten en blanco o viceversa. Hay varias maneras de establecer umbrales. Las imágenes monocromáticas se marcan simplemente mediante el umbral de ajuste de imagen del menú. El umbral se puede ajustar utilizando las barras deslizantes. Los píxeles dentro del rango de umbral se muestran en rojo. Cuando esté satisfecho con los valores de umbral, puede pulsar Aplicar. Esto aplicará permanentemente los valores de umbral y convertirá la imagen en binario. Tiene diferentes opciones para establecer un umbral manual. El menú desplegable configurado como Predeterminado le permite elegir entre Predeterminado y otras 15 técnicas de umbral. El menú desplegable establecido en Rojo le permite elegir entre un esquema de color rojo sobre blanco, un esquema de color negro sobre blanco o un esquema de colores sobre y bajo. La caja de fondo oscuro volverá el color de primer plano con el color de fondo. También puede optar por comprobar el cuadro Histograma de la pila para producir un histograma para toda una pila. Para las imágenes en color, la configuración del umbral se realiza con la secuencia de comandos Image Adjust Color Threshold. . La opción Método de umbral le permite elegir una técnica de umbral distinta de la predeterminada. La opción de color umbral le permite elegir entre rojo, blanco, negro o BampW como el color de umbral. La opción de espacio de color le permite elegir entre HSB, RGB, Lab y YUV. El fondo de la imagen de umbral se puede hacer claro u oscuro. La imagen se puede convertir en una imagen binaria mediante el comando de menú Tipo de imagen de 8 bits. Hay muchos algoritmos que puede utilizar para calcular el umbral sin introducir sesgo de usuario. Una evaluación de más de 40 de estos se puede encontrar en este documento: Sezgin, M. amp Sankur, B. (2004), Encuesta sobre técnicas de umbral de imagen y evaluación cuantitativa de rendimiento., Journal of Electronic imaging 13 (1). 146-168 (en Google Académico). Fiji tiene varios complementos encontrados en el menú Ajuste de imagen Umbral para el cálculo automático de un umbral de imagen. Estos incluyen el umbral de Otsus, el umbral máximo de entropía y el umbral de modelado de la mezcla. Para obtener una lista completa de los métodos disponibles con Fiji, consulte la sección Plugins ubicada en la sección Documentation en la pestaña Content en la parte superior de esta página. Separación de cuencas Los objetos superpuestos en una imagen binaria se pueden separar mediante el comando de menú Proceso Binary Watershed. Primero convierta la imagen en binario por umbral. Los píxeles negros se reemplazan entonces con píxeles grises de una intensidad proporcional a su distancia desde un píxel blanco. Los píxeles negros más cercanos al borde son más claros que los píxeles negros que son más centrales. Este es el mapa de distancia euclidiana (EDM) del área negra. A partir de esto se calculan los centros de los objetos. Estos son los puntos erosionados finales (UEPs) de cada área negra, lo que significa que son equidistantes de cada borde. Estos puntos se dilatan luego hasta que tocan otro píxel negro. Este punto de encuentro es donde se dibuja una línea divisoria de aguas. Analizar Partículas Para analizar las partículas en una imagen segmentada, utilice el comando de menú Analizar Analizar partículas. . Esto le proporcionará información sobre cada partícula en la imagen. Establezca el tamaño mínimo y el tamaño máximo del área de píxeles para excluir cualquier elemento que no sea un objeto de interés en la imagen. También se pueden seleccionar valores de redondez entre 0.0 y 1.0 para ayudar a excluir objetos no deseados. Seleccione la opción Mostrar: Esquemas para mostrar una imagen de los objetos detectados. El menú desplegable Mostrar también permite al usuario mostrar Nothing, Bare Outlines, Elipses, Máscaras, Máscaras de Contar, Superposición de Esquemas y Máscaras de Superposición. El usuario puede elegir si desea Mostrar resultados. Borrar resultados. Resumir. Agregar a Administrador. Excluir en los bordes. Incluya agujeros. Se inicia el registro. Y / o exposición in situ. El análisis de partículas se puede automatizar a través de complementos o macros una vez que se ha determinado el valor umbral correcto y el rango de tamaño de partículas para sus objetos de interés. Nucleus Counter Este plugin automatiza muchos de los pasos discutidos anteriormente. Introduzca el rango de tamaños a contar Seleccione el método de umbral automático. Esto puede ser actual. Otsu. Máxima Entropía, Modelado de Mezcla o agrupación de k-means. Current utiliza el umbral que se ha establecido manualmente, véase más arriba. Realice una corrección de fondo. Utilice un filtro suave. Realizar una separación de la cuenca. Agregue las partículas al gestor de ROI. Diga sí a un resumen. Otras opciones se pueden agregar fácilmente a petición. El recuento, el área y el tamaño promedio se devuelven como una ventana de texto y las partículas esbozadas se superponen en un duplicado de la imagen original. Puede utilizar la Herramienta multipunto integrada para contar las partículas manualmente. Particle Tracker Particle Tracker es un plugin de seguimiento de puntos de funcionalidad 2D para la detección y análisis automatizado de trayectorias de partículas tal como se registra mediante imágenes de video en biología celular. El algoritmo se describe en Sbalzarini y Koumoutsakos (20051). TrackMate Utilice el comando de menú Plugins Tracking TrackMate. Este complemento le permite realizar el seguimiento de partículas individuales de estructuras parecidas a puntos. Para obtener información más detallada, consulte el tutorial y la explicación de TrackMate. Seguimiento manual Utilice el comando de menú Plugins Tracking Tracking manual. Esta herramienta le permite realizar un seguimiento del movimiento de una célula. SIOX: Simple Interactive Object Extraction Resultado de segmentación SIOX Este es un plugin Fiji basado en el proyecto SIOX para segmentar imágenes en color. SIOX significa Extracción de Objetos Interactivos Simples. Un método para extraer imágenes de primer plano de imágenes fijas con muy poca interacción del usuario. SIOX es rápido, resistente al ruido y por lo tanto también puede ser utilizado para la segmentación de videos. Evita muchos de los inconvenientes de los métodos de segmentación basados ​​en gráficos, pero funciona igual de bien en diferentes puntos de referencia. SIOX está abierto y libre (Licencia Apache) y los autores han intencionalmente no patentado ninguna parte de la tecnología. Como resultado, se ha integrado en varios programas de manipulación de imágenes de código abierto en los últimos años. SIOX es el algoritmo subyacente de la herramienta de extracción de primer plano en el programa de manipulación de imágenes GNU (GIMP) y forma parte de la herramienta trazadora en Inkscape. SIOX se origina en E-Chalk donde un instructor de pie delante de una pizarra electrónica está segmentado. Las variantes de SIOX se utilizan para la visión robótica y para mejorar la segmentación 3D de cámara de tiempo de vuelo. Contenidos Locales: Para llamar al plugin, necesita tener al menos una imagen de color RGB abierta. Después de hacer clic en la segmentación de plugins SIOX: Simple Interactive Object Extraction. La imagen se incrustará en la GUI del complemento. Paso 1: Segmentación inicial. Pintar las regiones de interés (ROI) correspondientes al primer plano y fondo. Seleccione cualquiera de las herramientas de ROI y marque las áreas que considera primero y fondo. Para segmentar varios objetos, seleccione Permitir múltiples componentes de primer plano Paso 2: Pincel de refinamiento detallado. Seleccione nuevos ROI que se añadirán o se restarán de la segmentación actual. Presione Refinar para sumar / restar esas áreas sobre la base del resultado anterior. Paso 3: Restablecer o Crear máscara. Haga clic en el botón Restablecer para reiniciar el proceso o haga clic en el botón Crear máscara para crear una imagen binaria. Tenga en cuenta que la polaridad de la imagen binaria seguirá la opción establecida en Opciones binarias de proceso. SIOX segmentación Interfaz gráfica de usuario aplicada a la muestra Leaf SIOX es un plugin diseñado para segmentar imágenes en color 2D. Si la imagen no es de color RGB, puede convertirla en RGB utilizando el comando Tipo de imagen Color RGB. Sin embargo, el algoritmo SIOX hace uso de información de color, por lo que se espera que funcione mejor en imágenes RGB reales. Al llamar al complemento, la imagen se incrustará en la interfaz gráfica de usuario SIOX (GUI). Esta GUI tiene 3 secciones (paneles): Segmentación inicial, Pincel de refinamiento de detalle y los botones Máscara / Restablecer. Segmentación inicial Panel de segmentación inicial SIOX Este es el primer paso del procedimiento en el que se definen los ROI que corresponden a áreas típicas de primer plano o de fondo. Definición de primer plano y fondo Los botones de radio Antecedentes y Fondo alternan entre los dos tipos de ROI. Cuando se definen los ROI de primer plano, los ROI de fondo se muestran en rojo translúcido. Del mismo modo, al definir los ROI de fondo, los ROI de primer plano se muestran en verde translúcido. Los ROI se pueden definir con cualquiera de las herramientas de selección: TIP. Se pueden seleccionar varios ROIs con cualquiera de las herramientas de selección pulsando la tecla MAYÚS y haciendo clic en diferentes partes de la imagen. Objetos múltiples Para segmentar varios objetos. Marque Permitir múltiples componentes de primer plano. Esta opción le indica a SIOX que busque varios objetos en la imagen. Si introduce varios ROI en primer plano, se asumirá esta opción. Suavizado El deslizador Suavizado define la nitidez de los contornos resultantes. Por ejemplo, al segmentar la muestra predeterminada Hoja (36K), la reducción del suavizado proporciona bordes más precisos. Segmentación Ejemplo de resultado SIOX después de la segmentación inicial Para continuar con la segmentación inicial, haga clic en Segmento. Recuerde que SIOX necesita al menos un componente de primer plano (ROI) para producir la segmentación, el ROI de fondo es opcional. Después de unos segundos (dependiendo del tamaño de la imagen), se mostrará el resultado (fondo oscuro y área (s) de primer plano en los colores originales). Después de esto, el panel de segmentación inicial está deshabilitado. Si los resultados no son satisfactorios, pulse Reiniciar para reiniciar el proceso. De lo contrario, continúe con el siguiente paso de refinamiento. Pincel de refinamiento detallado Pincel de refinado detalle SIOX Este es el segundo paso en el proceso de segmentación SIOX. En este punto, el método puede ser llamado nuevamente para refinar los resultados obtenidos hasta ahora para restar o añadir nuevas áreas a los componentes de fondo o de primer plano tantas veces necesarias. El modo Añadir sólo modifica los píxeles antiguamente clasificados como fondo, mientras que el modo Sustraer sólo modifica los antiguamente clasificados como primero plano. Nota . Este paso es opcional. Si ya está satisfecho con el resultado, proceda a crear la máscara binaria. Al hacer clic en sustraer o agregar, se seleccionan los ROI que se deben sumar o restar. Los deslizadores representan el umbral para el refinamiento de sumar y restar. Decidir en qué nivel de confianza se detendrá. Aumentar el deslizador de sustracción relaja el valor de umbral para establecer un área como fondo, mientras que disminuir el deslizador de adición relaja el valor de umbral para establecer un área como primer plano. Finalmente, haciendo clic en Refinar. La segmentación se recalcula para las áreas seleccionadas y el resultado se mostrará como antes (fondo oscurecido y primer plano a todo color). Repita este paso hasta que esté completamente satisfecho. Restablecer o Crear máscara SIOX Panel Restablecer / Crear máscara Este panel está habilitado durante cualquiera de los otros pasos de segmentación. Restablecer Restablece la imagen incluyendo el estado interno de la matriz de confianza (áreas de primer plano, fondo y refinamiento). Los ROI iniciales se vuelven a cargar para que puedan ser reutilizados. Crear máscara Crea una imagen binaria (0-255) basada en el estado actual del proceso de segmentación. El color de fondo (negro o blanco) se define en Opciones binarias de proceso. Este botón se puede pulsar durante cualquiera de los pasos anteriores. Guardar segmentador Puede guardar la información de segmentación en un archivo haciendo clic en el botón Guardar segmentador. Esto se puede usar más adelante en una imagen diferente o en una pila de imágenes haciendo clic en Plugins Segmentation Aplicar SIOX segmentator (ver siguiente sección). Aplicar segmentador SIOX Puede aplicar un segmentador SIOX previamente guardado a cualquier imagen abierta o conjunto de imágenes (pila). Paso 1 . Haga clic en la imagen o la pila para segmentar. Paso 2 . Haga clic en Plugins Segmentation Aplicar SIOX segmentador. Y aparecerá el siguiente cuadro de diálogo: Aplicar diálogo de introducción de segmentador SIOX Paso 3. Seleccione el archivo siox segmentator (o simplemente arrástrelo y suéltelo) y haga clic en Aceptar. El segmentador se aplicará a la imagen o pila seleccionada y el resultado aparecerá. Resultados de aplicar el segmentador SIOX previamente calculado a una pila de versiones transformadas de la muestra de hoja Nota. Cuando se aplica un segmentador guardado no hay información sobre el tamaño de los componentes de primer plano esperados por lo que el componente más grande se utilizará como referencia. La opción de componentes múltiples será coherente con lo que se utilizó durante el cálculo del segmentador. La documentación más reciente del paquete se puede encontrar aquí: Trabajo más completo: G. Friedland: Procesamiento adaptable de audio y video para conferencias electrónicas de pizarra, tesis de doctorado. Departamento de Ciencias de la Computación, Freie Universitaet Berlin, Octubre 2006. Enfoque de imagen fija: G. Friedland, K. Jantz, T. Lenz, F. Wiesel, R. Rojas: Corte y Pegado de Objetos en Imágenes y Videos, International Journal of Semantic Computing Vol. 1, No 2, pp. 221-247, World Scientific, EE. UU., Junio ​​de 2007. G. Friedland, K. Jantz, L. Knipping, R. Rojas: Segmentación de imágenes por agrupamiento uniforme de colores - Informe B-05-07. Departamento de Ciencias de la Computación, Freie Universitaet Berlin, junio de 2005 (PDF, 18MB). G. Friedland, K. Jantz, R. Rojas: SIOX: Extracción sencilla de objetos interactivos en imágenes fijas, Actas del Simposio Internacional sobre Multimedia de la IEEE (ISM2005), pp. 253-259, Irvine (California), diciembre de 2005. Descargar PDF de la Biblioteca Digital de la Sociedad de Computación IEEE. G. Friedland, K. Jantz, T. Lenz, R. Rojas: Ampliación del algoritmo SIOX: Métodos alternativos de agrupamiento, extracción precisa de objetos de subpíxeles de imágenes fijas y segmentación de vídeo genérica, Informe técnico B-06-06. Departamento de Informática, Freie Universitaet Berlin, enero de 2006 (PDF, 10MB). G. Friedland, K. Jantz, T. Lenz, F. Wiesel, R. Rojas: Un enfoque práctico para la extracción de múltiples objetos con precisión de límites de imágenes fijas y videos, para aparecer en las Actas del Simposio Internacional sobre Multimedia de la IEEE (ISM2006). ), San Diego (California), diciembre de 2006. Gracias a Wayne Rasband. Hay una versión de ImageJ de este plugin sin dependencias de Fiji: La biblioteca SIOX Java desarrollada por Gerald Friedland. Kristian Jantz y Lars Knipping está licenciado bajo la licencia Apache. Versión 2.0 (la licencia): apache. org/licenses/LICENSE-2.0. A menos que sea requerido por la ley aplicable o haya sido acordado por escrito, el software distribuido bajo la Licencia se distribuye de una manera tal y como está, sin garantías o condiciones de ninguna clase, expresa o implícita. Vea la Licencia para el idioma específico que rige los permisos y las limitaciones bajo la Licencia. La interfaz gráfica de usuario de Fiji, desarrollada por Ignacio Arganda-Carreras. Stephan Saalfeld y Johannes Schindelin es un software libre que puede redistribuirlo y / o modificarlo bajo los términos de la Licencia Pública General GNU publicada por la Free Software Foundation (gnu. org/licenses/gpl. txt).