JMP中大象脚的图像分析这是大象脚底的图片。您可能会从看这张图片时猜到，这不是一头快乐的大象。被囚禁的大象经常将时间花在人行道或其他坚硬的地面上。这不是它们习惯的底材，也不是大象脚的设计目的。因此，这只大象的脚上已经长了疮，在某些情况下，这些疮甚至被感染了。这只大象的看守者正在提供治疗，但是大象继续走路，导致进一步的伤害。因此，看管人想知道这些治疗方法是否有帮助。
我收到了这张照片的副本，其中包含有关图像分析的问题： 有没有一种方法可以量化地测量脚的状况，以便随着时间的推移可以确定治疗是否有积极效果？
看一下图像，我可以看到脚的所有区域基本上属于以下三类之一：
有些区域呈褐色，代表大象脚的正常颜色。这些地区很健康。有些区域有些橙色。这些是发生疮的地方。然后在疮内有发白区域。这些地方疮已发展成感染，现在充满脓液。通过将整个脚归入这三个桶中，我觉得我们可以衡量脚的状况了。重要的是要忽略背景，即图像中那些不显示脚底的区域，以免歪曲我们的结果。
我将图像读入JSL（JMP脚本语言），并从图像中获得了像素值红色 ，绿色和蓝色 （ RGB ）值作为单独的矩阵。然后，我可以将这些单独的矩阵转换为一个表示所有三个颜色分量的矩阵。
img = 新图片 （ “ elephantFoot.jpg” ）;
{r，g，b} = img << getPixels（ “ rgb” ）;
colr = RGB颜色 （r，g，b）；
但是通常情况下，最好使用除RGB以外的其他配色方案来分析颜色。所以我真的想要一种称为 HLS ，代表色调 ，亮度和饱和 。色调基本上是颜色的色调，亮度是亮度，饱和度是多少颜色而不是白色。幸运的是，JMP提供了一种从RGB转换为HLS的方法。
{色相，点亮，坐下} = ColorToHLS （colr）;
现在，我在HLS中有了颜色，我可以创建一个包含像素值的JMP数据表。
dt = 新表 （ “像素数据” ，
newColumn （ “色调” ，设置值（色相）），
newColumn （ “轻” ，设置值（lit）），
newColumn （ “星期六” ，设置值（星期六））
）;
这样做的原因是，我可以使用JMP的某些统计能力来分析我的数据。我很好奇颜色值的细分，因此决定创建一个分配每个颜色成分。
分布（连续分布（ 柱 （：hue），离群盒图 0 ）））;
分布（连续分布（ 柱 （：lit），离群盒图 0 ）））;
分布（连续分布（ 柱 （：sat），异常值箱图（ 0 ）））;
这是结果。
通过查看“分布”，我可以很好地猜测要在数据中查找哪些值以识别哪些像素是棕色，橙色或白色。我处理每个像素，由数据表中的一行数据表示，并且能够对每个像素进行分类。然后我可以报告我的结果 。
为了生成报告，我选择了所有缺失值（代表背景区域的所有像素）并将其设置为隐藏/排除。然后，我从像素数据表生成了一个汇总表。然后，我可以使用Graph Builder来生成我的图形。
结果是大约一半的脚处于良好状态。对于不正常的一半，约有30％的人发展为疮，其余20％被感染。现在，我们可以对脚的状况进行量化测量。通过随着时间的推移进行此操作，我们可以确定脚部状况并知道治疗是否有帮助。
大象脚的形象是通过一个名为 WildTrack 。WildTrack致力于保护濒危物种以及野生动物的整体福祉。
WildTrack是JMP客户，将在即将进行的网络广播中播放，分析性地讲 。如果您发现此博客文章有趣，建议您注册并参加网络广播。我可以向您保证，他们的谈话总是引人入胜且内容丰富。和往常一样，请让我知道您的想法。
约翰·庞特（John Ponte）写道：桑迪普（Sandeep），该链接发布于我之前的...约翰·庞特写道：
Sandeep，我上次回复中发布的链接是指向描述该技术的视频的链接（ https://www.youtube.com/watch?v=wSkUwgNbv2g ）。您还可以在JMP File Exchange上找到一些对您有帮助的JSL代码。在脚本下查找ImageToDatatable.jsl（ https://community.jmp.com/docs/DOC-6100 ）。这将向您展示如何打开图像并根据像素值生成数据表。或者，您可以使用图像分析器为您生成数据表（ https://community.jmp.com/docs/DOC-7181 ）。
顺便说一句，如果您要去探索（两周后在北卡罗来纳州卡里），请与我联系，我会为您提供帮助。我将在开发人员工作站中徘徊。
Sandeep写道：John，您有一个教学视频吗？桑迪普写道：
约翰，您是否制作了一个指导视频来学习这种技术？
约翰·庞特（John Ponte）写道：顺便说一句，JMP发布了YouTube视频...约翰·庞特写道：
顺便说一下，JMP发布了我的YouTube视频，描述了分析大象脚的过程。它包含有关该过程的更多详细信息。如果您发现此帖子有趣，则也可以欣赏该视频。
在这里能找到它： https://www.youtube.com/watch?v=wSkUwgNbv2g
请享用！
约翰·庞特（John Ponte）写道：罗德里戈（Rodrigo），JMP在规范化的工作环境中工作...约翰·庞特写道：
罗德里戈
JMP在归一化的色彩空间中工作，这意味着所有值都在0.0到1.0之间。查看我的色相分布，我发现我的大多数值都低于0.125。但是，我也看到一些高于0.9的值。这样就使我对分离颜色应该寻找的值有了一个想法。
在JSL中，您需要做的是遍历每一行（代表一个像素），查看色相和光的值。就您而言，您将寻找绿色，黄色和棕色。黄色和棕色的色相值非常相似，因为它们都由相等数量的红色和绿色组成。它们的区别在于其亮度，或者在这种情况下是光的值。黄色的亮度要比棕色的高。绿色将具有比黄色和棕色更高的色相值。因此，使用色相和亮度值，您应该能够区分颜色。
查看光线的分布情况，看看是否有三个不同的分组。最高值可能是您的黄色像素，最低值可能是您的棕色像素，而两者之间的值可能是您的绿色像素。首先，看看是否能给您正确的答案。您可以像制作大象脚一样来生成新图像，以验证您的答案。如果您没有得到正确的答案，则可以在比较中调整值范围。
我希望这有帮助！
罗德里戈（Rodrigo）写道：亲爱的约翰，我听了你的剧本后得到...罗德里戈写道：
亲爱的约翰，
我遵循了您的脚本，并获得了H，L，S的像素值。现在，我需要处理每个像素并识别出绿色，黄色和棕色。我该怎么做？我在这部分中迷失了：“通过查看分布，我可以很好地猜测要在数据中查找哪些值以识别哪些像素是棕色，橙色或白色。我处理每个像素，由数据表中的一行数据表示，并且能够对每个像素进行分类。然后，我可以报告我的结果。”
任何建议将被认真考虑。谢谢！
约翰·庞特（John Ponte）写道：一句话-手动！我收到很多...约翰·庞特写道：
一句话-手动！我从人们那里收到很多图像，询问他们如何识别图像中感兴趣的区域。不幸的是，我不能花费我想要或不需要的时间来开发一个完整的解决方案。因此，我尝试为他们提供快速解决方案，以及有关如何进一步开发它的想法。快速解决方案是使用另一个软件包（我使用Gimp）简单地将背景涂黑。但是在JMP / JSL中，您可以开发不同的边缘检测技术，从而可以为您识别大象脚的边缘。实际上，我已经在WildTrack所做的一些工作中演示了此示例，他们在图像中识别出动物的脚印。您可以在这里找到有关此视频： http://www.youtube.com/watch?v=VjjcdCDXx9M
斯科特（Scott）写道：约翰（John）做得好！我很惊讶JMP可以...史考特写道：
约翰，太好了！我很惊讶JMP可以用于如此多样化的应用程序。
我很好奇您如何删除图像的背景。当背景不均匀时，如何识别背景像素？
约翰·庞特（John Ponte）写道：好吧，首先让我消除关于...的神话约翰·庞特写道：
好吧，首先让我消除我是专家的神话！虽然，如果您看到我的老板，我鼓励您告诉他您认为我是。并感谢您这样说。
其次，虽然我熟悉MATLAB，但是我对它的了解还不足以在两种产品之间进行有效的比较。我已经与许多同时使用MATLAB的JMP用户进行了交谈，他们似乎对此感到满意。对于那些用户（警告），请确保您签出了JMP 11版中的一些新功能。
除了统计功能之外，我真正喜欢的JMP功能之一就是JMP的脚本语言JSL。这篇文章展示了如何将图像导入JMP并使用JSL将其转换为数据表。一旦将图像作为数据，就可以使用JMP的所有统计功能。现在，您可以使用例如判别分析或聚类分析图像。我目前正在阅读有关此主题的书。F.Brent Neal和John C.Russ将其称为“测量形状”。因此，我认为这些功能的组合使JMP成为用于图像处理的强大工具。它允许用户创建自己的解决方案，而无需实际实现功能。
阿米特·博特拉（Amit Bothra）写道：嗨，约翰，很棒的帖子。我为...感到惊讶阿米特·博特拉写道：
你好，约翰，
很棒的帖子。我对JMP的功能感到惊讶。作为专家，您如何将JMP的图像处理功能与某些专用软件（例如Matlab）进行比较。
Sky＆Zoe写道：这是一个很好的例子，说明了如何进行分析...天空与佐伊写道：
这是一个很好的例子，说明了如何将JMP的分析能力用于改善病理学治疗的决策。如此多的医学成像仍然依赖于专家的视觉评估而不是量化。
此应用程序一旦完善，将在标准化评估伤口愈合方式（或其他方式）随着时间的推移中具有很大的应用价值。John具有开箱即用的思维能力，我们相信他为JMP成像所做的工作将在整个领域中得到广泛应用。
约翰·庞特（John Ponte）写道：当答案...约翰·庞特写道：
当答案也达到正常水平的50％时，我感到有些惊讶。但是后来我意识到，坏区域（橙色和白色）显示为较大的区域，而好区域（棕色）则显示为较小的部分，较长且围绕坏区域。我认为，当您看到许多较小的区域而较少的较大区域时，人们会认为较大的区域总和会更大。
错误计算是一个好主意。这是我为客户提供的快速（但可用）解决方案。连同该解决方案一起，我给了他们一些有关如何改进它的想法。我不想带走他们所有的乐趣。
感谢您的评论！
斯科特·摩尔（Scott Moore）写道：非常酷。有几点想法。e ...斯科特·摩尔写道：
很酷。有几点想法。眼睛非常擅长分析模式。我本来以为棕色看起来比图片要高35％。如果您先在分析之前进行假设，然后进行比较，那将很有趣。我还希望看到某种错误计算。很好的过程，但是是解决问题的好方法。
