Analyse sur les images#
Cette section décrit les fonctionnalités d’analyse d’images disponibles dans DataLab.
Voir aussi
Opérations sur les images pour plus d’informations sur les opérations pouvant être effectuées sur les images, ou Traitement des images pour des informations sur les fonctionnalités de traitement des images.

Capture d’écran du menu Analyse ».#
Lorsque le « Panneau Image » est sélectionné, les menus et barres d’outils sont mis à jour pour fournir les actions liées aux images.
Le menu Analyse » permet d’effectuer divers calculs sur l’image courante ou sur un groupe d’images. Il permet également de calculer des statistiques, le barycentre, de détecter des pics, des contours, etc.
Note
Dans le vocabulaire de DataLab, une « analyse » est une fonctionnalité de calcul d’un résultat scalaire à partir d’une image. Ce résultat est stocké sous la forme de métadonnées, et donc attaché à l’image. C’est différent d’un « traitement » qui crée une nouvelle image à partir d’une image existante.
Statistiques#
Calcule des statistiques sur les images sélectionnées et affiche un tableau récapitulatif.

Exemple de tableau récapitulatif de statistiques : chaque ligne est associée à une ROI (à l’exception de la première qui correspond aux statistiques calculées sur la totalité des données).#
Histogramme#
Calcule l’histogramme de l’image sélectionnée et l’affiche dans le panneau Signal.
Paramètres :
Paramètre |
Description |
---|---|
Classes |
Nombre de classes |
Limite inférieure |
Limite inférieure de l’histogramme |
Limite supérieure |
Limite supérieure de l’histogramme |

Exemple d’histogramme.#
Barycentre#
Calcule le barycentre en utilisant une méthode basée sur la transformée de Fourier (telle que décrite dans Weisshaar et al.). Cette méthode présente l’avantage d’être peu sensible au bruit de fond.
Centre du cercle minimum#
Calcule le contour circulaire entourant les valeurs de l’image au-delà d’un seuil (moitié du maximum de l’image).
Détection de pics 2D#
Détecte automatiquement des pics sur une image en utilisant un algorithme basé sur des filtres minimum-maximum.

Exemple de détection de pics 2D.#
Voir aussi
Voir Détection de pics 2D pour plus de détails sur l’algorithme et les paramètres associés.
Détection de contours#
Détecte automatiquement les contours et ajuste ces derniers par des cercles ou des ellipses, ou les représente directement par des polygones.

Exemple de détection de contours.#
Voir aussi
Voir Détection de contours pour plus de détails sur l’algorithme et les paramètres associés.
Note
Les résultats de calcul scalaires sont systématiquement stockés dans les métadonnées. Les métadonnées sont attachées à l’image et sérialisées avec cette dernière par exemple lors de l’export d’une session de DataLab vers un fichier HDF5.
Transformée de Hough circulaire#
Détection de formes circulaires à partir d’une tranformée de Hough (implémentation basée sur skimage.transform.hough_circle_peaks)
Détection de taches#
- Détection de taches (DOG)
Détection de taches basée sur la méthode de différence de gaussienne (DOG) (implementation basée sur skimage.feature.blob_dog).
- Détection de taches (hessien)
Détection de taches basée sur la méthode du discriminant hessien (implementation basée sur skimage.feature.blob_doh).
- Détection de taches (LOG)
Détection de taches basée sur la méthode du laplacien de gaussienne (LOG) (implementation basée sur skimage.feature.blob_log).
- Détection de taches (OpenCV)
Détection de taches basée sur l’implémentation OpenCV de SimpleBlobDetector.
Afficher les résultats#
Affiche les résultats de toutes les analyses effectuées sur les images sélectionnées. Cela affiche le même tableau que celui affiché après avoir effectué un calcul.
Tracer les résultats#
Trace les résultats des analyses effectuées sur les images sélectionnées, avec des axes X et Y définis par l’utilisateur (p.ex. trace le rayon du cercle de contour en fonction du numéro de l’image).