Introduit ImageJ, couvrant l'installation, l'affichage d'image, l'enregistrement macro, les avantages Fidji, la communauté, les plugins et les scripts.
Explore les techniques de filtrage d'images, y compris les filtres linéaires et non linéaires, pour l'élimination des artefacts et l'amélioration des fonctionnalités.
Couvre la définition des mesures, la gestion des résultats, l'utilisation des fonctions de langage macro, l'obtention de statistiques et l'enregistrement des résultats sous forme de fichiers CSV.
Explore des images avec plus de deux dimensions, discutant de la taille, du temps de traitement et des défis dans la gestion des données multidimensionnelles.
Couvre les opérations mathématiques dans le traitement de l'image, y compris la normalisation, l'aplatissement de l'intensité et les opérations image à image.
Couvre le redécoupage, une méthode pour convertir des ensembles de données 3D en images 2D en extrayant des valeurs d'intensité le long d'une ligne, et ses applications dans l'analyse des objets en mouvement et des relations spatiales.
Explore les techniques de segmentation dans l'analyse d'images, y compris le seuillage, le clustering, la croissance régionale et l'apprentissage automatique.
Couvre les bases des tableaux dans ImageJ, y compris la définition, la déclaration et la récupération de valeurs, en mettant l'accent sur l'utilisation de noms significatifs.
Se penche sur le choix d'une taille de caractéristique appropriée pour l'analyse d'images dans les sciences de la vie, présentant une règle de pouce pour définir la taille de l'objet en pixels.