首页 / 功能 / 图像分析

ImageJ图像分析 - 计数与共定位实战

从「数得准」到「算得对」:图像定量分析两大高频任务的操作要点与避坑指南。

自动计数:Analyze Particles 参数精调

基础流程见 使用教程 第四步。这里解决「数不准」的四个关键参数:

计数前后务必开 Overlay(Show 下拉选 Outlines)逐个人工抽查——自动计数永远需要抽检报告比例。

分割粘连目标的进阶手段

  1. 距离变换 + Watershed:Process → Binary → Distance Map 后再 Watershed,比直接分割稳;
  2. 形状先验:明确目标近圆形时,用 Process → Binary → Options 调整迭代腐蚀开运算去桥接;
  3. 复杂背景上 ML 分割:Trainable Weka Segmentation 画几笔正负样本即可训练,见 学习中心 第 11 课。

荧光共定位:Coloc 2 的正确打开方式

通道拆分

Image → Color → Split Channels 得到两个单通道 32-bit 图。

背景扣除

对两通道分别用 Process → Subtract Background…(rolling ball 50 起试)。

限定 ROI

在细胞区域内做选区——整幅图算共定位会把大片背景算进去,是新手最常见的错误结论来源。

运行 Coloc 2

Analyze → Colocalization → Coloc 2,勾选 Manders 与 Costes 显著性检验,导出 PDF 报告。

结果解读:Pearson r 只反映线性相关强度;Manders M1/M2 分别表示「A 中有多少比例落在 B 阳性区」,生物学解释更直观,但阈值选择必须配合 Costes 随机化验证。

结果统计与导出

Results 表 → File → Save As 导出 CSV;多组实验保持参数一致,把组别信息加在 Display label 前缀里,R/Python 读表即可直接分箱统计。整目录批处理见 宏编程页。