ImageJ提供繪圖和圖像編輯功能，可以直接在軟件上使用繪圖工具創建新的圖像，也可以對圖像調整顏色，設置銳化參數，設置對比度，添加降噪，也可以減去圖像背景，各種操作都直接在主程序菜單上找到相關的工具，并且會顯示詳細的文字說明，讓用戶在處理圖像的時候獲得更多幫助，這款軟件功能界面都是比較簡單的，基礎的圖像工具，圖像分析工具使用都非常簡單，無論是編輯圖像還是增強圖像都可以在ImageJ軟件找到適合的工具，需要就下載吧！

軟件功能

　　1、選擇：

　　創建矩形、橢圓形或不規則區域選擇。創建線和點選擇。編輯選擇并使用魔杖工具自動創建它們。繪制、填充、清除、過濾或測量選擇。保存選擇并將其傳輸到其他圖像。

　　2、圖像增強：

　　支持 8 位灰度和 RGB 彩色圖像的平滑、銳化、邊緣檢測、中值濾波和閾值處理。交互式調整 8、16 和 32 位圖像的亮度和對比度。

　　3、幾何運算：

　　裁剪、縮放、調整大小和旋轉。垂直或水平翻轉。

　　4、分析：

　　測量所選區域或整個圖像的面積、平均值、標準差、最小值和最大值。測量長度和角度。使用現實世界的測量單位，例如毫米。使用密度標準進行校準。生成直方圖和剖面圖。

　　5、編輯：

　　剪切、復制或粘貼圖像或選區。使用 AND、OR、XOR 或“混合”模式進行粘貼。向圖像添加文本、箭頭、矩形、橢圓形或多邊形。

　　6、顏色處理：

　　將 32 位彩色圖像拆分為 RGB 或 HSV 分量。將 8 位組件合并為彩色圖像。將 RGB 圖像轉換為 8 位索引顏色。將偽調色板應用于灰度圖像。

　　7、堆棧：

　　在單個窗口中顯示相關圖像的“堆棧”。使用單個命令處理整個堆棧。以堆棧形式打開圖像文件夾。將堆棧另存為多圖像 TIFF 文件。

軟件特色

　　1、到處運行：

　　ImageJ 是用 Java 編寫的，這使得它可以在 Linux、Mac OS X 和 Windows 上以 32 位和 64 位模式運行。

　　2、開源：

　　ImageJ 及其 Java 源代碼 可免費獲取并屬于 公共領域。無需許可證。

　　3、用戶社區：

　　ImageJ 擁有龐大且知識淵博的全球用戶社區。超過 1700 名用戶和開發人員訂閱了 ImageJ 郵件列表。

　　4、宏：

　　使用宏自動執行任務并創建自定義工具 。使用命令記錄器生成宏代碼 并使用 宏調試器對其進行調試。 ImageJ 網站上 提供了300 多個宏 。

　　5、插件：

　　通過使用 ImageJ 的內置文本編輯器和 Java 編譯器開發插件來擴展 ImageJ。超過 500 個插件可供使用。

　　6、工具包：

　　使用 ImageJ 作為圖像處理工具包（類庫）來開發 applet、servlet或應用程序。

　　7、速度：

　　ImageJ 是世界上最快的純 Java 圖像處理程序。它可以在 0.1 秒內過濾 2048x2048 圖像 ( * )。那就是每秒 4000 萬像素！

　　8、數據類型：

　　8 位灰度或索引顏色、16 位無符號整數、32 位浮點和 RGB 顏色。

　　9、文件格式：

　　打開所有支持的數據類型并將其保存為 TIFF（未壓縮）或原始數據。打開并保存 GIF、JPEG、BMP、PNG、PGM、FITS 和 ASCII。打開 DICOM。使用 URL 打開 TIFF、GIF、JPEG、DICOM 和原始數據。使用插件打開和保存許多其他格式 。

　　10、圖片顯示：

　　提供了用于縮放（1:32 至 32:1）和滾動圖像的工具。所有分析和處理功能都可以在任何放大倍數下工作。

使用方法

　　斑點印跡分析

　　ImageJ 中有兩種用于分析斑點印跡的內置方法。第一種是將每一行視為水平“泳道”，并使用 ImageJ 的凝膠分析功能。第二種是減去背景并測量每個點的綜合密度。

　　圖 1.原始斑點印跡。

　　此點印跡圖像可在ImageJ 1.33 或更高版本的“ 文件/打開樣本”菜單中找到。

　　圖 2.剖面圖。

　　這就是當您將斑點印跡中的每一行視為水平“泳道”并使用 ImageJ 手冊中的凝膠分析程序時得到的結果。每個峰上的數字是相應點的大小占所有點總大小的百分比。啟用“分析/凝膠/凝膠分析儀選項”對話框中的“反轉峰”以避免出現顛倒的峰。

　　圖 3.第一行的剖面圖。

　　在第二種方法中，您可以通過繪制每個點的輪廓并使用“分析/測量” 命令來測量每個點的集成密度。此方法通常需要對圖像進行背景校正，這可以使用“ 處理/減去背景”命令來完成。圖 3 包含使用“減去背景” 命令并將滾球半徑設置為 25 像素 進行背景校正之前和之后第一行點的輪廓圖（分析/繪制輪廓）。

　　圖 4.圓形選擇和集成密度測量。

　　校正背景后，在“分析/設置測量”中啟用“綜合密度” ，創建一個圓形選區，將其拖動到第一個點上，按“m”（分析/測量），然后對其他 27 個點重復此操作。注意到圖像現在有黑色背景了嗎？它被反轉（編輯/反轉），因此背景像素值接近零，這是正確計算積分密度所必需的。您可以反轉查找表（Image/Lookup Tables/Invert LUT）以恢復圖像的原始外觀。編輯/選項/圖像中的“使用反轉查找表”選項將反轉像素數據并反轉查找表。

　　圖 5.使用圖 (A) 和積分密度 (B) 得到的結果。

　　此電子表格中的第一列包含使用rsb.info.nih.gov/ij/docs/menus/analyze.html#gels 上的凝膠分析程序測量的 28 個點的積分密度（占總數的百分比） 。第二個包含通過使用 “處理/減去背景”進行背景校正、在“分析/設置測量”中選擇“積分密度” ，然后使用圓形選擇測量 28 個點中的每一個而獲得的結果。

　　您還可以使用 Bob Dougherty 的 MicroArray Profile 插件以及 Gilles Carpentier 的ImageJ 點印跡分析儀工具集來分析點印跡和微陣列，這些工具集可在 ImageJ 網站的 Macros/toolsets 文件夾中找到 ，并記錄在 image.bio.methods.free.fr /dotblot.html

　　FFT 濾波

　　這是您可以使用 fft 過濾的妙用之一。激光掃描共焦顯微鏡沿 X 軸掃描。如果激光器中存在噪聲，那么這在相鄰的 X 軸掃描中表現得最為明顯。過濾交替 X 軸強度的頻率可以清理圖像。

　　Gilles Carpentier 從該合成圖像中提取了原始 256x256 圖像，并嘗試重現結果。他還提供了幾個用于消除水平條紋的宏。

　　圖像處理工具包也在 photoshop 中執行此操作。

　　示例由阿爾伯特·愛因斯坦醫學院分析成像設施的 Michael Cammer 提供。

　　測量 DNA 輪廓長度

　　這是如何測量使用原子力顯微鏡 (AFM) 獲取的圖像上 DNA 輪廓長度的示例。它需要 ImageJ 1.30 或更高版本。

　　圖 1.沉積在云母上的 538 bp DNA 片段的 AFM 圖像。

　　在此示例中，我們測量右下角 DNA 輪廓的長度。圖像的視場寬度為500nm。該圖像來自 M. Lysetska 等人，“UV 光損傷的 DNA 及其與人類復制蛋白 A 的相互作用：原子力顯微鏡研究”，Nucleic Acids Research，2002 年，第 1 卷。30，第 12 號 2686-2691 (nar.oupjournals.org/cgi/content/full/30/12/2686 )，經許可使用。

　　圖 2.設置比例對話框。

　　使用“分析/設置比例”對話框定義空間比例。在“距離（像素）”字段中輸入圖像寬度，在“已知距離”字段中輸入字段寬度，輸入“nm”作為“長度單位”，然后單擊“確定”。

　　圖 3.縮放和空間校準圖像。

　　使用放大鏡工具放大要測量的 DNA 輪廓，在本例中為圖像右下角的輪廓。要縮小，請右鍵單擊或按住 Alt 鍵單擊放大鏡工具。

　　圖 4. ImageJ 工具欄，其中選擇了分段線工具。

　　這是 ImageJ 工具欄。使用分段線工具（左起第六個工具）勾勒出 DNA 輪廓。工具欄右端的三個工具是 工具宏。

　　圖 5.選定的 DNA 輪廓。

　　使用分段線工具創建勾勒出 DNA 輪廓的線選擇。要完成輪廓繪制，請右鍵單擊、雙擊或單擊起點處的框。可以通過單擊并沿著輪廓拖動黑色和白色的小“手柄”來調整線條選擇。

　　圖 6.結果表。

　　最后，使用分析/測量命令測量 DNA 輪廓的長度，在本例中為 181nm。通過右鍵單擊“結果”窗口，從彈出菜單中選擇“全部復制”，切換到電子表格程序，然后粘貼，可以將測量結果傳輸到電子表格。

更新日志

　　1.53t 2022 年 8 月 24 日

　　感謝 Michael Schmid，分析>工具>分析線圖 命令得到了極大的增強：

　　適用于所有圖像類型。

　　空間校準讀取正確。

　　讀取每個 x 值（以像素為單位）的值。

　　未經校準，這些值是像素坐標，而不是像素坐標 + 0.5。

　　嘗試遵循曲線，即使曲線相互交叉。

　　繪制（并列出）不同的曲線作為不同的數據集。

　　尊重非矩形選擇而不是刪除它們。

　　即使沒有選擇或任何編輯，也能產生一些可用的輸出。

　　感謝 Thomas Laurent，String.format() 宏函數現在接受可變數量的數字參數。

　　感謝 Stein Rorvik，如果源是使用File>Import>Image Sequence或 File>Import>Stack from List 創建的虛擬堆棧，則Image>Stacks>Tools>Reduce命令會生成虛擬堆棧。

　　感謝 Nicolas De Francesco，圖像>顏色>反轉 LUT 命令（由“通道”工具使用）可用于非線性 LUT。

　　感謝 Volko Straub， 在對 32 位堆棧進行“平均”投影時， Image>Stacks>Z project命令會忽略 NaN。

　　感謝“Danielle_Z”，ImageJ 現在可以打開壓縮的 BMP 圖像。

　　感謝 Philippe Carl，單擊“顯示全部”時，不再在 Windows 上啟用 ROI 管理器的“標簽”復選框，并且在按住 Shift 或 Alt 鍵修改后，ROI 現在會在 ROI 管理器中自動更新。

　　感謝 Dennis Chang 和 Michael Schmid，添加了 is("FFT") 宏函數。

　　感謝 'Leonicolash' 和 Volker Backer，修復了導致 Table.sort() 宏函數在使用 saveAs("Results", path) 后失敗的錯誤。

　　感謝 Daniel Leswasserman，修復了有時導致“文件”>“導入”>“圖像序列”對話框的“目錄：”字段太寬的錯誤。

　　感謝 Michael Schmid，修復了導致 Roi.getImageID() 方法拋出 NullPointerException 的錯誤。

　　修復了導致示例圖像無法在使用 Java 1.8.0_172 的 Windows 10 上打開的錯誤。

　　感謝 Christophe Leterrier，修復了導致多通道圖像的 32 位到 16 位轉換無法按預期工作的錯誤。

　　感謝 Stein Rorvik，修復了導致“ 文件”>“導入”>“從列表堆?！泵畈槐Ａ?EXIF 數據的錯誤。

　　感謝 Stein Rorvik，修復了與使用覆蓋層縮放堆棧相關的幾個錯誤。

　　感謝 Fred Damen，修復了導致單點選擇的 getStatistics().mean 值不正確的 1.52u 回歸。

　　感謝 Mark Hiner，修復了有時會導致行選擇范圍太大的 1.53h 回歸。