ImageJ提供绘图和图像编辑功能，可以直接在软件上使用绘图工具创建新的图像，也可以对图像调整颜色，设置锐化参数，设置对比度，添加降噪，也可以减去图像背景，各种操作都直接在主程序菜单上找到相关的工具，并且会显示详细的文字说明，让用户在处理图像的时候获得更多帮助，这款软件功能界面都是比较简单的，基础的图像工具，图像分析工具使用都非常简单，无论是编辑图像还是增强图像都可以在ImageJ软件找到适合的工具，需要就下载吧！

软件功能

　　1、选择：

　　创建矩形、椭圆形或不规则区域选择。创建线和点选择。编辑选择并使用魔杖工具自动创建它们。绘制、填充、清除、过滤或测量选择。保存选择并将其传输到其他图像。

　　2、图像增强：

　　支持 8 位灰度和 RGB 彩色图像的平滑、锐化、边缘检测、中值滤波和阈值处理。交互式调整 8、16 和 32 位图像的亮度和对比度。

　　3、几何运算：

　　裁剪、缩放、调整大小和旋转。垂直或水平翻转。

　　4、分析：

　　测量所选区域或整个图像的面积、平均值、标准差、最小值和最大值。测量长度和角度。使用现实世界的测量单位，例如毫米。使用密度标准进行校准。生成直方图和剖面图。

　　5、编辑：

　　剪切、复制或粘贴图像或选区。使用 AND、OR、XOR 或“混合”模式进行粘贴。向图像添加文本、箭头、矩形、椭圆形或多边形。

　　6、颜色处理：

　　将 32 位彩色图像拆分为 RGB 或 HSV 分量。将 8 位组件合并为彩色图像。将 RGB 图像转换为 8 位索引颜色。将伪调色板应用于灰度图像。

　　7、堆栈：

　　在单个窗口中显示相关图像的“堆栈”。使用单个命令处理整个堆栈。以堆栈形式打开图像文件夹。将堆栈另存为多图像 TIFF 文件。

软件特色

　　1、到处运行：

　　ImageJ 是用 Java 编写的，这使得它可以在 Linux、Mac OS X 和 Windows 上以 32 位和 64 位模式运行。

　　2、开源：

　　ImageJ 及其 Java 源代码 可免费获取并属于 公共领域。无需许可证。

　　3、用户社区：

　　ImageJ 拥有庞大且知识渊博的全球用户社区。超过 1700 名用户和开发人员订阅了 ImageJ 邮件列表。

　　4、宏：

　　使用宏自动执行任务并创建自定义工具 。使用命令记录器生成宏代码 并使用 宏调试器对其进行调试。 ImageJ 网站上 提供了300 多个宏 。

　　5、插件：

　　通过使用 ImageJ 的内置文本编辑器和 Java 编译器开发插件来扩展 ImageJ。超过 500 个插件可供使用。

　　6、工具包：

　　使用 ImageJ 作为图像处理工具包（类库）来开发 applet、servlet或应用程序。

　　7、速度：

　　ImageJ 是世界上最快的纯 Java 图像处理程序。它可以在 0.1 秒内过滤 2048x2048 图像 ( * )。那就是每秒 4000 万像素！

　　8、数据类型：

　　8 位灰度或索引颜色、16 位无符号整数、32 位浮点和 RGB 颜色。

　　9、文件格式：

　　打开所有支持的数据类型并将其保存为 TIFF（未压缩）或原始数据。打开并保存 GIF、JPEG、BMP、PNG、PGM、FITS 和 ASCII。打开 DICOM。使用 URL 打开 TIFF、GIF、JPEG、DICOM 和原始数据。使用插件打开和保存许多其他格式 。

　　10、图片显示：

　　提供了用于缩放（1:32 至 32:1）和滚动图像的工具。所有分析和处理功能都可以在任何放大倍数下工作。

使用方法

　　斑点印迹分析

　　ImageJ 中有两种用于分析斑点印迹的内置方法。第一种是将每一行视为水平“泳道”，并使用 ImageJ 的凝胶分析功能。第二种是减去背景并测量每个点的综合密度。

　　图 1.原始斑点印迹。

　　此点印迹图像可在ImageJ 1.33 或更高版本的“ 文件/打开样本”菜单中找到。

　　图 2.剖面图。

　　这就是当您将斑点印迹中的每一行视为水平“泳道”并使用 ImageJ 手册中的凝胶分析程序时得到的结果。每个峰上的数字是相应点的大小占所有点总大小的百分比。启用“分析/凝胶/凝胶分析仪选项”对话框中的“反转峰”以避免出现颠倒的峰。

　　图 3.第一行的剖面图。

　　在第二种方法中，您可以通过绘制每个点的轮廓并使用“分析/测量” 命令来测量每个点的集成密度。此方法通常需要对图像进行背景校正，这可以使用“ 处理/减去背景”命令来完成。图 3 包含使用“减去背景” 命令并将滚球半径设置为 25 像素 进行背景校正之前和之后第一行点的轮廓图（分析/绘制轮廓）。

　　图 4.圆形选择和集成密度测量。

　　校正背景后，在“分析/设置测量”中启用“综合密度” ，创建一个圆形选区，将其拖动到第一个点上，按“m”（分析/测量），然后对其他 27 个点重复此操作。注意到图像现在有黑色背景了吗？它被反转（编辑/反转），因此背景像素值接近零，这是正确计算积分密度所必需的。您可以反转查找表（Image/Lookup Tables/Invert LUT）以恢复图像的原始外观。编辑/选项/图像中的“使用反转查找表”选项将反转像素数据并反转查找表。

　　图 5.使用图 (A) 和积分密度 (B) 得到的结果。

　　此电子表格中的第一列包含使用rsb.info.nih.gov/ij/docs/menus/analyze.html#gels 上的凝胶分析程序测量的 28 个点的积分密度（占总数的百分比） 。第二个包含通过使用 “处理/减去背景”进行背景校正、在“分析/设置测量”中选择“积分密度” ，然后使用圆形选择测量 28 个点中的每一个而获得的结果。

　　您还可以使用 Bob Dougherty 的 MicroArray Profile 插件以及 Gilles Carpentier 的ImageJ 点印迹分析仪工具集来分析点印迹和微阵列，这些工具集可在 ImageJ 网站的 Macros/toolsets 文件夹中找到 ，并记录在 image.bio.methods.free.fr /dotblot.html

　　FFT 滤波

　　这是您可以使用 fft 过滤的妙用之一。激光扫描共焦显微镜沿 X 轴扫描。如果激光器中存在噪声，那么这在相邻的 X 轴扫描中表现得最为明显。过滤交替 X 轴强度的频率可以清理图像。

　　Gilles Carpentier 从该合成图像中提取了原始 256x256 图像，并尝试重现结果。他还提供了几个用于消除水平条纹的宏。

　　图像处理工具包也在 photoshop 中执行此操作。

　　示例由阿尔伯特·爱因斯坦医学院分析成像设施的 Michael Cammer 提供。

　　测量 DNA 轮廓长度

　　这是如何测量使用原子力显微镜 (AFM) 获取的图像上 DNA 轮廓长度的示例。它需要 ImageJ 1.30 或更高版本。

　　图 1.沉积在云母上的 538 bp DNA 片段的 AFM 图像。

　　在此示例中，我们测量右下角 DNA 轮廓的长度。图像的视场宽度为500nm。该图像来自 M. Lysetska 等人，“UV 光损伤的 DNA 及其与人类复制蛋白 A 的相互作用：原子力显微镜研究”，Nucleic Acids Research，2002 年，第 1 卷。30，第 12 号 2686-2691 (nar.oupjournals.org/cgi/content/full/30/12/2686 )，经许可使用。

　　图 2.设置比例对话框。

　　使用“分析/设置比例”对话框定义空间比例。在“距离（像素）”字段中输入图像宽度，在“已知距离”字段中输入字段宽度，输入“nm”作为“长度单位”，然后单击“确定”。

　　图 3.缩放和空间校准图像。

　　使用放大镜工具放大要测量的 DNA 轮廓，在本例中为图像右下角的轮廓。要缩小，请右键单击或按住 Alt 键单击放大镜工具。

　　图 4. ImageJ 工具栏，其中选择了分段线工具。

　　这是 ImageJ 工具栏。使用分段线工具（左起第六个工具）勾勒出 DNA 轮廓。工具栏右端的三个工具是 工具宏。

　　图 5.选定的 DNA 轮廓。

　　使用分段线工具创建勾勒出 DNA 轮廓的线选择。要完成轮廓绘制，请右键单击、双击或单击起点处的框。可以通过单击并沿着轮廓拖动黑色和白色的小“手柄”来调整线条选择。

　　图 6.结果表。

　　最后，使用分析/测量命令测量 DNA 轮廓的长度，在本例中为 181nm。通过右键单击“结果”窗口，从弹出菜单中选择“全部复制”，切换到电子表格程序，然后粘贴，可以将测量结果传输到电子表格。

更新日志

　　1.53t 2022 年 8 月 24 日

　　感谢 Michael Schmid，分析>工具>分析线图 命令得到了极大的增强：

　　适用于所有图像类型。

　　空间校准读取正确。

　　读取每个 x 值（以像素为单位）的值。

　　未经校准，这些值是像素坐标，而不是像素坐标 + 0.5。

　　尝试遵循曲线，即使曲线相互交叉。

　　绘制（并列出）不同的曲线作为不同的数据集。

　　尊重非矩形选择而不是删除它们。

　　即使没有选择或任何编辑，也能产生一些可用的输出。

　　感谢 Thomas Laurent，String.format() 宏函数现在接受可变数量的数字参数。

　　感谢 Stein Rorvik，如果源是使用File>Import>Image Sequence或 File>Import>Stack from List 创建的虚拟堆栈，则Image>Stacks>Tools>Reduce命令会生成虚拟堆栈。

　　感谢 Nicolas De Francesco，图像>颜色>反转 LUT 命令（由“通道”工具使用）可用于非线性 LUT。

　　感谢 Volko Straub， 在对 32 位堆栈进行“平均”投影时， Image>Stacks>Z project命令会忽略 NaN。

　　感谢“Danielle_Z”，ImageJ 现在可以打开压缩的 BMP 图像。

　　感谢 Philippe Carl，单击“显示全部”时，不再在 Windows 上启用 ROI 管理器的“标签”复选框，并且在按住 Shift 或 Alt 键修改后，ROI 现在会在 ROI 管理器中自动更新。

　　感谢 Dennis Chang 和 Michael Schmid，添加了 is("FFT") 宏函数。

　　感谢 'Leonicolash' 和 Volker Backer，修复了导致 Table.sort() 宏函数在使用 saveAs("Results", path) 后失败的错误。

　　感谢 Daniel Leswasserman，修复了有时导致“文件”>“导入”>“图像序列”对话框的“目录：”字段太宽的错误。

　　感谢 Michael Schmid，修复了导致 Roi.getImageID() 方法抛出 NullPointerException 的错误。

　　修复了导致示例图像无法在使用 Java 1.8.0_172 的 Windows 10 上打开的错误。

　　感谢 Christophe Leterrier，修复了导致多通道图像的 32 位到 16 位转换无法按预期工作的错误。

　　感谢 Stein Rorvik，修复了导致“ 文件”>“导入”>“从列表堆栈”命令不保留 EXIF 数据的错误。

　　感谢 Stein Rorvik，修复了与使用覆盖层缩放堆栈相关的几个错误。

　　感谢 Fred Damen，修复了导致单点选择的 getStatistics().mean 值不正确的 1.52u 回归。

　　感谢 Mark Hiner，修复了有时会导致行选择范围太大的 1.53h 回归。