A review of the efficient algorithm implementation for image processing in the ImageJ environment

Michał Gumuła, Adam Piórkowski

Abstract


This article presents an implementation of additional functionality in the ImageJ environment for selected image processing algorithm. This environment is very popular among scientists, especially neuroscientists as a reference application for the analysis of images of microscopic images. The article presents some aspects of the characteristics of presented environment, and focuses particularly on ways of implementing new functionalities as an example the statistical dominance algorithm implementation. The details of performance solutions with discussion of the parallelization methodology, including experimental results, are considered.

Keywords


image processing; ImageJ

Full Text:

PDF (Polski)

References


Collins T.J.: ImageJ for microscopy. Biotechniques, Vol. 43 (1 Suppl), 2007, s. 25÷30.

Baecker V.: Workshop: Image processing and analysis with ImageJ and MRI Cell Image Analyzer. Montpellier RIO Imaging, Montpellier, France 2010.

Hartig S.M.: Basic image analysis and manipulation in ImageJ. Current protocols in molecular biology, 2013, s. 14÷15.

Schneider C.A., Rasband W.S., Eliceiri K.W.: NIH Image to ImageJ: 25 years of image analysis. Nature methods, Vol. 9(7), 2012, s. 671÷675.

Schindelin J., Arganda-Carreras I., Frise E., Kaynig V., Longair M., Pietzsch T., Preibisch S., Rueden C., Saalfeld S., Schmid B., Tinevez J.Y.: Fiji: an open-source platform for biological-image analysis. Nature methods, Vol. 9(7), 2012, s. 676÷682.

Miji Project homepage, http://imagej.net/Miji, dostęp: grudzień 2016.

Bailer W.: Writing ImageJ plugins – a tutorial. Upper Austria University of Applied Sciences, Austria 2006.

Piórkowski A.: A Statistical Dominance Algorithm for Edge Detection and Segmentation of Medical Images. AISC, Vol. 471, Springer, 2016, s. 3÷14.

Soille P.: Morphological Image Analysis: Principles and Applications. Springer-Verlag New York, USA 1999.

Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, 1997.

ImageJ Project documentation, http://imagej.nih.gov/ij/docs/, grudzień 2016.

Toub S.: Patterns of Parallel Programming. Understanding and Applying Parallel Patterns with the .Net Framework 4 and Visual Csharp. Parallel Computing Platform, Microsoft Corporation. Version February 16, 2010.

Eck D. J.: Introduction to programming using Java. 2006.

Augustyn D. R.: Wydajność mechanizmów modułu Parallel Computing Toolbox systemu Matlab w zrównoleglonej realizacji symulacji ruchu układów ciał w polu grawitacyjnym. Studia Informatica, Vol. 31, No. 4A, Gliwice 2010, s. 33÷74.

Augustyn D.R., Kunc S.: Efektywność programów przeznaczonych do symulacji ciągłych układów dynamicznych, wykorzystujących moduł Parallel Extensions to. NET Framework, uruchamianych na komputerach z procesorami wielordzeniowymi. Studia Informatica, Vol. 31, No. 3, Gliwice 2010, s. 53÷76.

Wójcicka A., Simiński R., Wróbel Z.: Analiza metod predykcji parametrów zgrzewania złącz metodą Friction Stir Welding. Studia Informatica, Vol. 35, No. 2, Gliwice 2014, s. 91÷100.




DOI: http://dx.doi.org/10.21936/si2017_v38.n2.805