Introdução
Obrigado por utilizar o pacote ExpImage. Este pacote foi desenvolvido a fim de facilitar o uso da analise de imagens na obtenção de várias informações sobre os objetos que elas contém. Para a utilização do pacote é indispensável a instalação do pacote EBImage. Geralmente, este pacote pode ser instalado ao executar os seguintes comandos:
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("EBImage")
Porém se houver problemas na instalação sugerimos que consulte mais opções de instalação no site: https://bioconductor.org/packages/release/bioc/html/EBImage.html
Para instalar o pacote ´ExpImage´ basta utilizar o seguinte comando:
install.packages("ExpImage")
Convidamos a todos os usuários do ExpImage que venha conhecer nossos materiais didáticos sobre este e outros pacotes nos seguintes links:
https://www.youtube.com/channel/UCDGyvLCJnv9RtTY1YMBMVNQ
https://www.expstat.com/
Abrindo as imagens no R
Ativação dos pacotes
Após a instalação dos pacotes é necessário fazer sua ativação:
library(EBImage)
library(ExpImage)
#> Loading required package: raster
#> Loading required package: sp
Abrindo as imagens.
Para abrir as imagens pode-se inicialmente indicar a pasta de trabalho onde a imagem se encontra com a função setwd. E, posteriormente, abrir a imagem com a função read_image.
Neste caso, poderiam ser utilizados comandos como esses:
#Apagar memoria do R
remove(list=ls())
#Indicar a pasta de trabalho
setwd("D:/Backup Pendrive/")
im=read_image("Imagem.jpeg",plot=TRUE)
Neste exemplo utilizaremos uma imagem contida no banco de dados do pacote.
end1=example_image(10)
im=read_image(end1,plot=TRUE)
Segmentação
Para resolver este problema nós vamos fazer duas segmentações. A primeira para obter os pixeis referente apenas à parte aérea. A segunda segmentação será feita para obter os pixeis correspondente apenas à parte radicular.
Para isso, vamos primeiramente escolher a melhor banda para trabalharmos:
#Selecionando o melhor indice para a segmentacao
r=gray_scale(im,method = "r",plot=T)
g=gray_scale(im,method = "g",plot=T)
b=gray_scale(im,method = "b",plot=T)
Como foi possível observar, a banda de azul possibilita um bom contraste da plântula do fundo. Logo, vamos escolher um valor de limiar pela tentativa e erro.
Outra opção de explorar outros possíveis índices é por meio do seguinte comando:
plot_indexes(im,NumberCores=2)
Segmentação da parte radicular
Seg=segmentation(b,treshold = 0.65,selectHigher = TRUE,fillHull = TRUE,plot = TRUE)
Quando se utiliza um limiar de 0.65 torna-se possivel separar apenas os pixels correspondentes às raízes.
A partir dessa imagem segmentada pode-se obter o comprimento da radícula a partir da contagem de pixels após o thinning:
radicula=thinning_image(Seg,plot = TRUE)
#> Warning in class(x) <- "matrix": Setting class(x) to "matrix" sets attribute to
#> NULL; result will no longer be an S4 object
#Obtenção do comprimento da raiz em pixels
sum(radicula)
#> [1] 847
Para a melhor visualização do eixo obtido pelo thinning podemos apresenta-lo sobre a imagem:
im2=mask_pixels(im,TargetPixels=radicula==1,col.TargetPixels = "red",plot=F)
im3=join_image(im,im2,plot=T)
Segmentação da parte aérea
Vamos escolher um novo limiar para conseguir separar o que é parte aérea.
Seg2=segmentation(b,treshold = 0.5,selectHigher = FALSE,fillHull = TRUE,plot=TRUE)
É possível observar muito ruído. Este problema pode ser amenizado utilizando a função erode do EBImage:
Seg2b=EBImage::erode(Seg2)
EBImage::display(Seg2b)
Agora é possível fazer o thinning considerando os pixels correspondentes à parte aérea:
PA=thinning_image(Seg2b,plot = TRUE)
#> Warning in class(x) <- "matrix": Setting class(x) to "matrix" sets attribute to
#> NULL; result will no longer be an S4 object
#Obtenção do comprimento da raiz em pixels
sum(PA)
#> [1] 683
Para a melhor visualização podemos destacar em azul o eixo correspondente ao thinning:
im4=mask_pixels(im,TargetPixels=PA==1,plot=F,)
im4=join_image(im,im4,plot=T)
A unidade de medidas dos comprimentos está em pixels, mas podem ser convertido para cm quando se tem um objeto de referencia na imagem ou se sabe a área da imagem escaneada.