[[432947]]

基于JAVA開發(fā)的Weka是一款不錯的機器學習以及數(shù)據(jù)挖掘的開源軟件。在上一個文章(Top期刊中擬南芥高質(zhì)量摳圖，不用PS用這個，點點鼠標就搞定)當為大家介紹了一款神器ImageJ，而Weka也作為一個插件集成在該軟件中。

 

 

緊接著軟件彈窗提示打開圖片，我們這次訓練識別孢子模型，如下圖：

 

 

選擇圖片后即可進入WEKA界面。

該界面包括：

• 訓練欄：模型訓練(Train classifier)
• 選項欄：加載模型(Load classifier)、加載數(shù)據(jù)(Load Data)、新建類別(Create new class)、設(shè)置(Settings)
• 標簽欄：添加不同分類(此處分類默認兩個，可以在Settings中進行詳細設(shè)置)

 

 

我們進入設(shè)置，可以對類別進行重命名，這樣防止混亂。

 

 

模型訓練

接下來我們開始訓練模型

首先在ImageJ面板上選擇形狀選擇工具，圈選孢子并填入到孢子分類(紅色模塊)，同理分類背景(綠色模塊)。全選完畢后點擊模型訓練(Train classifier)等待機器訓練完畢。

 

 

 

 

短暫等待后，我們發(fā)現(xiàn)所有孢子都標紅，背景標綠。

 

 

模型訓練還不錯，但還需要進行微調(diào)。如相鄰較近的孢子被圈成一塊，我們需要將其分開，所以這次我們使用劃線分割并添加到背景標簽中，然后再次進行訓練。

 

 

再次訓練后的模型，此時的模型比上次更好，如果還不滿意，可以繼續(xù)微調(diào)。

 

 

 

個數(shù)統(tǒng)計

訓練完畢后選擇 Create result

 

 

點選后結(jié)果如下圖：

 

 

這時只需要這幾步操作：

1、Image→Type→8 bit

2、Image→Adjust→Threshold

3、拖動滑輪調(diào)節(jié)成 白背景 黑孢子如下圖

 

 

4、Process→Filters→Median

5、Process→Binary→Watershed

6、Analyze→Analyze Particles(注意：因為邊界上面有孢子，所以不勾選Exclude on edges)

 

 

計數(shù)結(jié)果如下圖：

 

 

模型保存與調(diào)用

• 保存模型：

我們再次回到WEKA界面，然后點擊 保存分類模型 (Save classifier)，文件格式是classifier.model

 

 

• 調(diào)用模型

使用WEKA打開新的孢子圖片后直接加載模型(Load classifier)，然后直接Create result 即可分析圖片，然后重復(fù) 個數(shù)統(tǒng)計 操作流程即可。

最后

清代彭端淑在《為學一首示子侄》說“天下事有難易乎?為之，則難者亦易矣;不為，則易者亦難矣。人之為學有難易乎?學之，則難者亦易矣;不學，則易者亦難矣。”