有一些朋友希望我能开课分享一下成像数据处理方面的经验。我有所意动，因为这样一方面能够梳理自己的技术体系，另外也能帮助更多人。但是因为这样或那样的原因，这个事情不断拖延到现在也没任何动静。

开课讲数据分析并不容易。虽然我大可以直接分享自己之前的各种案例。但从一个听众的角度看，可能我说的所有案例都不是他感兴趣的（同时也比较难懂），而且因为由于听众缺乏对案例所属项目的背景了解，也无法感受到那种通过分析抽提出数据里的重要信息，然后证明论文观点的喜悦与满足感。另外考虑到这是我第一次讲，也不适合讲那些涉及到很多技术细节的案例。

所以我认为刚开始更适合通俗易懂地讲一些入门的东西，对齐一些基本概念。这样有了一定基础之后，能够通过一些简单的操作满足最普遍最基础的成像数据处理需求，我觉得就实现了这个阶段开课讲成像数据分析之目的。

那么假定听众是一个刚进实验室刚学会使用显微镜的小白，他拿到了一些成像数据之后，需要学习什么？需要了解哪些基本概念呢？其实图像分析有非常多的书籍资料包括视频课程，但可能因为资料过于详细丰富，反而让初学者搞不清什么是重点。所以我觉得我分享经验的关键之处，就是按照我在一个化学生物方向实验室多年的经验，帮大家找出一个降本增效的学习路径，能够满足自己将来在相关研究领域的数据分析需求。

因此我打算不照本宣科，而是纯粹从自己的经验出发，整理出来一些内容来给大家分享。由于我在图像分析方面也是半路出家，所以如果有不专业或者不对的地方，还请批评指正。

成像数据处理，首先我觉得要搞清楚成像数据到底是什么。所以我先在第一篇博客中介绍了成像数据的维度和位深，指出其本质上就是数值矩阵。

我们通过成像数据记录了样品的时空变化，时空就包含了xyzt四个维度。然后对于不同的目标则通常用通道c这个纬度来表示。如此，五个维度的数据足以描述几乎所有样本的所有信号变化。

数字是成像数据的内在本质，而显示的图片是成像数据的外在表达，或者说可视化方法。所以我接着介绍了图像的对比度，伪彩等基本概念。并简单说明了如何合理地对成像数据进行可视化，即保证一致的对比度与选择合适的伪彩。

最后，当我们获得了一张好的图片的时候，还需要展示到论文中。这个时候对图像的裁剪缩放以及添加标尺也进行了简单的介绍。

在这部分的内容中，我并没有讲具体的成像数据分析。如同《舌尖上的中国》 那句经典旁白：“上好的食材往往只需要简单的烹饪”，我认为最好的成像数据分析就该是这个样子：把数据用 ImageJ 打开，调整下对比度和伪彩，然后加个scale bar就能放到论文里。但毫无疑问这对数据质量要求很高，要能够达到让人见图即懂无需分析的地步。

ImageJ是我觉得最适合初学者入门的图像分析工具，没有之一。ImageJ 在图像分析工具领域的地位，相当于C语言在编程语言界的地位。它开源免费多种操作系统都能使用这些优点自不必说。最重要的是它囊括了图像数据分析的方方面面，并且插件非常丰富，几十年至今开发者依然活跃。所以在介绍完一些基本概念后，接下来的第二部分内容，我会着重介绍 ImageJ 这个工具进行测量的基本用法。敬请期待。