本文介绍对图像中颗粒类型对象的分析。

前面介绍了点线面三种类型的目标测量。这里继续介绍颗粒（particle）这种类型的测量。particle 和 spot 都是比较小的对象，其区别在于，particle 稍微大一点，有不同的简单的形状，比如下方的短棒状。而 spot 的形状一般非常接近一个圆点。

所以针对 particle，我们可以使用更多的测量指标，比如面积，椭圆度等。

确定了测量指标之后，接下来需要设置 Threshold，可以使用快捷键 Ctrl+Shift+T，然后拖动滑块来调整参数，根据图像选中区域来做。

整个流程如上边的动图。Threshold之后，就点击 Analyze > Analyze Particles..，然后第一个是对颗粒的size进行筛选。这样就可以去除只有几个像素的噪点，以及聚集严重的团块。然后下方还可以对颗粒的圆度进行筛选，还能够选择有哪些输出结果。一般我会选择 display results，add to manager，然后因为细菌是实心的，所以还可以勾上 include holes。

分析完毕后，自动弹出 Results窗口，同时也会把各个particle 的roi记录保存到ROI管理器。接下来我们可以点击 Results 窗口中菜单栏的 Results > distribution 查看某一个 attribution 的分布情况，比如这里先查看这些大肠杆菌的 area 和 round 情况。

可以看到，大部分颗粒的面积是 0.592 平方微米（因为图像已经设置好了scale，所以这里自动换算为物理尺寸单位而不是像素单位），而颗粒的平均圆度是 0.489，符合大肠杆菌短棒状的特征。

此外，也可以在 Results > Plot 查看两个指标的散点分布图。如上图所示，我们选择了 Area 和 Round，这样就可以看出这两个属性的关系。可以看到，Area 大于1的若干颗粒，其Round是会变小的，这说明大肠杆菌长大时，主要是会变长而不是变粗。

这种颗粒分析也是非常实用的功能，不过ImageJ中提供的颗粒分析功能依赖于 Threshold，而这种 Threshold 是利用目标和背景的像素直方分布差异来实现的，虽然非常简单，但是在数据质量一般时，比较难获得很好的目标选中效果。为了实现 smart and correct selection（或者是 object detection），其实现在已经有不少AI工具可以利用，这个我们后面再说。