如果要统计图像中不同区域内的颗粒数量，该怎么做？

在前面我们已经介绍了如何找点（Find Maxima），可以快速获得点的坐标和数量。但那种是对整张图像进行的操作。有些时候，我们希望统计的是感兴趣区域内的颗粒数量。比如统计细胞内的颗粒信号数量。这个时候怎么做呢？

其实 Find Maxima 是支持 ROI 的，也就是当有某个 ROI 或者 selection 处于 active 状态，那么 Find Maxima 只会对 ROI 内部的区域进行 spot 搜索定位。

以上是纯手动操作进行的演示：选区，点击Find Maxima，然后找个记事本记下有多少个颗粒。但如果选区比较多，我们就要一遍又一遍地重复上述几个步骤。这样做效率很低，所以我们最好能够对其中的某些部分进行自动化。

事实上，我们可以很容易地分析出，上述步骤中，选区是手动的，而 Find Maxima 是自动的。所以可以集中手动选区，保存到 ROI 管理器中，然后对ROI进行遍历，自动 Find Maxima，从而完成一套半自动的处理流程。这样做的好处就是，我们不用来回地在多个步骤中切换，只需要做好人工选取感兴趣区域即可。

作为教程，为了让大家能够更好地掌握这种拆解问题的基本思路，所以这里说得多一点。而且作为ImageJ进阶教程，还有为引导大家编程入门的企图，希望用户能够从手动，逐步转向半自动到全自动的大数据分析。那么这样一个过程，本质上就是不断拆解问题，利用现成的算法，一小部分一小部分地实现自动化。所以能否把一个问题恰当地拆解，对于学习编程来说至关重要。

这里作为演示，我就先通过一段简单的代码自动生成若干规则的矩形ROI。一方面是因为懒，另外一方面这样也可以多讲一点和 ImageJ Macro 编程的内容。

比如：我要把这个图像大致均等划分为 5x3 这么多个矩形区域，怎么弄呢？先看效果。

再放代码：

简单说明一下：

• 通过内置函数 getWidth() 和 getHeight() 获得当前图像窗口的宽和长（像素单位）
• 确定要均等分割的数量，然后根据这个自动计算分区的长和宽，并且取整数
• 行列遍历，两层for循环，通过内置 makeRectangle() 创建矩形ROI
• 为了方便后续操作，保存到ROI管理器
• 为了方便演示，增加了wait() 等待时间

然后我们就可以按照ROI 进行分区统计了，先放效果：

再放对应的代码：

• 可以通过命令获得当前ROI管理器中存在多少个选区
• 然后按顺序对ROI进行遍历选中
• 然后调用 Find Maxima命令，其中 prominence可以根据实际情况调整，output指定为 Count
• 同时把ROI的序号也加入到 Results中

通过这前后两段代码可以看到，创建选区好像比针对选区进行测量还要复杂一点。这很正常。在真实的数据分析中，创建选区有另外一个说法叫做图像分割。在小规模数据分析时代，我们通常靠人工手动分割感兴趣的不规则形状区域，只要被统计区域数量能满足比如 t 检验要求的N值（通常小于100）即可。而在大数据分析时代，手动分割已经逐渐被各类兴起的卷积神经网络所替代，例如U-Net之类的。这个后面有时间也可以谈一谈。

不过我想提醒的是，即便神经网络模型已经变得很好用，在对大规模数据进行批量处理之前，还是需要人工手动对少量数据抽样进行预分析。这是因为抽样预分析能够比较快速，直接地了解数据大致情况，这有助于帮助确定大规模数据分析的关键步骤方法。