还是上次那张拥有大量颗粒的图像，不同是这次不对颗粒计数，而是统计单颗粒另外两个重要的属性，也就是坐标和数值。

第一版的代码比较简单，这里还是说明一下：

• requires() 是因为不同 ImageJ 版本中，内置函数或者 run 的command 可能不一致，我这段代码仅在这个版本中测试过。
• 然后中间的就是 Find Maxima 的命令行版本，不再赘述。
• 接着的for 循环中，有一个nResults 的关键词，就是当前 Results 窗口中的数据行数
• 可以通过 getResult(column_name, index) 的方法从 Results 表格中取值
• 可以通过 setResult() 方法来填写 Results 表格
  可以看到这里边显示的 Value 都是负数，这是因为这是一张 RGB 图像。

计算机中用于表示颜色有多种方法，常见的就是三元组，例如(255,0,0) 就分别代表在 Red，Green 和 Blue 三个颜色通道的分量，那么这个三元组表示的就是红色。也有使用十六进制的，那么就变成了 #ff0000 。但这里的像素值显示的是负数，就让人搞不懂了。查了一下，ImageJ用的是十六进制的，但是要使用位运算才能转换为直观的(R,G,B)三元组。那么修改后的代码如下：

但是这里又带来一个新问题，RGB是计算机友好的颜色表达方式，有三个值。而我们人类日常描述一个颜色，蓝黄红绿橙，就一个值。如果我们想对颜色进行分类，语言中很好分类，但是如果用 RGB 来，就涉及比较复杂的判断。例如黄色是由红色和绿色组成的，判断红色，可能就需要 R 和 G 两通道明显大于 B 通道。而且因为 RGB 颜色空间并非与我们所谓的颜色的概念是线性映射的，所以使用 RGB 来做进一步的基于颜色的分类就比较困难。

好在还有其它的色彩空间，比如HSB色彩空间。其中H代表 Hue，是色度的意思；S代表 Saturation，代表颜色的饱和度；B代表Brightness，代表亮度。通过 HSB，就把像素的亮度和颜色分开了。HSB色彩空间不多科普，而 RGB到HSB的转换，使用 ImageJ 的 Macro 来编写的换算函数，这里我们直接调用就行：

直接在 ImageJ 中快速作图查看下 Hue 和 Brightness 的相关性，

可以看到大部分颗粒颜色色度在 180-250 之间，亮度在40-110 之间，这说明大部分点都是比较暗的偏蓝色的点。

那么这个确实是符合我们人眼的感受的。