imageJ二次开发之旅 – imageJ开源项目介绍

简介: imageJ二次开发之旅 – imageJ开源项目介绍imageJ起源:imageJ项目最初是由NIH(NationalInstitutes of Health,美国国家卫生研究院)在1997发起的,其目的是提供一个跨平台、高效、稳定可运行的Java图像处理工具。

imageJ二次开发之旅 – imageJ开源项目介绍

imageJ起源:

imageJ项目最初是由NIH(NationalInstitutes of Health,美国国家卫生研究院)在1997发起的,其目的是提供一个跨平台、高效、稳定可运行的Java图像处理工具。经过多年发展在imageJ的基础上已经孕育出多个分支开源项目包括imageJ1.x、imageJ2.x、Fiji等成功的开源项目,


imageJ的产生是地地道道的一个人的项目产物。最初的开发者只有一个人Wayne Rasband,他为美国国家卫生研究院做了40年的码农,此君已经于2010退休了。而imageJ则通过开源社区不断贡献出新插件从而功能更加的丰富、实用性更强,已经获得一大批的忠实用户与追随者。


ImageJ项目特征:

ImageJ能够走到今天,得到图像处理开发者认可与使用,主要原因在于开放源代码与插件机制,其中imageJ的插件机制允许开发者自己开发相关算法并集成到已经存在的imageJ应用程序中,这样就减轻了算法开发者的工作量同时避免了很多重复劳动。另外一个重要机制就是宏(macros),通过宏机制,根据脚本语言,imageJ就可以借助分布式计算发挥Java跨平台的强大运算能力,特别适合处理大型多维图像。此外imageJ由于是早期的Java语言开发GUI都是借助于awt组件完成,跟现在的java swing有点格格不入,所以imageJ迁移到GitHub上之后有产生了imagej-swing的项目分支。如果GUI都能换成swing的,我相信imageJ将会在更多的项目中得到集成运用。imageJ项目主页:http://imagej.net/Home。同时ImageJ支持多种图像格式文件的IO读写,是一个非常好的图像文件读写支持库。所以imageJ主要特征可以总结如下:

-         基于插件机制调用所有的图像处理算法程序,实现了UI层与算法计算的分离

-         强大的插件功能与宏脚本定义功能

-         基于AWT的GUI库。

-         支持几乎所有常见的图像格式IO读写

 

imageJ源代码下载与运行

访问地址https://github.com/imagej选择ImageJA主页之后选择downloadzip即可,如果你已经安装Eclipse4.0以上版本,就可以选择maven项目之后直接导入解压缩的源代码即可,在IDE中直接运行ij包下的ImageJ.java即可。显示出现的界面如下:


点击文件菜单打开一张图像,显示如下:


选择[Process]->[Filters]-[Gaussian Blur](高斯模糊),弹出高斯参数输入对话框,直接按确认即可得到模糊之后的图像如下:


完整的导入工程目录结构如下:


目录
相关文章
|
资源调度 算法 JavaScript
Python基础专题 - 超级详细的 Random(随机)原理解析与编程实践
Python基础专题 - 超级详细的 Random(随机)原理解析与编程实践
1455 0
|
4月前
|
机器学习/深度学习 数据采集 算法
Python AutoML框架选型攻略:7个工具性能对比与应用指南
本文系统介绍了主流Python AutoML库的技术特点与适用场景,涵盖AutoGluon、PyCaret、TPOT、Auto-sklearn、H2O AutoML及AutoKeras等工具,帮助开发者根据项目需求高效选择自动化机器学习方案。
367 1
|
Linux 容器 Docker
环境异常解决方案-CentOS安装软件包找不到镜像
  今天准备搭建一套Docker环境,先安装了一个CentOS 7.2的虚拟机,然后使用【yum】命令来装其他的软件包,出现了如下消息: Loaded plugins: fastestmirror, langpacks One of the ...
2404 0
|
运维 虚拟化 Windows
VMware Workstation常见的故障处理
关于VMware Workstation常见故障处理的指南,包括Windows 10开启虚拟机蓝屏问题的解决方案和虚拟机无法开机时的解决方法。
610 21
VMware Workstation常见的故障处理
|
分布式计算 算法 Java
imageJ二次开发之旅 – imageJ开源项目介绍
imageJ二次开发之旅 – imageJ开源项目介绍
436 2
|
10月前
|
算法
基于模糊PI控制算法的龙格库塔CSTR模型控制系统simulink建模与仿真
本项目基于MATLAB2022a,采用模糊PI控制算法结合龙格-库塔方法,对CSTR模型进行Simulink建模与仿真。通过模糊控制处理误差及变化率,实现精确控制。核心在于将模糊逻辑与经典数值方法融合,提升系统性能。
|
机器学习/深度学习 供应链 TensorFlow
使用Python实现智能供应链风险预测
使用Python实现智能供应链风险预测
210 1
|
物联网
arm架构和x86架构区别
arm架构和x86架构区别
|
JavaScript
使用docsify搭建帮助中心
Docsify是一个轻量级的文档生成工具,易于使用和定制,适合构建简单而具有交互性的帮助中心。你可以根据项目的需求来扩展和美化你的Docsify文档。
174 1