EBImage功能名称

Question

任何人都可以解释什么是用来计算computeFeatures内的不同功能？

我得到应用的命名约定，在? computeFeatures中列出。我不明白.0.,.a.和.Ba.标签。

例如：

> library(EBImage) 
> y = readImage(system.file("images", "nuclei.tif", package="EBImage"))[,,1] 
> x = thresh(y, 10, 10, 0.05) 
> x = opening(x, makeBrush(5, shape='disc')) 
> x = bwlabel(x) 
> ft = computeFeatures(x, y, xname="nucleus") 
> colnames(ft) 
[1] "nucleus.0.m.cx"   "nucleus.0.m.cy"   
[3] "nucleus.0.m.majoraxis"  "nucleus.0.m.eccentricity" 
<snip> 
[11] "nucleus.0.s.radius.max" "nucleus.a.b.mean"   
[13] "nucleus.a.b.sd"   "nucleus.a.b.mad"   
<snip> 
[51] "nucleus.Ba.b.mean"   "nucleus.Ba.b.sd"   
[53] "nucleus.Ba.b.mad"   "nucleus.Ba.b.q001"   
[55] "nucleus.Ba.b.q005"   "nucleus.Ba.b.q05" 
<snip>  

我的猜测是nucleus.0.*功能使用从包含在x二进制口罩只有数据。因此nucleus.0.m.cy是使用二进制数据计算的y轴质心。也有nucleus.a.m.cy和nucleus.Ba.m.cy，但不清楚这些计算是如何不同的（它们极其相关但不完全相同）。

我还假设.a.和.Ba.使用y中的强度值，但细节是模糊的。诸如nucleus.a.b.mean和nucleus.Ba.b.mean之类的特征是相似的（〜.80corr），但不相同。我假设他们估计x中由标签定义的对象的平均强度为y，但差异尚不清楚。

有没有关于此的任何文档？

感谢，

最大

 
> sessionInfo() 
R Under development (unstable) (2014-08-23 r66461) 
Platform: x86_64-apple-darwin10.8.0 (64-bit) 

locale: 
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8 

attached base packages: 
[1] stats  graphics grDevices utils  datasets methods base  

other attached packages: 
[1] EBImage_4.7.16 

loaded via a namespace (and not attached): 
[1] abind_1.4-0   BiocGenerics_0.11.4 grid_3.2.0   
[4] jpeg_0.1-8   lattice_0.20-29  locfit_1.5-9.1  
[7] parallel_3.2.0  png_0.1-7   tiff_0.1-5   
[10] tools_3.2.0 

Answer 1

你有没有在这里看到的文档：AnalysisWithEBImage

这似乎是讨论的深度包文件中之最。您是否尝试过直接联系作者GrégoirePau？我相信如果你谷歌他可以找到他。

Answer 2

作为一个免责声明，我对你的领域一无所知，但通过查看函数，我可以很好地猜测发生了什么。我建议您使用debugonce(computeFeatures)，然后运行ft = computeFeatures(x, y, xname="nucleus")。您可以逐行浏览代码的每一行（键入Q）以退出，查看发生了什么。

正如你提到的，文件规定：

功能被命名为x.y.f，其中x是对象层，Y的 参考图像层和F功能名称。

在您的例子computeFeatures已经为参考层（a，aB，并0）生成的值。文档中提到，如果你没有命名你的参考图层，他们只会得到字母表的字母，所以在你的情况下你有一个参考图层，它被称为a。我相信0意味着它使用没有参考层。

通过观察源代码，似乎每一个层我，则创建一个B_ 我层。这似乎传递一个硬编码的过滤器在每一层，你可以在这个代码，在expandRef功能发现看到（的评论是我的）：

# Hard code a filter 
blob = gblob(x0 = 15, n = 49, alpha = 0.8, beta = 1.2) 
# Filter using the fast 2D FFT convolution product. 
bref = lapply(ref, function(r) filter2(r, blob)/2) 
# Name it "B" and then the layer name 
names(bref) = paste("B", names(ref), sep = "") 

我不知道到底是什么你想在这里做，但你可以直观地看到这个过滤器在做什么。这里是您x（你可以运行display(x)看到它）：

这是您参考（y）：

这里是硬编码的过滤器是这样的：

这是硬编码的过滤器是什么y：

因此，要总结：一切与0被比作没有参考，一切以a直接作为基准进行比较，以y，一切与aB相比，y的过滤版本。