====== Cvičení 1 ======

První cvičení obsahuje dvě části. V první se seznámíme s prostřením MATLAB pomocí několika úloh, v té druhé se budeme zabývat problematikou segmentace v prostření programu Fiji.

====== Zadání ======
    * [[#Seznámení s MATLABem]] - Projděte si tutoriál a vypracujte tři uvedené úlohy. [3b]

    * [[#Segmentace krvinek v programu Fiji]] - Vytvořte ve Fiji makro které osegmentuje jednolivé bunky a spočítá je, a aplikujte ho na všechny 3 obrázky. Odevzdejte výsledné segmentace a vytvořenou funkci. [2b]


====== Seznámení s MATLABem ======

Během cvičení budeme používat [[http://cs.wikipedia.org/wiki/MATLAB|MATLAB]]. Je vhodné, abyste se seznámili s tímto programem a se základy jeho využití, jelikož cvičení mohou být často náročné. Cílem cvičení není trávit příliš mnoho času samotným programováním, ale soustředit se na porozumění tématu a danou úlohu následně pomocí MATLABu efektivně splnit.

Pro případ, že si nejste příliš jisti svými dovednostmi v MATLABu, zde je několik užitečných odkazů:

  * {{courses:a6m33zsl:matlab-tutorial.pdf|Matlab tutorial}} (cz)
  * [[http://cmp.felk.cvut.cz/cmp/courses/OPT/cviceni/01/Matlab-Tutorial.html|Procvičení základních příkazů Matlabu]] (cz)
  * [[http://www.indiana.edu/~statmath/math/matlab/gettingstarted/index.html|Getting started with MATLAB.]] Pěkný strukturovaný tutoriál z Indiana University. (en)
  * [[http://www.cyclismo.org/tutorial/matlab/|MATLAB tutorial]] od Clarkson University.
  * Jedna  [[http://web.mit.edu/18.06/www/Spring09/matlab-cheatsheet.pdf|strana]] s běžnými základními operacemi při používání MATLABu.
  * Pro přístup k dokumentaci jednotlivých funkcí použijte následující MATLAB příkazy:

<code>
help ops % krátká nápověda MATLAB
doc sum % dokumentace pro funkci sum
lookfor transponovat % vyhledá řetězec v dokumentaci
</code>


=== Zadání ===

Vypracujte následující bodu zadání, již během cvičení. Hodnocené jsou úlohy 2.-4., za každou lze získat 1 bod.

  - Projděte si následující [[http://cmp.felk.cvut.cz/cmp/courses/OPT/cviceni/01/Matlab-Tutorial.html|Procvičení základních příkazů Matlabu]]
  - Vytvořte 1D signál funkce <latex>y=-2x+1</latex> v rozsahu (0,5) s krokem 0.1 s přidaným šumem v rozpětí <latex>[-1, 1]</latex>. Vykreslete pouze část tohoto signálu v intervalu [1,4] jako zelené křížky 'x'. {{ :courses:a6m33zsl:plot_fit_linear.png?600 |1D signál}}
  - Proložte signál vytvořený v předcházejícím úkolu přímkou. Pro minimalizaci použijte metodu [[http://en.wikipedia.org/wiki/Least_squares|Least squares]]. Uvažujte soustavu rovnic <latex>X \cdot A = Y</latex>, kde //A// jsou koeficienty přímky, pak tato soustava má řešení <latex>A = X \setminus Y</latex>
  - Vytvořte 2D plochu funkce <latex>z=\frac{\sin\left(\sqrt{x^2+y^2}\right)}{\sqrt{x^2+y^2}}</latex> pro <latex>x,y \in (-15,15)</latex> s krokem 0.25 a vykreslete ji vhodným způsobem. {{ :courses:a6m33zsl:mashgrid.jpg?600 |sinc(x^2+y^2)}}
  - Načtete libovolný barevný obrázek (např. [[http://optipng.sourceforge.net/pngtech/img/lena.html|Lena]]).  
     * Převeďte jej na černobílý obrázek.
     * Následně jeho barvy invertujte. 
     * Vytvořte pouze černo-bíly s prahem 128 (uvažujeme rozsah intenzit od 0 do 256).
{{ :courses:a6m33zsl:lena-res.png?600 |Lena}}

==== Segmentace krvinek v programu Fiji ====

V následující části si prakticky vyzkoušíme segmentaci mikroskopických obrázků v programu Fiji. Metodu následně aplikujte na následující 3 obrázky {{courses:a6m33zsl:5057.png?linkonly|5057.png}}, {{courses:a6m33zsl:5140.png?linkonly|5140.png}} a {{courses:a6m33zsl:5830.png?linkonly|5830.png}}. Do zprávy stručně popište postup včetně zvolených parametrů, vložte obrázky ilustrující postup a také výsledné obrázky.

[[http://fiji.sc/|Fiji]] (Fiji Is Just ImageJ) je Open Source balíček pro zpracování obrazu založený na [[http://en.wikipedia.org/wiki/ImageJ|ImageJ]], pěkný popis je na [[http://en.wikipedia.org/wiki/FIJI_%28software%29|wiki]].

Hlavním účelem Fiji je poskytnout distribuci ImageJ s mnoha užitečnými pluginy. Paralela vztahu mezi Fiji a ImageJ je například jako vztah Ubuntu a Linuxu. Dalším cílem Fiji je poskytnout uživatelům ucelenou strukturu nabídek, rozsáhlé dokumentace ve formě podrobných popisů a návodů algoritmů tak, aby se vyhnul nutnosti instalovat více komponent z různých zdrojů. Pro získání základní znalosti Fiji si projděte některý z [[http://fiji.sc/wiki/index.php/Category:Tutorials|tutoriálů]] nebo detailnější  {{courses:a6m33zsl:imagej-user-guide.pdf|manuál}} k ImageJ.

**Úkol:** Nejprve si všechny obrázky převedeme na šedotónové, pak pomocí prahování oddělíme popředí od pozadí a nakonec pomocí základních morfologických operací a rozvodí oddělíme jednotlivé objekty které následně spočítáme.

**Postup:**

    - Otevřete si Obrázek //File → Open...// nebo jednoduše přetažením (Drag and Drop) vybraného obrázku na lištu Fiji.
    - Převeďte obrázek na šedotónový //Image → Type → 8-bit//.
    - Oprahujte šedotónový obrázek abychom získali binární reprezentaci hledaných buněk (1) a pozadí (0). Použijeme funkci //Image → Adjust → Treshold// a nastavíme optimální. {{ :courses:a6m33zsl:fiji-segm-treshold.png?400 |Prahování}}
    - Vyplníme prázdné díry uprostřed některých buněk //Process → Binary → Fill Holes//.
    - Pro odstranění drobných artefaktů v obraze použijeme morfologickou operaci Otevírání, respektive [[http://homepages.inf.ed.ac.uk/rbf/HIPR2/open.htm|Opening]] //Process → Binary → Open//. Nejprve je v potřeba nastavit velikost masky (respektive počtu opakování eroze a následné dilatace) v nabídce //Process → Binary → Options...//. 
    - Některé sousedící buňky mohou být stále spojeny a tudíž by se počítaly jako jeden objekt. Pro rozdělení takovýchto shluků použijeme operaci Rozvodí neboli [[http://zone.ni.com/reference/en-XX/help/372916M-01/nivisionconcepts/morphological_segmentation/|Watershed]] //Process → Binary → Watershed//. {{ :courses:a6m33zsl:fiji-segm-watershade.png?400 |Rozdělení pomocí Rozvodí}}
    - Nakonec pro spočítání objektů v obraze použijeme //Analyze → Analyze Particles//. Ve volbách doporučujeme nastavit:
      * počítat jen objety větší než 50 pixelů
      * zobrazit výsledky (numerické)
      * vykreslit výsledky do obrázku (Overlay Masks)
{{ :courses:a6m33zsl::fiji-segm-particles.png?400 |Jednotlivé bunky.}} 

**Vytváření maker ve Fiji:**

Pro praktické použití není příliš vhodné dělat takovéto segmentování a počítání objektů proto každý obrázek zvláště, proto se v praxi používají již hotové funkce nebo makra (sekvence po sobě jdoucích příkazů). Pro zajímavost si vytvořte takovéto makro pro počítání objektů ve Fiji. Návod jak psát makra ve Fiji naleznete [[http://fiji.sc/Introduction_into_Macro_Programming|zde]]. 

Jednodušší možnost jako vytvářet makra ve Fiji je si nahrát dané příkazy pomocí funkce //Plugins → Macros → Record..//, které vám otevře nové okno a ve kterém se postupně zapisují všechny vaše použité příkazy. Nyní tedy můžete projít celý postup znovu a nakonec makro uložíte. 

Pro další použití aktivujete vaše makro //Plugins → Macros → Install..// (zde vyberete vaše makro) a dále na nově otevřený obrázek je jen stačí zavolat //Plugins → Macros → <jmenoVasehoMakra>//.