图像分析培训

这个 中国（在线或现场）的讲师指导实时培训，旨在帮助希望处理和分析与组织学组织、血细胞、藻类和其他生物样本相关的图像的初学者和中级研究人员及实验室专业人员。 在本次培训结束时，参加者将能够：

• 浏览Fiji界面并利用ImageJ的核心功能。
• 对科学图像进行预处理和增强，以便更好地分析。
• 定量分析图像，包括细胞计数和面积测量。
• 使用宏和插件自动化重复性任务。
• 针对生物研究中特定的图像分析需求定制工作流程。

Fiji 是一个开源图像处理包，它捆绑了 ImageJ（用于科学多维图像的图像处理程式）和许多用于科学图像分析的外挂程式。 在这个由讲师指导的现场培训中，参与者将学习如何使用 Fiji 发行版及其底层 ImageJ 程式来创建图像分析应用程式。 在本次培训结束时，参与者将能够：

• 使用 Fiji 的高级程式设计功能和软体元件来扩展 ImageJ
• 从重叠的图块拼接大型 3D 图像
• 使用整合更新系统在启动时自动更新 Fiji 安装
• 从广泛的脚本语言中进行选择，以构建自定义图像分析解决方案
• 在大型生物图像数据集上使用斐济强大的库，例如 ImgLib
• 部署他们的应用程式并与其他科学家合作开展类似专案

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

Pattern Matching 是一种用于在图像中定位指定模式的技术。它可用于确定捕获的图像中是否存在指定特征，例如工厂生产线中缺陷产品上的预期标签或元件的指定尺寸。它与 “Pattern Recognition” 的不同之处在于 “Pattern Recognition” （它根据更大的相关样本集合识别一般模式），因为它具体指示我们正在寻找什么，然后告诉我们预期的模式是否存在。 课程形式

• 本课程介绍了模式匹配领域中使用的方法、技术和演算法，因为它适用于 Machine Vision。

Scilab是一种用于科学数据处理的完善的，免费的，开源的高级语言。用于统计，图形和动画，模拟，信号处理，物理，优化等，其中心数据结构是矩阵，与FORTRAN和C衍生物等替代品相比，简化了许多类型的问题。它与C， Java和Python等语言兼容，因此适合用作现有系统的补充。 在这个教师指导的培训，学员将学习的优点Scilab相比，像Matlab的基础知识替代Scilab语法以及一些先进的功能和接口与其他广泛使用的语言，视需求而定。本课程将以一个专注于图像处理的简短项目结束。 在培训结束时，参与者将掌握Scilab的基本功能和一些高级功能，并有资源继续扩展他们的知识。 听众

• 数据科学家和工程师，特别是对图像处理和面部识别感兴趣

课程形式

• 部分讲座，部分讨论，练习和密集的实践练习，以及最终项目