国际汽联

FIA（指纹图像排列器）是一款强大的运动校正插件，旨在解决生物延时中的全谱运动伪影。

由博士开发。中国科学院脑科学与智能技术卓越中心（CEBSIT）的王奎，FIA弥合了刚性位移校正和非刚性变形校正之间的差距。它专门用于钙成像（G/R-CaMP）、电压成像和长期活细胞监测。

作者：Kui Wang，CEBSIT，CAS。如有疑问，请使用 image.sc 上的 GitHub Issues 或标签@Epivitae。

主要特点

双引擎核心：
- OpenCV ECC: Best for high-precision, sub-pixel rigid alignment (Rotation/Translation).
- Dense Flow (New Standard): State-of-the-art local deformation correction using Farnebäck optical flow. Handles internal tissue warping and soft tissue deformation better than rigid methods.
科学少数（强度保持）：
- FIA guarantees that your ΔF/F analysis remains valid.
- Navigation: Motion vectors are calculated using noise-reduced (CLAHE), contrast-enhanced temporary frames.
- Transport: These vectors are applied to your original raw data using cubic interpolation. No artificial contrast is written to your final image.
智能“超级参考”：
- In Dense Flow mode, FIA creates a reference anchor by averaging N frames. This eliminates the “floating anchor” problem caused by shot noise in single-frame references.
  安装与更新

FIA通过生物传感器工具斐济更新站点进行分发。

1.打开斐济/ImageJ。

If the site is missing from the list, you can add it manually:
Name: Biosensor Tools
URL: https://sites.imagej.net/Biosensor-Tools/

FIA针对不同的生物样本提供了清晰的操作模式：

模式	类型	最佳应用
全球	刚性/仿射	一般校正校正。校正XY平移和旋转。推荐用于动物行为追踪或全脑推理。
密集流	非刚性（光流）	95% 的生物样本。超级参考+ CLAHE。最适合切杂的词汇、脑切片和使用发生局部变形的内部理论。
有弹性	非刚性（原始）	高信噪比数据。使用原始光流，消耗恢复。最适合不需要增强恢复的二元模型、人工珠或干净数据。

智能UI根据您选择的模式进行调整。

####对于密集流模式：

Flow WinSize：局部视线的“视野”。
- Small (5): Captures fine jitter.
- Large (15+): Captures global tissue waves.
参考深度：创建“超级参考”的平均帧数（默认值：5）。上述的值会减少参考某个点中的噪声。
Poly N：平滑因子。 5 提供更清晰的运动边界，而 7 提供更平滑的流场，但可能会模糊明显的运动边界。

####对于全局模式：

FIA基于既定的计算机视觉算法来确保可靠性：

王K.（2026）。 FIA：指纹图像校正器 - ImageJ/Fiji 的鲁棒运动校正。泽诺多. https://doi.org/10.5281/zenodo.18206931