自迁移出 MediaWiki 以来，本页内容尚未经过审查。如果您愿意帮忙，请查看帮助指南！
鲁棒自动阈值选择(RATS)根据像素值及其轻微计算2d图像的阈值图。
背景
RATS 算法评估图像的各个区域，适合对背景可变的噪声图像进行阈值处理。该插件基于中的描述
- Wilkinson MHF (1998) 稳定图像分析中的分割技术。第 6 章：Wilkinson MHF、Schut F（编辑）稳定数字图像分析：成像、形态测量、图形测量和运动技术与应用，卷。约翰威利父子公司，纽约。
这里实现中，使用Sobel内核计算输入图像的输入梯度。传统上，Sobel梯度是使用以下公式计算的
许多来源都详细介绍了内核操作，包括Wikipedia:Quadtree。然而，威尔金森表明，消除平方根可以产生正确的结果，而以此增加最终扫描图像以计算根的成本。在插件中，稍微简单地保留为内核覆盖的平方和。
汤姆逊低于用户指定阈值
的像素将被拒绝。阈值由噪声估计（
，预期背景的标准偏差是一个很好的起点）和缩放因子（
，3是一个很好的起点）来定义。通过选择图像的“背景”部分并使用ImageJ确定阈值的标准偏差来估计噪声。
然后输入图像被解析为四叉树架构（更多信息请参见here）。在每个最小的子区域内，区域阈值
被计算为像素的增量加权和P。
有时，如果权重之和（分母）下降到仅包含噪声的背景水平，则区域阈值会失败。在这种情况下，区域阈值将通用替换父四叉树的阈值（如果父四叉树的阈值未失败）。阈值可能会在四叉树层次结构中一直失败，在这种情况下，将相同的阈值评估所有区域，这与应用全局阈值相同。根据我们的经验，区域阈值失败的情况很少见到。一旦计算出区域阈值，就会在整个图像上对它们进行插值（双线性插值），从而生成阈值图。
用户还可以控制最小四叉树区域（也称为传单）的大小。与噪声估计和缩放因子一样，最好通过实验来确定适当的最小四叉树传单大小。然而，一个好的指导最小传单的尺寸与略大于预期最小目标尺寸的尺寸相匹配。减小最小传单的尺寸几乎不会造成性能损失。
插件使用
加载单通道图像（8位、16位或32位）。请注意，该插件需要勘探背景上的明亮对象，因此如果您的输入有图像勘探对象，您可能需要调用Edit › Invert。从插件菜单中选择RATS插件。将出现以下对话框：
1.噪声阈值：噪声的估计值。通过图像选择的“背景”部分并使用ImageJ确定灰度值的标准偏差来估计噪声。奇怪的是，较低的值通常会产生较小的颗粒。（参见参考资料，默认为25）。
2. LAMBDA 因子：比例因子。数值颗粒，越大。（参见参考资料，默认为3）
3. MIN LEAF SIZE（像素）：允许的最小传单（默认尝试创建最多 5 层适合输入图像尺寸的四叉树）
4. VERBOSE 如果设置，则在日志窗口中输出信息性消息（默认为 false）。
就是这样！生成的双层图像的名称“-mask”附加到原始图像名称。
宏的使用
该插件是可记录的并且可以从宏中调用……
run("RATS ", "noise=25 lambda=3 min=81 verbose")
