Figure 3: A KNIME table containing

Figure 3: A KNIME table containing two image columns and a labeling column. The second image column (Image Metadata) is rendered with a different renderer (can be selected by right-clicking on the according table header).

Figure 4: The column selection tab available in many dialogs of the image processing nodes, mostly nodes that apply a certain algorithm on an one image or labeling.
2.2.2 Node Views
Some nodes provide a so called node view, a separate window visualizing the information at the respective output port in certain ways. It can be opened via the context menu of each node, if available.
Most of the nodes of the Image Processing Extension provide a specific view, called the Table Cell View. In contrast to the usual table view, that each node provides, the Table Cell View allows a more detailed look into objects of a table cell. This is especially useful if the according object can’t be entirely visualized in a simple 2D representation, as it applies to multidimensional images or labelings (e.g. 3D stacks, videos, etc.). After the Table Cell View has been opened, just click on the desired table cell (on the left) in order to open the associated table cell views. In the case of images and labelings, these table cell views allow one to scroll through the available dimensions of an image/labeling, zoom in and out, determining the pixel intensities (or labels in a labeling) at certain pixel positions (by hovering over the image), depict the image’s histogram, etc. The table cell view is exemplary depicted in Figure 5.
2.2.3 Hiliting
The KNIME Hiliting mechanism.

Figure 5: The Table Cell View to inspect data cells in more detail. Provided by most of the image processing nodes.
2.2.4 Loops
E.g. (Parallel) Chunk Loops
3 Important Nodes and Basic Workflows for Image Processing
In this section we introduce a selection of nodes (not essentially part of the Image Processing Extension) that we consider as important for many image analysis tasks. To provide a compact overview we only explain what the nodes generally intended to do and refer to the node description of the according nodes for more details, like the nodes settings, etc.
3.1 Image I/O Nodes
Usually the first node in an image analysis workflow is the Image Reader. Thanks to the Bioformats library it supports more than a hundred formats. The result is a table containing one column with all images that have been read. The images to be read can either be selected via the node’s configuration dialog or by providing a list of file locations in a table connected to the optional input port (or both). For instance, the List Files- node (a standard KNIME node) is able to create those file lists.
Alternatively, images files can first be just referenced by using the Image File Linker what is much faster and doesn’t require to convert all images first into the KNIME internal representation. The image are then only read on demand, e.g. as soon as they are displayed in a table or view, or if subsequent nodes request them. To explicitly import the referenced images, the Image Importer node can be used. The main use case of the Image File Linker is to save hard disc memory when processing a lot of images in loops (see the KNIME loops in Section 2.2).
To generate random images (e.g. for testing or learning) the Image Generate allows one to generate images of arbitrary dimensions, pixel types etc, either manually specified or randomly generated within given ranges.
3.2 Image Pre-processing Nodes
Important nodes to prepare the image data for further processing are the Image Normalizer, Image Converter, and sometimes the Inverter.
It is often the case that the pixel values of images doesn’t utilize the whole possible range (e.g. the maximum pixel value is 500 of maximal 65535 possible in case of an UnsignedShortType pixel type). The image rendered in the table or the Table Cell View will appear almost black. Only the normalization of the image to spread the pixel values over the whole domain by using the Image Normalizer will make them visible.
Furthermore for many use cases it’s unnecessary to keep the pixel values as ShortTypes and converting them to another type will not harm (that is especially the case when the aim is image segmentation). It reduces the amount of hard disc memory to keep the intermediate results. The Image Converter-node can convert between all available pixels types such that the pixel values are either just copied, scaled, or normalized and scaled. TODO image resizer
3.3 Image Processing Nodes
Image Calculator, Global/Local Thresholder, Filter nodes (Convolver etc.), Morphological Operations, ...
3.4 Image Dimension-Handling Nodes
Important nodes that manipulate the number of image dimensions are, among others, the Projector, Image Cropper, Splitter, Merger, and Dimension Swapper- node.
The Projector-node reduces the number of image dimensions exactly by one. The pixel in the direction of the dimension to be removed can be subsumed in different ways. Available projection methods are taking the average, maximum, minimum, median, or the standard deviation.
Another way to reduce the number of dimensions of an image is to cut a sub-image out of it (e.g. taking only the first channel of an RGB-image), as done by the Image Cropper. But this node does not necessarily reduce the number of dimensions and operations, like taking the first ten time-points out of hundred in a video is possible, too.
The Splitter-node orthogonally splits the images into sub-images that are appended as additional columns. With its help, for instance, a video, rgbimage or 3D image object can be split in to its 2D-planes, e.g. to process them individually. But the node is not limited to split the image objects into its xy-planes and other splitting directions are possible, too.
Apparently the Merger-node offers the opposite operation and puts images of different columns in a row together to create one bigger image objects (possibly, but not necessarily, with more dimensions).
Use the Dimension Swapper to change the order of the dimensions.
The Dimension Cleaner removes needles dimensions that have the size of 1, whereas the Dimension Extender adds another dimension of size 1 with a specified label (the dimension size can than be increased with the help of the Image Resizer).
3.5 Image Metadata-Handling Nodes
Image Properties, Image Features, Labeling Properties, ...
3.6 Segmentation Nodes
Connected Component Analysis, Voronoi Segmentation, Labeling Filter, ...
3.7 Segment and Feature-Calculation Nodes
All subsequently described nodes essentially require a labeling as determined with the nodes introduced in the previous Section 3.6. Based on that they all produce a data table where basically each row corresponds to exactly one segment in the original labelings. The outcome of the nodes differ in terms of the segment-information they contain. The Segment Cropper-node just extracts either the bitmask of the segments, or, if an additional image column is provided, the image patch underneath the according segment. The Segment Feature- and Image Segment Feature-node in turn additionally allow one to calculate certain characteristics (called features, a vector of discriminative numbers) for each segment individually. The Segment Features-nodes uses the labeling information exclusively, the Image Segment Features-node determines the features for a segment using the underlying images (hence, an additional image column is required).
Bitmasks or image patches associated with an segment of a source labeling are again images with certain dimensions (depending on the labeling they where extracted from) and pixel type (a bitmask is of type BitType). Furthermore, especially important for a re-composition of bitmasks or images patches to new labelings or images (see next Section 3.8 for more details), each image has an offset/minimum. It is the position that the upper left corner used to have in the original image. ’Normal’ images, as those read in with the Image Reader-node, usually have an offset of 0 in each dimension.
The segment tables with the bitmasks and features can consequently be used be filtered and re-composed to labeling or images again (see next Section 3.8), or, for instance, to perform data mining (e.g. classification, clustering, etc.).
The Figure 6 exemplary shows a segment table with the segment bitmask, the reference to the source labeling and some features.
3.8 GroupBy
Quite useful, especially when dealing with segmentations (labelings) and segment tables, is the KNIME standard GroupBynode. Among other aggregation methods for numbers ( e.g. mean etc.), string, etc. it also provides a couple of operations to compose images or labeling from a set of images (i.e. a group). As soon as ones adds an image column (e.g. the bitmask column of a segment table, or the image column of the Image Reader) in the Aggregation settings of the GroupBy-node different possibilities are available to combine the images of one group (the groups are defined in the group settings):
• Min/Max/Mean Image The minimum, maximum, or average value of each pixel is taken. Note that the input images of one group must have the same dimensions.
• Compose Image The images are placed within a bigger image at the position determined by its minimum/offset (image metadata). If no

Figure 6: A segment table as produced by the Image Segment Feature- node, with the segment bitmask, the label, the reference to the originating labeling, and some feature values.
offset (i.e. the offset is 0 for all dimension) is set, this operations doesn’t make much sense. To set the offset of an image the Set Image Metadata can be used. If images are overlapping, then the pixels are overwritten
(i.e. the pixel values of the last image a set at the overlapping regions).
• Compose Labeling Similar to the ’Compose Image’ operation where all images (actually bitmasks) of a group are composed to a labeling according to th

ผลลัพธ์ (ไทย) 1:

รูปที่ 3: KNIME ตารางที่ประกอบด้วยสองรูปภาพคอลัมน์และคอลัมน์ที่ติดฉลากด้วย คอลัมน์ภาพที่สอง (ภาพ Metadata) ถูกแสดงกับจำลองต่าง ๆ (สามารถเลือกได้ โดยคลิกขวาในหัวข้อตามตาราง) รูปที่ 4: คอลัมน์ตัวเลือกแท็บในกล่องโต้ตอบในรูปโหน ส่วนใหญ่โหนที่ใช้อัลกอริธึมบางรูปหนึ่งการประมวลผล หรือการติดฉลาก2.2.2 มุมมองของโหนบางโหนให้สิ่งที่เรียกว่าโหนมุม การแสดงผลข้อมูลที่พอร์ตส่งออกเกี่ยวข้องในบางวิธี มันสามารถเปิดผ่านเมนูบริบทของแต่ละโหน ถ้ามีการส่วนใหญ่ของโหนดของส่วนขยายการประมวลผลภาพให้มุมมองเฉพาะ เรียกดูเซลล์ตาราง ตรงข้ามมุมมองตารางปกติ ที่แต่ละโหนด ดูเซลล์ตารางช่วยให้ดูรายละเอียดเพิ่มเติมลงในวัตถุของเซลล์ตาราง นี้เป็นประโยชน์อย่างยิ่งถ้าวัตถุตามไม่ถูกทั้งหมด visualized ในการแสดง 2D ง่าย เป็นภาพหลายมิติหรือ labelings (ไพ่เช่น 3D วิดีโอ ฯลฯ) หลังจากมีการเปิดมุมมองตารางเซลล์ เพียงแค่คลิกที่เซลล์ตารางที่ระบุ (บนซ้าย) เพื่อเปิดมุมมองเชื่อมโยงตารางเซลล์ ในกรณีของภาพและ labelings มุมมองเหล่านี้เซลล์ตารางให้การเลื่อนขนาดมีของผิดรูป/ติดฉลาก ขยายออก กำหนดเซลปลดปล่อยก๊าซ (หรือในการติดฉลาก) ที่บางตำแหน่งของพิกเซล (โดยโฉบผ่านภาพ) แสดงรูปของฮิสโตแกรม ฯลฯ ดูเซลล์ตารางได้เตรียมแสดงในรูปที่ 52.2.3 Hilitingกลไก KNIME Hiliting รูปที่ 5: เซลล์มองตารางการตรวจสอบเซลล์ข้อมูลในรายละเอียดเพิ่มเติม โดยส่วนใหญ่ภาพที่ประมวลผลโหน2.2.4 ลูปวนรอบเช่นกลุ่ม (คู่ขนาน)3 โหนดที่สำคัญและลำดับงานพื้นฐานสำหรับการประมวลผลภาพในส่วนนี้ เราแนะนำตัวเลือกโหน (ไม่เป็นส่วนหนึ่งของส่วนขยายการประมวลผลภาพ) ที่เราพิจารณาเป็นสิ่งสำคัญสำหรับงานวิเคราะห์ภาพต่าง ๆ ให้ภาพรวมที่กระชับ เราเพียงอธิบายว่า โหนวัตถุประสงค์ทั่วไป และอ้างอิงถึงคำอธิบายเกี่ยวกับโหนดโหนตามรายละเอียดเพิ่มเติม เช่นการตั้งค่าโหน ฯลฯ3.1 รูป I/O โหนปกติโหนดแรกในเวิร์กโฟลว์การวิเคราะห์ภาพจะอ่าน ภาพ ขอบคุณรี Bioformats ก็ร้อยกว่ารูป ผลลัพธ์เป็นตารางที่ประกอบด้วยคอลัมน์หนึ่ง มีภาพทั้งหมดที่จะถูกอ่าน ภาพการอ่านหรือสามารถเลือกผ่าน ทางกล่องโต้ตอบการตั้งค่าคอนฟิกของโหนด หรือแสดงรายการของตำแหน่งที่ตั้งแฟ้มในตารางเชื่อมต่อกับพอร์ตรับเข้าก็ได้ (หรือทั้งสอง) ตัวอย่าง รายการแฟ้ม - โหน (มาตรฐาน KNIME โหน) จะสามารถสร้างรายการแฟ้มหรือ ไฟล์ภาพสามารถแรกเพียงอ้างอิง โดยใช้ตัวเชื่อมโยงข้อมูลไฟล์ภาพอะไรจะเร็วมาก และไม่จำเป็นต้องแปลงรูปทั้งหมดก่อนเป็นตัวแทนภายในของ KNIME ภาพแล้วอ่านความต้องการ เช่นเป็นเร็ว ๆ นี้แสดงในตารางหรือมุมมอง หรือโหนต่อมาต้อง การนำเข้ารูปภาพอ้างอิงอย่างชัดเจน โหนรูปผู้นำเข้าสามารถใช้ กรณีใช้หลักของตัวเชื่อมโยงข้อมูลไฟล์รูปภาพคือการ บันทึกฮาร์ดดิสก์หน่วยความจำประมวลผลของภาพในลูป (ดูลูป KNIME ในหัวข้อ 2.2)เพื่อสร้างความมั่นคง (เช่นการทดสอบหรือการเรียนรู้) สร้างภาพได้การสร้างภาพการกำหนดขนาด ชนิดพิกเซลเป็นต้น ช่วงที่ระบุด้วยตนเอง หรือสร้างขึ้นแบบสุ่มภายในกำหนด3.2 ภาพโหนก่อนการประมวลผลโหนดที่สำคัญเพื่อเตรียมข้อมูลภาพสำหรับการประมวลผลเพิ่มเติม มี Normalizer ภาพ แปลงภาพ และบางครั้งเครื่องแปลงกระแสไฟฟ้ามักจะเป็นกรณีที่ค่าพิกเซลของภาพไม่ใช้ช่วงที่เป็นไปได้ทั้งหมด (เช่นค่าพิกเซลสูงสุดคือ 500 สูงสุด 65535 ได้ในกรณีที่เป็นชนิด UnsignedShortType พิกเซล) ภาพที่แสดงในตารางหรือมุมมองตารางเซลล์จะปรากฏแทบสีดำ ฟื้นฟูรูปราดค่าพิกเซลทั้งโดเมนโดย Normalizer รูปเท่านั้นจะช่วยทำให้มองเห็นนอกจากนี้ ในหลายกรณีใช้ ได้ไม่จำเป็นให้ค่าพิกเซลเป็น ShortTypes และการแปลงชนิดอื่นจะไม่เป็นอันตรายต่อ (ที่จะโดยเฉพาะอย่างยิ่งกรณีเป้าหมายคือ แบ่งส่วนรูปภาพ) ลดจำนวนหน่วยความจำฮาร์ดดิสก์เพื่อให้ผลลัพธ์ระดับกลาง แปลงรูปโหนดสามารถแปลงระหว่างทุกพิกเซลว่างที่ค่าพิกเซลเป็นอย่างใดอย่างหนึ่งเพียงคัดลอก ปรับ หรือตามปกติ และปรับ TODO รูปภาพ resizer3.3 โหนดกระบวนการประมวลผลภาพภาพเครื่องคิดเลข Thresholder สากล/ท้องถิ่น กรองโหน (Convolver ฯลฯ), การดำเนินการของ, ...3.4 ภาพที่การจัดการมิติโหนโหนดที่สำคัญที่ควบคุมจำนวนของมิติภาพได้ ในหมู่อื่น ๆ โปรเจคเตอร์ รูป Cropper แยก ควบ และมิติ Swapper โหนโปรเจคเตอร์โหนลดจำนวนมิติภาพโดยตรง สามารถจะ subsumed พิกเซลในทิศทางของมิติที่จะถูกเอาออกในลักษณะต่าง ๆ วิธีการฉายภาพที่ใช้จะมีค่าเฉลี่ย สูงสุด ต่ำสุด ค่ามัธยฐาน หรือส่วนเบี่ยงเบนมาตรฐานอีกวิธีหนึ่งในการลดจำนวนมิติของภาพจะตัดรูปย่อยออกมาจากมัน (เช่นถ่ายเฉพาะช่องแรกของภาพ RGB), เป็นโดย Cropper รูป แต่โหนดนี้ไม่จำเป็นต้องลดจำนวนขนาดและการดำเนินงาน เหมือนกับการถ่ายครั้งแรก 10-จุดของร้อยในวิดีโอได้ เกินไปโหนดแยกแยกภาพเป็นภาพย่อยที่จะถูกผนวกเข้าเป็นคอลัมน์เพิ่มเติม orthogonally ด้วยความช่วยเหลือของ เช่น วิดีโอ rgbimage หรือ 3D ภาพวัตถุสามารถแบ่งในการเป็น 2D-เครื่องบิน เช่นในการประมวลผลแต่ละรายการได้ แต่โหนไม่จำกัดแบ่งวัตถุรูปของ xy-เครื่องบิน และเส้นทางอื่น ๆ แยกเป็นไปได้ เกินไปเห็นได้ชัดว่าโหนควบรวมกิจการมีการดำเนินการที่ตรงกันข้าม และทำให้ภาพของคอลัมน์ต่าง ๆ ในแถวเพื่อสร้างวัตถุรูปใหญ่หนึ่ง (อาจจะ แต่ไม่จำ เป็น มีมิติเพิ่มเติม)ใช้ Swapper มิติเพื่อเปลี่ยนลำดับของมิติทำความสะอาดขนาดเอาขนาดเข็มที่มีขนาด 1 ในขณะที่มิติ Extender เพิ่มมิติอื่นขนาด 1 พร้อมป้ายระบุ (ขนาดมิติสามารถกว่าจะเพิ่มขึ้น ด้วยความช่วยเหลือของ Resizer ภาพ)3.5 ภาพที่การจัดการข้อมูลเมตาโหนภาพคุณสมบัติ รูปลักษณะ คุณสมบัติ การติดฉลาก...3.6 แบ่งโหนส่วนประกอบวิเคราะห์ Voronoi แบ่ง ตัวกรอง การติดฉลากการเชื่อมต่อ...3.7 เซ็กเมนต์ และคุณลักษณะคำนวณโหนโหนดทั้งหมดที่อธิบายมาเป็นต้องติดฉลาก ตาม ด้วยโหนใน 3.6 ส่วนก่อนหน้านี้ ขึ้นอยู่กับว่า พวกเขาทั้งหมดทำตารางข้อมูลซึ่งโดยทั่วไปแต่ละแถวตรงกับเซ็กเมนต์หนึ่งใน labelings เดิม ผลของโหนแตกต่างกันในด้านข้อมูลส่วนที่ประกอบด้วย เซ็กเมนต์ Cropper-โหนเพียงแยกบิตมาสก์การใดของเซ็กเมนต์ หรือ ถ้ามีคอลัมน์เพิ่มเติมรูปภาพ โปรแกรมแก้ไขภาพใต้ตามเซ็กเมนต์ เซ็กเมนต์คุณลักษณะและคุณลักษณะรูปเซ็กโหนในนอกจากนี้ช่วยให้การคำนวณลักษณะบาง (เรียกว่าคุณลักษณะ เวกเตอร์ของเลขที่ discriminative) แต่ละส่วนแต่ละ คุณลักษณะโหนเซ็กเมนต์ใช้ข้อมูลการติดฉลากเฉพาะ เซ็กภาพคุณสมบัติโหนสำหรับเซ็กเมนต์โดยใช้ต้นแบบภาพกำหนด (ดังนั้น คอลัมน์รูปภาพเพิ่มเติมจำเป็น)แพทช์ Bitmasks หรือรูปภาพที่เกี่ยวข้องกับการส่วนของการติดฉลากแหล่งมีอีกภาพที่ มีขนาดบาง (ขึ้นอยู่กับการติดฉลากนั้นที่สกัดจาก) และชนิดเซล (บิตมาสก์เป็น BitType) นอกจากนี้ ความสำคัญอย่างยิ่งสำหรับองค์ประกอบใหม่ของ bitmasks หรือรูปซอฟต์แวร์การ labelings ใหม่ หรือภาพ (ดูที่ 3.8 ส่วนถัดไปสำหรับรายละเอียดเพิ่มเติม), แต่ละภาพมีการที่ออฟเซ็ตต่ำ ตำแหน่งงานที่บนซ้ายมุมที่เคยมีในภาพต้นฉบับ ได้ 'ปกติ' ภาพ เป็นผู้อ่าน ด้วยภาพอ่านโหนด จะมีออฟเซต 0 ในแต่ละมิติมีกรอง และอีกครั้งด้วยการติดฉลากหรือภาพอีกเซ็กเมนต์ดังนั้นสามารถใช้ตาราง bitmasks และคุณสมบัติ (ดู 3.8 ส่วนถัดไป), หรือ เช่น การทำเหมืองข้อมูล (เช่นประเภท ระบบคลัสเตอร์ ฯลฯ)รูป 6 เตรียมแสดงตารางเซ็กเมนต์ที่ มีบิตมาสก์เซ็กเมนต์ การอ้างอิงแหล่งที่มาทำการติดฉลากและคุณลักษณะบาง3.8 GroupByค่อนข้างเป็นประโยชน์ โดยเฉพาะอย่างยิ่งเมื่อเผชิญกับ segmentations (labelings) และเซ็กเมนต์ตาราง การ GroupBynode มาตรฐาน KNIME ระหว่างวิธีการอื่น ๆ รวมสำหรับตัวเลข (เช่นหมายถึงฯลฯ), สตริง ฯลฯ และยังให้คู่ของการดำเนินงานในการเขียนภาพหรือการติดฉลากจากชุดของภาพ (เช่นกลุ่ม) เป็นคนเพิ่มคอลัมน์รูปภาพ (เช่นคอลัมน์ของตารางส่วนบิตมาสก์ หรือคอลัมน์รูปภาพของเครื่องอ่านภาพ) ใน การตั้งค่ารวมของความเป็นไปต่าง ๆ ของโหน GroupBy มีการรวมภาพของกลุ่มหนึ่งกลุ่ม (กลุ่มกำหนดไว้ในการตั้งค่ากลุ่ม):•รูปภาพต่ำสุด/สูงสุด/เฉลี่ยจะนำค่าต่ำสุด สูงสุด หรือค่าเฉลี่ยของแต่ละพิกเซล โปรดสังเกตว่า ภาพเข้ากลุ่มหนึ่งต้องมีขนาดที่เหมือนกัน•รูปภาพอยู่ภายในภาพใหญ่ในตำแหน่งที่กำหนด โดยขั้นต่ำ/ตรงข้าม (ภาพ metadata) ประกอบด้วย ถ้าไม่มี รูปที่ 6: ส่วนตารางที่ผลิต โดยคุณลักษณะส่วนภาพ - โหน บิตมาสก์ส่วน ป้ายชื่อ การอ้างอิงถึงการเริ่มต้นติดฉลาก และค่าคุณลักษณะบางอย่างตั้งตรงข้าม (เช่นออฟเซตเป็น 0 สำหรับมิติทั้งหมด) การดำเนินการนี้ไม่เหมาะสมมาก การตั้งค่าบัญชีตรงข้ามของข้อมูลเมตาการตั้งค่ารูปภาพสามารถใช้ ถ้าภาพทับซ้อน แล้วพิกเซลจะถูกเขียนทับ(เช่นค่าพิกเซลสุดท้ายภาพชุดในพื้นที่ทับซ้อนกัน)•เรียบเรียง Labeling คล้ายกับการ 'สร้างภาพ' ที่ประกอบด้วยรูปภาพทั้งหมด (จริง bitmasks) กลุ่มเพื่อการติดฉลากตาม th

ผลลัพธ์ (ไทย) 2:

รูปที่ 3: ตาราง KNIME มีสองคอลัมน์คอลัมน์ภาพและการติดฉลาก คอลัมน์ภาพที่สอง (ภาพ Metadata) มีการแสดงด้วยการแสดงผลที่แตกต่างกัน (สามารถเลือกได้โดยการคลิกขวาบนส่วนหัวของตารางตาม). รูปที่ 4: แท็บเลือกคอลัมน์ที่มีอยู่ในกล่องโต้ตอบหลายโหนดประมวลผลภาพโหนดส่วนใหญ่ที่นำมาใช้ ขั้นตอนวิธีการบางอย่างในภาพหนึ่งหรือการติดฉลาก. 2.2.2 โหนดชมโหนดบางให้มุมมองที่โหนดเรียกว่าหน้าต่างแสดงผลข้อมูลที่ท่าเรือส่งออกที่เกี่ยวข้องในวิธีการบางอย่าง มันสามารถเปิดผ่านเมนูบริบทของแต่ละโหนดหากมี. ส่วนใหญ่ของโหนดประมวลผลของการขยายภาพให้มุมมองเฉพาะที่เรียกว่าเซลล์ดูตาราง ในทางตรงกันข้ามกับมุมมองตารางปกติที่แต่ละโหนดให้ดูมือถือของตารางที่จะช่วยให้ดูรายละเอียดมากยิ่งขึ้นในวัตถุของเซลล์ตาราง นี้จะเป็นประโยชน์โดยเฉพาะอย่างยิ่งถ้าตามวัตถุไม่สามารถมองเห็นทั้งหมดในการเป็นตัวแทน 2D ง่ายเมื่อนำมาใช้กับภาพหลายมิติหรือ labelings (เช่นกอง 3D, วิดีโอ, ฯลฯ ) หลังจากดูตารางที่เซลล์ได้รับการเปิดเพียงแค่คลิกที่เซลล์ของตารางที่ต้องการ (ด้านซ้าย) เพื่อที่จะเปิดมุมมองเซลล์ตารางที่เกี่ยวข้อง ในกรณีที่มีภาพและ labelings มุมมองตารางเซลล์เหล่านี้ให้หนึ่งในการเลื่อนขนาดที่มีอยู่ของภาพ / ฉลากซูมเข้าและออก, การกำหนดความเข้มพิกเซล (หรือป้ายชื่อในการติดฉลาก) ในบางตำแหน่งพิกเซล (โดยโฉบเหนือ ภาพ) แสดงให้เห็นถึงภาพกราฟ ฯลฯ มุมมองเซลล์ของตารางจะเป็นแบบอย่างที่ปรากฎในรูปที่ 5 2.2.3 Hiliting กลไก KNIME Hiliting. รูปที่ 5: ดูตารางของเซลล์ในการตรวจสอบเซลล์ข้อมูลในรายละเอียดเพิ่มเติม ที่จัดไว้ให้โดยส่วนใหญ่ของโหนดประมวลผลภาพ. 2.2.4 ลูปเช่น (Parallel) ก้อนลูป3 ปมสำคัญและเวิร์กโฟลว์พื้นฐานสำหรับการประมวลผลภาพในส่วนนี้เราแนะนำการเลือกโหนด(ไม่เป็นหลักเป็นส่วนหนึ่งของการประมวลผลภาพขยาย) ที่เราพิจารณาที่สำคัญสำหรับงานวิเคราะห์ภาพจำนวนมาก เพื่อให้ภาพรวมที่มีขนาดกะทัดรัดเราจะอธิบายสิ่งที่ตั้งใจโหนดโดยทั่วไปจะทำและอ้างอิงถึงคำอธิบายโหนดของโหนดตามรายละเอียดมากขึ้นเช่นการตั้งค่าโหนด ฯลฯ3.1 ภาพ I / O โหนดปกติโหนดแรกในการวิเคราะห์ภาพขั้นตอนการทำงานเป็นเครื่องอ่านภาพ ขอบคุณที่ห้องสมุด Bioformats จะสนับสนุนมากกว่าร้อยรูปแบบ ผลที่ได้คือตารางที่มีคอลัมน์หนึ่งที่มีภาพทั้งหมดที่ได้รับการอ่าน ภาพที่จะอ่านก็จะสามารถเลือกผ่านทางโต้ตอบการตั้งค่าของโหนดหรือโดยการให้รายชื่อของไฟล์ที่ตั้งในตารางที่เชื่อมต่อกับพอร์ตอินพุตตัวเลือก (หรือทั้งสอง) ยกตัวอย่างเช่นโหนด Files- List (โหนด KNIME มาตรฐาน) จะสามารถสร้างรายชื่อไฟล์เหล่านั้น. อีกทางเลือกหนึ่งไฟล์ภาพแรกที่สามารถอ้างอิงเพียงโดยใช้ไฟล์ภาพ Linker สิ่งที่เป็นได้เร็วขึ้นมากและไม่ต้องใช้การแปลงภาพทั้งหมด ครั้งแรกในการแสดงภายใน KNIME ภาพที่มีการอ่านแล้วเพียงกับความต้องการเช่นเร็วที่สุดเท่าที่พวกเขาจะแสดงในตารางหรือมุมมองหรือถ้าโหนดที่ตามมาขอให้พวกเขา อย่างชัดเจนนำเข้าภาพที่อ้างถึงโหนดนำเข้าภาพที่สามารถนำมาใช้ กรณีที่ใช้หลักของไฟล์ภาพ Linker คือการบันทึกความทรงจำฮาร์ดดิสก์เมื่อการประมวลผลจำนวนมากที่มีภาพในลูป (ดู KNIME ลูปในข้อ 2.2). เพื่อสร้างภาพแบบสุ่ม (เช่นสำหรับการทดสอบหรือการเรียนรู้) ภาพที่สร้างช่วยให้หนึ่งใน สร้างภาพของมิติโดยพล ฯลฯ ชนิดพิกเซลทั้งระบุด้วยตนเองหรือสร้างแบบสุ่มในช่วงที่กำหนด. 3.2 ภาพโหนดก่อนการประมวลผลโหนดที่สำคัญเพื่อเตรียมความพร้อมข้อมูลภาพสำหรับการประมวลผลต่อไปเป็นภาพNormalizer, แปลงภาพและบางครั้งอินเวอร์เตอร์. มัน มักจะเป็นกรณีที่ค่าพิกเซลของภาพที่ไม่ได้ใช้ในช่วงที่เป็นไปได้ทั้งหมด (เช่นค่าพิกเซลสูงสุดคือ 500 65535 สูงสุดที่เป็นไปได้ในกรณีของประเภทพิกเซล UnsignedShortType) คำ ภาพที่แสดงในตารางหรือมุมมองของเซลล์ตารางจะปรากฏเกือบดำ เฉพาะการฟื้นฟูของภาพที่จะแพร่กระจายค่าพิกเซลมากกว่าโดเมนทั้งหมดโดยใช้ภาพ Normalizer จะทำให้พวกเขามองเห็น. นอกจากนี้สำหรับกรณีการใช้งานหลาย ๆ คนก็ไม่จำเป็นที่จะเก็บค่าพิกเซลเป็น ShortTypes และแปลงให้อีกประเภทหนึ่งจะไม่เป็นอันตราย (นั่น โดยเฉพาะอย่างยิ่งกรณีที่มีจุดมุ่งหมายคือการแบ่งส่วนภาพ) จะช่วยลดจำนวนหน่วยความจำฮาร์ดดิสก์เพื่อให้ผลกลาง ภาพแปลงโหนดสามารถแปลงระหว่างพิกเซลสามารถใช้ได้ทุกประเภทดังกล่าวว่าค่าพิกเซลมีทั้งคัดลอกเพียงแค่ปรับหรือปกติและปรับขนาด สิ่งที่ต้องทำภาพ Resizer 3.3 โหนดประมวลผลภาพเครื่องคิดเลขภาพทั่วโลก/ ท้องถิ่น Thresholder โหนดกรอง (Convolver ฯลฯ ) การดำเนินงานทางสัณฐานวิทยา ... 3.4 ภาพโหนดขนาด-จัดการโหนดสำคัญที่มีอิทธิพลต่อจำนวนขนาดภาพที่มีหมู่คนเครื่องฉายภาพครอปเปอร์ Splitter, การควบรวมกิจการและโหนดขนาด Swapper-. โปรเจคเตอร์โหนดช่วยลดจำนวนของขนาดภาพตรงโดยหนึ่ง พิกเซลในทิศทางของมิติจะถูกลบออกที่สามารถวิทยในรูปแบบต่างๆ วิธีการฉายพร้อมใช้งานมีการใช้ค่าเฉลี่ยสูงสุดต่ำสุดเฉลี่ยหรือค่าเบี่ยงเบนมาตรฐาน. อีกวิธีหนึ่งที่จะลดจำนวนของมิติของภาพที่มีการตัดย่อยภาพที่ออกมาจากมัน (เช่นการเพียงช่องแรกของ RGB -image) เช่นทำโดยภาพครอปเปอร์ แต่โหนดนี้ไม่จำเป็นต้องลดจำนวนของขนาดและการดำเนินงานเช่นการครั้งแรกเมื่อสิบครั้งจุดจากร้อยในวิดีโอจะเป็นไปได้ด้วย. ตัวแยกโหนด orthogonally แยกภาพเป็นภาพย่อยที่ถูกผนวกเป็นเพิ่มเติม คอลัมน์ ด้วยความช่วยเหลือของตัวอย่างเช่นวิดีโอ rgbimage หรือวัตถุภาพ 3 มิติสามารถแบ่งใน 2D-เครื่องบินเช่นการประมวลผลพวกเขาที แต่โหนดไม่ จำกัด ในการแยกวัตถุภาพเป็นเครื่องบินเซ็กซี่ของมันและทิศทางแยกอื่น ๆ ที่เป็นไปได้ด้วย. เห็นได้ชัดว่าการควบรวมกิจการโหนดมีการดำเนินการตรงข้ามและทำให้ภาพของคอลัมน์ที่แตกต่างกันในแถวร่วมกันเพื่อสร้างหนึ่งที่ใหญ่กว่าวัตถุภาพ (อาจจะเป็น แต่ไม่จำเป็นต้องมีมิติมากขึ้น). ใช้มิติ Swapper เพื่อเปลี่ยนลำดับของมิติที่. ทำความสะอาดขนาดเอาขนาดเข็มที่มีขนาดของ 1 ในขณะที่ Extender ขนาดเพิ่มมิติขนาด 1 อื่นที่มีระบุไว้ ฉลาก (ขนาดมิติกว่าที่จะเพิ่มขึ้นด้วยความช่วยเหลือของภาพที่ Resizer). 3.5 ภาพโหนด Metadata-จัดการคุณสมบัติภาพคุณสมบัติภาพการติดฉลากคุณสมบัติ... 3.6 โหนดการแบ่งส่วนที่เชื่อมต่อการวิเคราะห์ชิ้นส่วนVoronoi การแบ่งส่วนกรองฉลาก, .. 3.7 ส่วนงานและโหนดคุณลักษณะการคำนวณทุกโหนดอธิบายต่อมาเป็นหลักจำเป็นต้องมีการติดฉลากตามที่กำหนดกับโหนดแนะนำในมาตรา3.6 ก่อนหน้านี้ ขึ้นอยู่กับว่าพวกเขาทั้งหมดผลิตตารางข้อมูลที่พื้นแต่ละแถวสอดคล้องกับว่าส่วนหนึ่งใน labelings เดิม ผลของโหนดที่แตกต่างกันในแง่ของส่วนข้อมูลที่พวกเขามี ส่วนครอปเปอร์โหนดเพียงอย่างใดอย่างหนึ่งสารสกัด bitmask ของกลุ่มหรือหากคอลัมน์ภาพเพิ่มเติมให้แพทช์ภาพใต้ส่วนตาม ส่วน Feature- และภาพส่วนงานคุณลักษณะโหนดนอกจากนี้ในการเปิดให้หนึ่งในการคำนวณลักษณะบางอย่าง (คุณสมบัติที่เรียกว่าเวกเตอร์ของตัวเลขจำแนกก) สำหรับแต่ละกลุ่มเป็นรายบุคคล ส่วนโหนด-คุณสมบัติใช้ข้อมูลการติดฉลากเฉพาะในส่วนงานภาพคุณสมบัติโหนดกำหนดคุณสมบัติสำหรับส่วนที่ใช้ภาพต้นแบบ (ดังนั้นคอลัมน์ภาพเพิ่มเติมเป็นสิ่งจำเป็น). bitmasks หรือแพทช์ภาพที่เกี่ยวข้องกับส่วนของการติดฉลากแหล่งหนึ่ง เป็นภาพอีกครั้งที่มีขนาดบาง (ขึ้นอยู่กับการติดฉลากที่พวกเขาที่สกัดจาก) และประเภทพิกเซล (ก bitmask เป็นประเภท BitType) นอกจากนี้สิ่งสำคัญอย่างยิ่งสำหรับองค์ประกอบใหม่ของ bitmasks หรือแพทช์ภาพไป labelings ใหม่หรือภาพ (ดูมาตราต่อไป 3.8 สำหรับรายละเอียดเพิ่มเติม) แต่ละภาพมีการชดเชย / ขั้นต่ำ มันเป็นตำแหน่งที่มุมบนซ้ายเคยมีในภาพต้นฉบับ 'ปกติ' ภาพกับผู้อ่านด้วยภาพอ่านโหนดมักจะมีการชดเชย 0 ในแต่ละมิติ. ตารางส่วนกับ bitmasks และคุณสมบัติจึงสามารถนำมาใช้ในการกรองและอีกครั้งประกอบด้วยการติดฉลากหรือภาพใหม่อีกครั้ง ( ดูหัวข้อต่อไป 3.8) หรือตัวอย่างเช่นในการดำเนินการทำเหมืองข้อมูล (เช่นการจัดหมวดหมู่การจัดกลุ่มและอื่น ๆ ). รูปที่ 6 แสดงให้เห็นเป็นแบบอย่างตารางส่วนกับ bitmask ส่วนการอ้างอิงถึงการติดฉลากแหล่งที่มาและคุณสมบัติบางอย่าง. 3.8 GroupBy มีประโยชน์มากโดยเฉพาะอย่างยิ่งเมื่อต้องรับมือกับ segmentations (labelings) และตารางส่วนเป็น KNIME GroupBynode มาตรฐาน ในวิธีการอื่น ๆ รวมสำหรับตัวเลข (เช่นหมายถึง ฯลฯ ) สตริง ฯลฯ ก็ยังมีคู่ของการดำเนินงานในการเขียนภาพหรือการติดฉลากจากชุดของภาพ (เช่นกลุ่ม) ทันทีที่คนเพิ่มคอลัมน์ภาพ (เช่นคอลัมน์ bitmask ของตารางส่วนหรือคอลัมน์ภาพของผู้อ่านภาพที่) ในการตั้งค่ารวมของ GroupBy โหนดความเป็นไปได้ที่แตกต่างกันที่จะรวมภาพของหนึ่งในกลุ่ม (กลุ่ม ที่กำหนดไว้ในการตั้งค่ากลุ่ม): •สูงสุด / ต่ำสุด / หมายถึงภาพที่ต่ำสุดสูงสุดหรือค่าเฉลี่ยของแต่ละพิกเซลจะได้รับการ โปรดทราบว่าภาพที่ใส่ของกลุ่มหนึ่งจะต้องมีขนาดเดียวกัน. •เขียนภาพภาพจะถูกวางไว้ภายในภาพที่ใหญ่กว่าในตำแหน่งที่กำหนดโดยขั้นต่ำ / ของชดเชย (metadata ภาพ) ถ้าไม่มีรูปที่ 6:. ตารางเป็นส่วนที่ผลิตโดยโหนดส่วนงานภาพ Feature- กับ bitmask ส่วนฉลากการอ้างอิงถึงการติดฉลากที่มีต้นกำเนิดและบางคุณลักษณะค่าชดเชย(เช่นชดเชยเป็น 0 สำหรับทุกมิติ) เป็น ชุดการดำเนินงานนี้ไม่ได้ทำให้รู้สึกมาก การตั้งค่าชดเชยของภาพ Metadata ภาพชุดสามารถนำมาใช้ หากภาพที่ทับซ้อนกันแล้วพิกเซลจะถูกเขียนทับ(เช่นค่าพิกเซลของภาพที่ผ่านมาชุดที่ภูมิภาคที่ทับซ้อนกันได้). •เขียนฉลากคล้ายกับ 'เขียนภาพ' การดำเนินงานที่ทุกภาพ (ที่จริง bitmasks) ของกลุ่มจะประกอบด้วย การติดฉลากตามชั้น

ผลลัพธ์ (ไทย) 3:

รูปที่ 3 : ตาราง knime ที่มีรูปสองคอลัมน์ และการติดฉลาก คอลัมน์ คอลัมน์สองภาพ ( ข้อมูลกำกับภาพ ) ให้กับการแสดงต่าง ๆ ( สามารถเลือกได้โดยการคลิกขวาบนตามตารางส่วนหัว ) .

รูปที่ 4 : การเลือกคอลัมน์แท็บที่มีอยู่ในหลายข้อความโต้ตอบของการประมวลผลภาพโหนดโหนดส่วนใหญ่ที่ใช้ชุดคำสั่งในหนึ่งภาพ หรือการติดฉลาก .
2.2 .2 โหนดมุมมอง
บางโหนด ให้เรียกว่า โหนดมุมมองหน้าต่างแสดงผลข้อมูลที่พอร์ตเอาต์พุตนั้นในบางวิธี มันสามารถเปิดผ่านเมนูของแต่ละโหนด ถ้าใช้ได้
ส่วนใหญ่ของโหนดของการประมวลผลภาพส่งเสริมให้มุมมองที่เฉพาะเจาะจง เรียกว่ามุมมองตารางเซลล์ ในทางตรงกันข้ามกับมุมมองตารางปกติที่แต่ละโหนดให้มุมมองตารางเซลล์ ช่วยให้รายละเอียดเพิ่มเติมดูในวัตถุของตารางเซลล์ นี้จะเป็นประโยชน์โดยเฉพาะอย่างยิ่งถ้าตามวัตถุไม่สามารถมองเห็นทั้งหมดในการแสดง 2D ธรรมดา ที่ใช้ภาพหลายมิติ หรือ labelings ( เช่น 3 กอง , วิดีโอ , ฯลฯ ) หลังจากดูเซลล์ของตารางได้ถูกเปิดเพียงคลิกที่ตารางที่ต้องการเซลล์ ( บนซ้าย ) เพื่อเปิดการเชื่อมโยงเซลล์ตาราง views ในกรณีของภาพและ labelings เหล่านี้เซลล์ตารางมุมมองที่ช่วยให้หนึ่งที่จะเลื่อนผ่านมิติของของภาพ / ฉลาก ซูมเข้าและออก การกำหนดความเข้มของพิกเซล ( หรือป้ายในฉลาก ) ที่ตำแหน่งพิกเซลบางอย่าง ( โดยโฉบเหนือภาพ )แสดง Histogram ของภาพ ฯลฯ มุมมองเซลล์ตารางเป็นแบบอย่างที่ปรากฎในรูปที่ 5 2.2.3 hiliting

knime hiliting กลไก .

รูปที่ 5 : ตารางวิวเพื่อตรวจสอบเซลล์เซลล์ข้อมูลในรายละเอียดเพิ่มเติม โดยส่วนใหญ่ของการประมวลผลภาพโหนด .

( ขนาน ) เช่น 2.2.4 ลูปลูปชิ้น
3 ที่สำคัญโหนดและเวิร์กโฟลว์ขั้นพื้นฐานสำหรับ
การประมวลผลภาพในส่วนนี้เราจะแนะนำการเลือกโหนด ( ไม่ได้เป็นส่วนหนึ่งของการประมวลภาพขยาย ) ที่เราพิจารณาเป็นสำคัญสำหรับงานวิเคราะห์ภาพมากมาย เพื่อให้มีขนาดกะทัดรัด ภาพรวมเราอธิบายสิ่งที่โหนด โดยทั่วไปจะทำ และดูรายละเอียดของโหนดโหนดตามรายละเอียดเพิ่มเติม เช่น โหนดการตั้งค่า ฯลฯ

ภาพ 3.1 I / O โหนดโดยปกติโหนดแรกในการวิเคราะห์ภาพเวิร์กโฟลว์คือ ผู้อ่านภาพ ขอบคุณที่ bioformats ห้องสมุดมันสนับสนุนมากกว่า 100 รูปแบบ ผลเป็นตารางที่มีคอลัมน์หนึ่งที่มีภาพทั้งหมดที่ได้อ่านภาพที่ได้อ่าน สามารถเลือกผ่านกล่องการปรับแต่งค่าของโหนดหรือโดยการให้รายการของแฟ้มสถานที่ในตารางที่เชื่อมต่อกับพอร์ตอินพุตเป็นตัวเลือก ( หรือทั้งสอง ) ตัวอย่าง รายการไฟล์ - โหนด ( Node knime มาตรฐาน ) สามารถสร้างรายชื่อไฟล์ .
อีกวิธีหนึ่งคือไฟล์ภาพที่สามารถจะอ้างอิงโดยใช้ไฟล์ภาพสนามกอล์ฟที่เร็วกว่าและไม่ต้องแปลงภาพทั้งหมดก่อนเข้า knime ภายในการเป็นตัวแทน ภาพก็แค่อ่านตามความต้องการ เช่น ทันทีที่พวกเขาจะปรากฏในตารางหรือมุมมอง หรือถ้าโหนดตามมาขอให้พวกเขา อย่างชัดเจนนำเข้าอ้างอิงรูปภาพ รูปภาพที่นำเข้าโหนดสามารถใช้หลักใช้กรณีของไฟล์รูปภาพสนามกอล์ฟคือการบันทึกหน่วยความจำฮาร์ดดิสก์เมื่อการประมวลผลจำนวนมากภาพในลูป ( ดู knime ลูปในส่วน 2.2 ) .
เพื่อสร้างภาพแบบสุ่ม ( เช่นการทดสอบหรือการเรียนรู้ ) ภาพที่สร้างจะช่วยให้หนึ่งในการสร้างรูปมิติโดยพลการพิกเซลชนิด ฯลฯ ด้วยตนเอง ระบุ หรือสร้างขึ้นแบบสุ่มภายในให้ช่วง ภาพก่อนการประมวลผลโหนด

.โหนดที่สำคัญเพื่อเตรียมข้อมูลภาพสำหรับการประมวลผลต่อไป เป็นภาพ normalizer , แปลงภาพ , และบางครั้งอินเวอร์เตอร์ .
มันมักจะเป็นกรณีที่ค่าพิกเซลภาพไม่ได้ใช้ทั้งช่วงที่เป็นไปได้ ( เช่นพิกเซลสูงสุดมูลค่า 500 65535 สูงสุดที่เป็นไปได้ในกรณีของ unsignedshorttype พิกเซลประเภท )ภาพแสดงผลในตารางหรือมุมมองเซลล์ของตารางจะปรากฏขึ้นเกือบจะเป็นสีดำ เพียงแต่บรรทัดฐานของภาพเพื่อกระจายพิกเซลค่าผ่านโดเมนทั้งหมด โดยใช้ normalizer ภาพจะทำให้พวกเขาสามารถมองเห็นได้ .
นอกจากนี้ สำหรับกรณีที่ใช้มาก มันไม่จำเป็นที่จะเก็บค่าเป็นพิกเซล shorttypes และแปลงให้อีกประเภทจะไม่อันตราย ( โดยเฉพาะกรณีเมื่อเป้าหมายคือการแบ่งส่วนภาพ ) มันช่วยลดปริมาณของหน่วยความจำดิสก์เพื่อเก็บผลระดับกลาง