麦田祭司

　　一个哥们要批处理一些图片，可能也是帮别人弄的。有很多大量的细胞的照片JPG格式的，他已经知道了如何统计一张照片中细胞数量的近似方法。也就是在ArcMap中打开细胞的图片，一共有三个波段，从其中挑选出比较适合计算细胞数量的波段。下面四张图片是在ArcMap中打开细胞图片以及图片的三个波段的比较，可以看出波段1中细胞与细胞液之间区分的最清楚。波段1中术语细胞的白色像元值大于120，而怎么得到细胞个数了，就是用肉眼去数数，也不可能很精确，只能根据属于细胞的像元数除以1000，近似为细胞个数，当然以上两个阈值也可以更改。

　　刚开始准备在python下进行，调用ArcMap的一些处理函数来进行批处理这些细胞照片。活到了我的手中，想想自己在处理MODIS影像的时候用到得Sp以及rgdal程序包，以矩阵的方式读取遥感影像，然后对矩阵进行处理。如果用Python和ArcGIS两个来做批处理，还不如我用R来得快。PS：自己毕竟对R有些熟悉，而且用Python+ArcGIS有些大材小用。

　　先确定思路已经R给我们提供了那些功能。

　　1.所有要批处理的照片放在一个文件夹内，可以用R的list.files()函数获取所在目录下所有的文件名。文件名以数组的形式存储，处理的时候直接循环访问。

　　2.利用rgdal包提供的readGDAL()函数读取JPG图片，读取之后就是一个矩阵。如果照片大小是100*100，得到的矩阵就是100*100*3，因为JPG有三个“波段”。

　　3.直接对波段1所对应的矩阵进行处理，统计大于120的个数，然后处理1000，得到细胞数量。

　　4.批处理结果输出，用write.table()将结果输出为csv文件。

源代码

# setup the workspace
# the space you store the jpg files of Cells
setwd("E:/tupian")

# get the jpg filenames in the dir
jpgfile <- list.files(getwd())

counts <- rep(NA,length(jpgfile))
cells <- rep(NA,length(jpgfile))

# summary the count for all files
for (i in 1:length(jpgfile)){
# readGDAL  read the jpg file to matirx, so JPG is a matrix.
	JPG <- readGDAL(jpgfile[i])
# summary the counts.
	num <- summary(JPG@data[[1]]>Value)[[3]]
	counts[i] <- as.integer(num)
	cells[i] <- count[i]/Reference
}
x <- data.frame(filename=I(jpgfile),count=counts,cell=cells)
# write the results to the Excel
write.table(x,file="E:\\output\\test.csv",append=TRUE,quote=FALSE,/
sep=",",row.names=FALSE,qmethod="double")