本博客第一篇文章，是此前Q与我共同撰写的。
本文主要使用的是Matlab而非Wolfram，抛玉引砖，以飨读者。
多数从事生物相关科研方向的同学都会对细胞进行共聚焦拍摄。得益于共聚焦成像的原理，进行共聚焦成像技术我们可以得到横向对比度较高的图片。说白话就是，背景很黑，信号很亮，边缘很锐利，图片很好看。
我们通常会在待发表的文章中附上对照组与实验组的共聚焦照片，组间对比来说明实验的效果有多好，比如这样👇:
本图来自参考文献
Wolf B, Piksa M, Beley I, et al. Therapeutic antibody glycosylation impacts antigen recognition and immunogenicity[J]. Immunology, 2022, 166(3): 380-407.
有一些也会带上明场图片。
Anyway，大家看文献的时候还会发现有这样的👇：
本图来自参考文献
Wen D, Li K, Deng R, et al. Defect-Rich Glassy IrTe2 with Dual Enzyme-Mimic Activities for Sono-Photosynergistic-Enhanced Oncotherapy[J]. Journal of the American Chemical Society, 2023, 145(7): 3952-3960.
当我们将荧光强度提取出来之后，我们可以更直观地表述我们的结果。
今天这篇文章就来教大家如何使用Matlab这款软件，以少量代码实现图中的效果。
首先，我们打开Matlab软件，在软件的左方导航栏，通过鼠标点击，来到我们存放共聚焦照片的文件夹：
在这里，我们可以看到我们要处理的对象文件。
还可以看到Matlab软件的不同分区，接下来我们就在命令行窗口（也就是正中间那个窗口，如果你有打开的matlab文件，则命令行窗口一般在正下方位置）输入我们的命令对图片进行处理。我们一步一步来：
首先，我们将我们要处理的文件导入（在这里，我要处理的是 1（4）.tif)，大家注意，一定要导入你拍摄之后直接导出的原始tif文件，不要去进行任何修图软件的修改。
原图1（4）.tif长这样👇：
首先感谢Dr.Yin提供的图片,Respect!🫡
导入图片(需要先改一下工作目录，或者输入文件名的时候直接把路径加上就可以)：
im1=imread('1 (4).tif');最后面的封号；是为了防止产生输出(输出并不会影响计算结果，只是在遇到比较大的矩阵时会特别耗时)，目前的输出结果对我们来说不需要，所以不用看。敲一下回车就行，此时会在右边的工作区看到有显示：
我们看到工作区中已经有了新的变量，名称是im1，值是932x932x3 uint8(uint8是8位无符号整形的意思，如果图片的精度不一样也可能是uint16等等)
从中我们可以知道这张图的维度（或者说尺寸）是932x932的，也就是说有932x932个像素点，每个像素点都包含3个值，也就是我们常说的RGB三原色。每个人的图的大小都可能不一样，这一步请注意一下你的图片大小是否与你实验预期的一致，该大小在后续代码中是需要参考的
此时我们思考一个问题：最终的效果图只有三个维度，分别对应原图的X轴、Y轴以及每个像素点的强度值。可此时我们导入的图片数据中，每个像素点有3个值，似乎对应不上。
所以我们需要先对该数据进行预处理，将每个点的RGB值（3个）转变成灰度值（也就是归一化之后的，1个），代码如下：
data1=rgb2gray(im1);敲一下回车。
此时工作区中已经出现data1的信息了：
OK，此时我们的图片数据已经对应上我们最后想要画出的强度分布图了。我们先看一下data1中的最大值是多少，这样可以确定最后强度图中z轴的取值范围：
max(data1(:))我这里的结果是76。
这里需要提醒大家一点！
我们应该对每一张图都进行导入，读图，转灰度值等操作，然后各自算出数据的最大值，以此来确定最后每张图画图的取值范围等参数
现在我们要使用data1进行画图，代码如下：
mesh(data1)
axis([0 940 0 940 0 80])
clim([0,80])
hc=colorbar
hc.Limits=[0,80]
hc.Position=[0.911197757390418,0.130560747663551,0.016309887869521,0.815]
view(-37.5,30)此时，软件界面会自动跳出来一张图，也就是我们处理得到的强度分布图：
我们来一行一行分析我们的代码。
首先是第一行 mesh(data1)。这一行代码大家可以简单理解为画图的函数，类似于很多编程语言里的Plot函数或者类似于一些画图成品软件里那个点一下就run的按钮。 这个命令是用来画二维图像的。
第二行代码 axis([0 940 0 940 0 80])的作用是告诉Matlab，去规定出图的坐标轴范围，在这里对应于X Y Z轴的范围分别是0-940，0-940，0-80。这些范围的上限信息就是从前面我们对于图片维度的判断以及data1的最大值来决定的，大家应该根据自己图片的具体情况来具体设置。
第三行代码 clim([0,80])的设置非常重要 ! 大家通常要处理的图片不止一张，并且还需要相互间进行横向或纵向比较，来说明实验结果的意义。此时，我们就需要保证一点，所有用于比较的图片的Bar必须是一样的。也就是说，每张图上相同颜色相同浓度的像素点，代表的是一样的强度。 clim函数就是用于对画图所使用的颜色规定上下限，在这里，我们规定上限是80，下限是0（因为data1的最大值是76，我们向上取到80）。也就代表着，80的强度值是最强（最黄），0的强度值是最弱（最蓝）。注意，clim函数的使用必须保证Matlab的版本在R2022a及更新版本，R2022a版本之前的Matlab请更改为caxis函数。
第四行代码 hc=colorbar是告诉Matlab软件，在给出的图片中附上对应的Color Bar。并把Color Bar的句柄保存在变量hc中，这样可以方便后续对这个colorbar的操作。也可以直接在命令行中输入 get(hc)查看都有哪些属性可以修改，比如常见的位置、字体、字号、长度、宽度、方向等都可以随意修改。
第五行代码 hc.Limits=[0,80]则是告诉Matlab，Color Bar上标注的数值范围是0-80。
第六行代码 hc.Position=[0.911197757390418,0.130560747663551,0.016309887869521,0.815]是规定Color Bar在成品图中的位置,这里的位置是用四个数来表示位置，依次是左侧位置、底边位置、宽度、高度，它默认的单位是归一化单位，也就是图片的最左侧是0，最右侧是1，高度也是一样的，最下面是0，最上面是1，所以在拖动图片改大小的时候它也会跟着变。
第七行代码 view(-37.5,30)规定成品图的观看视角。
是的，成品图可以通过拖拽改变视角，也可以拖动Color Bar来修改它的位置，从而得到让自己满意的成品图的效果。所以给出的示例代码中的值是可以根据你自己的需求进行修改的。
现在我们就可以按住figure窗口中的图进行拖拽，来找到一个合适的视野角度，先把鼠标放在图片上，点击出现的右上角的旋转圈样式的图标。
拖拽之后就可以改变视野，比如这样：
此时，我们可以在命令行窗口输入代码 [caz,cel]=view()来确定当下图片的视角值。
视角值一般就是两个值，得到合适的视角值之后就可以用于替换示例代码中的第七行 view(-37.5,30)括号内的值了
讨论完旋转调节视角，现在我们讨论一下如何更改图中各元素的水平位置。
现在我们回到Matlab软件中跳出的 figure 窗口，点击查看按钮，再点击 属性编辑器 按钮，进入属性编辑器：
将窗口最大化后，我们会发现和小图显示效果差距很大：
图片的显示效果变差了，没关系，最后改就可以。
我们可以点击图中的任意元素，比如主图，比如Color Bar。这里，我点击选中Color Bar作为示例讲解。 请注意，一定要最大化窗口，并且不要随便关闭，否则图窗改变，后续处理的其他图片不具备跟当下结果的可比性！
选中Color Bar，然后点击右下角的更多属性按钮，我们就可以看到Color Bar的属性了。
往下拖拽，我们就可以看到位置的属性，点开小三角，Position的值就是当下图中Color Bar的位置信息了，我们可以通过拖拽Color Bar来更改和确定当下Color Bar的位置，当确定合适的位置后，我们就可以把Position框中的值拷贝，回到代码界面，赋给hc.Position。 也就是把0.911197757390418,0.130560747663551,0.016309887869521,0.815这几个值改成你要的值
现在，我们还剩最后一步就可以获得第一张高质量的可用的强度分布图了。
我们选中主图，然后点击右下角的 面 选项：
然后选择 混合（插补）
这样我们的图就变得饱满好看了。
然后我们就可以将自己满意的图片导出。
我们点击图窗视角下左上角的文件按钮：
选择导出设置，并点击打开
选择跟我一样的设置，然后点击右侧的导出按钮，选择好自己要存放结果图片的文件夹，选择好自己要保存的文件的类型（一般我们选择TIFF格式），就可以了。
最后，我们写一下汇总的代码。希望大家可以看完这篇文章，从而明白每一行代码的具体执行目的，这样就可以根据自己的需求来修改代码了。 请将该代码保存为Matlab的m文件并将文件放在存放你的图片的文件夹中 或者 在导航栏进入对应文件夹中后输入代码
建议每张都单独处理，并牢记中途不要关闭窗口，保持图窗稳定
%读图
im1=imread('1.tiff');
%转数据为灰度值
data1=rgb2gray(im1);
%确定z轴的范围
max(data1(:))
%开始画图
mesh(data1)
axis([0 940 0 940 0 80])
clim([0,80])
hc=colorbar
hc.Limits=[0,80]
hc.Position=[0.911197757390418,0.130560747663551,0.016309887869521,0.815]
view(-37.5,30)当然如果你觉得图片和程序文件放在一起管理起来不方便，也可以把上面的代码修改一下，把读图部分改成如下程序就可以。
[filename,pathname] = uigetfile({'*.tif;*.jpg'});
%读图
im1=imread([pathname,filename]);第一行会给出一个对话框，可以选择电脑上的文件，如果需要增加其它后缀，就在uigetfile这个函数里面的单引号之间加上一个分号;再加上后缀名就可以，比如加上png格式，那就把程序改成 [filename,pathname] = uigetfile({'*.tif;*.jpg;*.png'});，上面的命令matlab里面有更多的介绍，如果需要更多的修改可以查询相应函数的帮助文件。
本文章使用的是Mac OS操作系统 Monterey，系统版本12.3.1，Matlab版本为R2022b。
祝大家科研愉快🤓！
本文由Q与madun贡献
madun’s work © 2024 by madun is licensed under CC BY-NC-SA 4.0