Mikro-Forum

Hallo in die Runde,

in einem anderen Thread wurde ich gefragt, wie man den typischen Helligkeitsgradienten bei DIC aus Bildern entfernt. Deshalb möchte ich hier meine digitale Nachbearbeitung von Mikrobildern vorstellen.

Bei meinen Bildern führe ich im Allgemeinen eine sog. Flatfield-Korrektur und eine Kontrastspreizung durch.
Flatfield-Korrektur:

Bei mikroskopischen Bildern (speziell bei DIC) lässt sich eine ungleichmäßige Beleuchtung nicht vermeiden. Auch der allgegenwärtige Dreck auf Linsen und Sensor führt zu einer "unebenen" Ausleuchtung des Bildes.
Diese Beleuchtungsfehler sind unabhängig vom Objekt und können aus dem Bild mit einer Flatfield-Korrektur herausgerechnet werden. Dazu macht man vor der Aufnahme (beim Objektivwechsel) einmalig ein Foto eines "leeren" Bildausschnitts. Dazu sucht man sich im Präparat eine leere Stelle (ggf. defokussiert man etwas) um ein Flatfield-Foto aufzunehmen. Dieses Bild beinhaltet dann alle Beleuchtungsfehler, die bei den folgenden Aufnahmen des Objektes das Bild verfälschen und kann zur Korrektur des Fotos verwendet werden.
Für die Entstehung von Fotos gilt allgemein:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Flatfield.jpg)
Bei diesem idealen Foto wird jedes Hintergrundpixel für jeden Farbkanal auf einen festen Wert von 128 (Mitte zwischen 0...255) gesetzt. Das Objekt trägt zu dieser Hintergrundhelligkeit entsprechend seines Absorptionsvermögens bei.
Diese Berechnung des Idealen Fotos führe ich mit ImageJ (in der "Version" Fiji) mit dem Befehl "Process -> Calculator Plus" durch. Wenn dieser Befehl in der verwendeten ImageJ-Version nicht zru Verfügung steht, kann er nachinstalliert werden.
Dieses Tool führt pixel- und farbkanalweise Berechnungen durch. Hier wählt man das Flatfield-Bild und das zu korrigierende Bild und die durchzuführende Operation (Divide). Die in der Formel verwendeten Konstanten setzt man auf 128 bzw. 0:
(https://gastrotricha.science/technik/digitalenachbearbeitung/CalculatorPlus.jpg)
ImageJ erzeugt nun ein korrigiertes Bild, aus dem das "unebene Flatfield" herausgerechnet ist.
Andere Bildbearbeitungsprogramme bieten diese Funktionen wahrscheinlich auch.
Als Beispiel habe ich mal einige gruselige Bilder gewählt. Es handelt sich um Fotos, die mit einem Zeiss DIC (alt) und schlecht passendem Objektiv PlanApo 63/1.4 gemacht wurden. Dadurch ergibt sich ein ziemlicher Helligkeitsgradient. Außerdem war die Optik verdreckt und ich hatte einen unschönen Hotspot. Auch der Weißabgleich ist ungenügend:
Flatfield:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Flatfield2.JPG)
Rohbild:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Rohbild.JPG)
Korrigiertes Bild:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Result.jpg)
Dreck, Hotspot und ungleichmäßiger Hintergrund sind verschwunden. Ebenso ist der Weißabgleich ideal.
Das Bild ist aber noch viel zu flau. Was jetzt noch fehlt, ist die
Kontrastspreizung

Wenn man sich die Helligkeitsverteilung des obigen Bildes im Histogram ansieht, erhält man:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Histogram.jpg)
Der Helligkeitsschwerpunkt liegt zwar recht ideal in der Mitte der Verteilung, aber der mögliche Helligkeitsbereich (0...255) wird bei weitem nicht ausgenutzt. Der Kontrast (also der Unterschied zwischen hellem und dunklem Objektpunkten) ist viel zu klein. Um die Einzelheiten im Bild mit maximaler Deutlichkeit zu sehen, muss man das obige Histogram so dehnen, dass es den gesamten Helligkeitsbereich abdeckt.
Dabei sollten natürlich keine Informationen verloren gehen. Wie weit man das Histogram strecken kann, wird also durch den hellsten Bildpunkt und dem dunkelsten vorgegeben. Ohne Informationsverlust kann man den dunkelsten Bildpunkt aus 0 und den hellsten auf 255 setzen. Leider sind aber durch Bildfehler in jedem Bild Punkte mit der Helligkeit 0 und 255 vorhanden. Wenn man diese beibehalten möchte, dürfte man den Kontrast nicht strecken. Diese Extrempunkte werden aber meist durch Sensorfehler erzeugt und müssen nicht berücksichtigt werden. Deshalb legt man bei der Kontrastspreizung fest, auf wieviel Prozent der extremsten Bildpunkte man notgedrungen verzichten möchte. Dieser Wert sollte sehr konservativ gewählt werden, um möglichst keinen Informationsverlust zu riskieren. Ich wähle diesen Wert meist mit 0,35%:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Contrast.jpg)
Mit dieser Einstellung erhält man dann als Endresultat:
(https://gastrotricha.science/technik/digitalenachbearbeitung/Ende.jpg)
mit folgendem Histogram:
(https://gastrotricha.science/technik/digitalenachbearbeitung/HistogramEnde.jpg)
Ich denke, das Resultat kann sich bei diesen Ausgangsbildern doch sehen lassen!
Die obige Nachbearbeitung läuft bei mir automatisch bei jedem neuen Foto ab. Wenn man wirklich hochwertige Fotos machen möchte, ist es meist notwendig, nochmals von Hand nachzuarbeiten.

Viele Grüße

Michael

Lieber Michael,

ich teile deine Aussage nicht:

ZitatBei mikroskopischen Bildern (speziell bei DIC) lässt sich eine ungleichmäßige Beleuchtung nicht vermeiden. Auch der allgegenwärtige Dreck auf Linsen und Sensor führt zu einer "unebenen" Ausleuchtung des Bildes.

Ich habe dieses Problem beim meinem Leica DMRB nicht oder kaum. Es hängt also sicherlich auch vom Mikroskop ab. Damit kann ich mir das ganze von dir vorgeschlagene Prcedere sparen. Aber mich interessiert, wie das bei anderen ist.

Grüße und bis demnächst,
Stephan

Lieber Stephan,

ob und wie stark ein Gradient beim DIK vorhanden ist, hängt davon ab a) welches DIK System man verwendet b) ob die Prismen optimal justiert sind und c) ob ggf. nicht vorgesehene Prismen-Objektiv-Kombinationen verwendet werden.
Ältere DIK-Systeme von Zeiss endlich haben unter Umständen von sich aus einen etwas deutlicher wahrnehmbaren Gradienten als moderne Systeme. Nach meiner Erfahrung ist zum Beispiel der DIK von Reichert unendlich (am Polyvar) in diesem Pukt einer der besten DIKs aus seiner Zeit.
Auch der Olympus-DIK endlich (z.B. BH2 hat praktisch keinen Gradienten, wenn die richtigen Objektive genutzt werden. An Unendlich-System aller Hersteller ist der Gradient eigentlich kein großes Problem mehr.
Besonders deutlich ist oft der Gradient, wenn Optiken verwendet werden, für die der DIK nicht gerechnet ist. Damit gibt es manchmal einen ganz hervorragenden DIK, aber oftmals auch einen stärkeren Gradienten. Gerne werden zum Beispiel Fremdoptiken am alten Zentralschieber-DIK von Zeiss verwendet. Auch der manchmal etwas stärkere Gradient in Annes Bildern ist darauf zurückzuführen, dass sie an ihrem Olympus-System gerne Optiken einsetzt, für die das System nicht gerechnet ist. Ob der Gradient stört, ist Geschmacksache und hängt meiner Ansicht nach auch sehr vom Motiv ab. Nicht selten (wie bei Annes Bildern) kann der Gradient auch durchaus positiv zur Bildästhetik beitragen.

Sensorstaub und sonstige Flecke sind ein anderes Thema... ;)  8)

Herzliche Grüße
Peter

Hallo Stephan,

ich bin da ja nicht missionarisch unterwegs  ;)  - wenn Du mit Deinen Fotos zufrieden bist, gibt es ja keinen Grund, weiteren Aufwand zu treiben.

Vielleicht ist der Eindruck entstanden, dass sich eine Flatfield-Korrektur nur bei schlechten Fotos lohnt. Ich habe das grausige Beispiel eigentlich nur gewählt, um das Verfahren zu verdeutlichen. Im Allgemeinen sind meine Ausgangsfotos dann doch etwas besser.
Aber auch bei sauberen Ausgangsfotos lohnt der Aufwand, da auch hier die Bildqualität entscheidend verbessert werden kann. Selbst wenn der meist schwache Helligkeitsgradient nicht sehr stört, verhindert er doch

- das nachträgliche Verstärken des Kontrastes, da dabei auch der Gradient verstärkt wird
- das Zusammensetzen mehrerer Fotos zu einem Gesamtfoto, da hier durch den Gradienten immer die Grenzen der Fotos im Gesamtbild sichtbar bleiben

Wenn man auf die nachträglich Kontrastieren verzichten möchte, muss man bereits bei der Aufnahme den Kontrast des Bildes durch den DIC oder die Aperturblende entsprechend gut wählen. Das fällt mir ohne Auflösungsverlust bzw. Sättigung der Lichter und Schatten schwer. Ich stelle lieber den Kontrast etwas flau ein und konzentriere mich auf die maximale Auflösung. Den Kontrast kann ich dann hinterher optimieren (wenn ich den Gradienten etc. vorher beseitige).

Oft sind die Objekte zu groß, um sie mit einem hochauflösenden Objektiv insgesamt aufzunehmen. Dann ist es nötig, mehrere Ausschnittsbilder zu machen und diese zu einem hochauflösenden Gesamtbild zusammenzusetzen. Das ist aber nur dann sinnvoll möglich, wenn man gleichmäßig ausgeleuchtete Bilder verwendet. Jeder Gradient (auch wenn er noch so klein ist) führt dazu, dass man im Gesamtbild die Grenzen der Ausgangsbilder sieht. Ein Bild wie dieses (zusammengesetzt aus 3 Einzelbildern mit dem 100er) wäre dann nicht möglich:

(https://www.mikroskopie-forum.de/index.php?action=dlattach;attach=33645;image)

Wie bei allem ist es halt eine Frage, was man zeigen möchte und wie gut die Ausrüstung ist.

Wenn Du willst, können wir ja am Pillersee mal versuchen, eines Deiner Bilder entsprechend nachzubearbeiten. Dann kannst Du direkt vergleichen, ob sich der Aufwand lohnt.

Der beschriebene Aufwand fällt übrigens nur an, wenn man die Einzelschritte von Hand ausführt. Ich habe mir ein kleines (na ja - inzwischen etwas größeres) ImageJ-Makro geschrieben, dass die Speicherkarte der Kamera überwacht und bei jeder Aufnahme direkt das Foto auf den Laptop kopiert. Das Foto wird dann automatisch bearbeitet und das Ergebnis dann gespeichert. Von daher ist bei meiner Konfiguration kein zeitlicher Aufwand nötig. Der entsteht erst, wenn man mit dem "automatischen" Ergebnis nicht zufrieden ist.

Viele Grüße

Michael

Hallo Michael,

der Nachteil der Flatfieldkorrektur sind die Umstände, die sie macht und bei der man bei einer Vergrößerung und nur einer Einstellung alle Parameter am Mikroskop (Helligkeit, DIK-Einstellung Blende) vorher festlegen muss und nicht verändern kann. Außer dem Motiv selbst darf sich ansonsten gegenüber dem zu Verrechnung verwendeten "Leerbild" nichts ändern.
Das ist im praktischen Tümplerleben doch eigentlich gar nicht möglich (?). Man arbeitet sich von Vergrößerung zu Vegrößerung, mal macht man ein Foto mit dem 40er, weils es gerade passt, dann vielleicht mit dem 63 er, dabei "spielt" man doch auch ggf. mit den Blenden, der Helligkeit und vor allem auch mit der DIK-Einstellung. Gerade bei Zentralschieber-DIKs kann man nicht immer die exakte Position der Schieberstellung festlegen, da man diese von Vergrößerung zu Vergrößerung verstellen muss und es keine "Rastpositionen" etc. gibt.
Wenn ich mir allerdings vornehme, ein bestimmtes Objekt mit nur einer Vergrößerung und nur einer Einstellung aufzunehmen, ist die FF-Korektur in meinen Augen praktikabel. Aber vielleicht siehst oder machst Du das anders? Jeder hat ja seine eigenen Techniken und Workflows.

Herzliche Grüße
Peter

Solange die Korrekturen nicht riesig sind, kann man das so machen und es ist visuell oft befriedigend. Aber JPGs sind keine linearen Bilder, darum ist die Formel oben so nicht richtig. Man muss eigentlich aus einem RAW ein lineares Bild machen, das korrigieren und danach erst die Gammakodierung o.ä. anwenden, bevor man dann ein JPG draus macht. Damit fällt auch das Quantisierungsrauschen durch nur 8 bit kaum noch ins Gewicht.

Es gibt da schon ein paar versteckte Tücken. So sollte das Flatfield entrauscht werden, z.B. mit Durchschnittsbildung, weil es natürlich Rauschen hinzufügt. Starke Bildabschwächungen haben ein schlechtes SNR und ggfs. Beugungseffekte, und Flatfields können nichts dagegen tun.

Ich will es nicht schlechtreden. Man kann die Bildqualität erheblich steigern, aber man muss sich mit der Bildgebung befassen, sonst kann man auch leicht eine Verschlechterung bekommen und sucht ewig den Fehler.

Michael

Hallo Michael,

vielen Dank für deine Einsichten. Und ich glaube es ist ein wichtiges Thema,
insbesondere für die Qualität der Bilder aber auch schwierig...

Kannst du dein ("negativ")-Beispiel: Bild + Staubkarte(Gradientenkarte) ablegen?


Habe versucht das mit Bordmittel(Affinity Photo 2, Helicon, Picolay) nachzubauen und bin bis jetzt gescheitert.
ImageJ das Programm ist komplex und was für Profis.

Kontrastspreizung ist für mich die "Tonwertkorrektur"
STRG - L; für fast alle Programme
Tipp: drückt man in Affinity Photo die ALT-Taste und bewegt man den Schwarz- bzw. Weißregler in die Mitte, dann sieht man irgendwann Struktuen, kurz davor, also ohne Strukturen, soll die perfekt Einstellung sein. Im Histogramm wäre man dann noch im Flachen.


Affinity Photo
hat den Blendmode "Division"
Erste Beobachtung es wird zu hell. Eine Möglichkeit ist es, die Staubkarte heller zu machen, dann wird das Ergebnis dunkler. Komisch.
REMOVE COLOUR CAST FROM UNDERWATER OR LANDSCAPE PHOTO USING AFFINITY PHOTO "DIVIDE BLEND MODE" (https://www.youtube.com/watch?v=vJGYcK4xwho)

Mit Blendmode "Division"
2025-05-14 11_42_21-Affinity Photo 2.jpg

Man drückt die ALT-Taste und schiebt die Schwarzstufe nach rechts.
Dann auch noch für die Weißstufe, die nach links.
Affinity_Tonwertkorrektur.gif



Helion Focus
kann eine Staubkarte einbinden. Will aber mindestens zwei Fotos haben. 2xFoto + Staubkarte.
Die Staubkarte ist tatsächlich eine Staubkarte, weil nur Punkte entfernt werden, aber keine Gradienten. Komisch.
Animation
Helicon_Staubkarte.gif


Picolay
kann das erste Bild abziehen: Mittels  "Divide by 1st Image" oder
"Set background/flat-field"
dazu braucht es auch zwei Bilder Staubkarte + Bild
Background Flat Field geht besser.
Picolay_Flatfieldkorrektur.jpg


2025-05-14 11_46_21-Manual_PICOLAY_EN.pdf und 12 weitere Seiten - Profil 1 – Microsoft� Edge.jpg

Die Stitching-Funktion von Affinity kann manchmal die Übergänge ausgleichen.
Aber auch nicht perfekt.

Man bräuchte dazu deinen Workflow in einem Standard-Programm.
Was mir aufgefallen ist. Schraube ich danach wieder am Kontrast, dann fange ich mir wieder den Gradienten ein.



Liebe Grüße
Rudolf

Hallo Michael, Stephan, Peter und Rudolf,
das ist schön dass du das so klar formulierst Michael, vielen Dank.
Ich habe auch eine Methode um den Hintergrund gleichmässig zu machen.
Anstatt der Division benutze ich Subtraktion das Ergebniss hat viel weniger Rauschen, es scheint auch das numerisch stabilere Verfahren zu sein, aber das muss ich erst noch testen.
Composite (RGB).jpg
Kurzbeschreibung:
Das Bild wird mit image - color - "Split Channels" in 3 Bilder geteilt danach werden die einzelnen Farbkanäle voneinander abgezogen. Am Schluss vereinigt man die 3 Bilder wieder und wandelt in RGB um.
Wichtig ist wohl auch das es eine 32 Bit float Subtraktion ist ,sonst gehen womöglich Farben verloren.
Clipboard.jpg
Hier Die Ecke Rechts oben im Vergleich Subtraktion der Farbkanäle links, Division rechts, man achte auf das Rauschen. Bei beiden Bildern wurde der Kontrast nach der Operation gespreizt.
SubDiv.jpg
Gruss
Martin

Hallo in die Runde

@Peter: Du hast Recht: Immer wenn man (signifikante) Änderungen der Einstellungen vornimmt, ist eine neue Flatfield-Aufnahme nötig. Meistens ist das bei mir aber nur nach Objektivwechsel und entsprechenden hierbei nötigen Einstellungen nötig. Ich bewege dann das Präparat kurz auf einen leeren Bereich und fertig. Das finde ich nicht sehr störend. Aber letztendlich lohnt es sich für gezielte Aufnahmen natürlich mehr als für einen Zufallsfund bei einem Spaziergang durchs Präparat...

@Michael: Leider hast Du da natürlich Recht. JPEG komprimiert und lässt im Allgemeinen andere Merkmale bei der Flatfield-Aufnahme weg als dann beim Rohfoto. Diesen Effekt fand ich aber bisher in der Praxis nicht störend. Wie Du treffend sagst, könnte man das bei einer Verwendung von RAW-Dateien vermeiden.
Schlimmer ist das schlechte Signal-Rausch-Verhältnis bei starken Gradienten / dunklen Flatfield-Bereichen. Beim obigen Beispiel erkennt man dann ja auch das starke Rauschen im End-Foto in den ehemals dunklen Bereichen. Da habe ich noch keine vernünftige Lösung gefunden. Tröstlich ist, das ein so starker Gradient, wie bei diesem Beispiel in der Praxis nicht vorkommt bzw. vermieden werden sollte.

@Rudolf: Zu den einzelnen Programmen kann ich nichts beitragen. Die vorgestellten Bildbearbeitungs-Algorithmen sind aber Standard und sollten so oder so ähnlich eigentlich in allen vernünftigen Programmen vorhanden sein.
Wenn ich mir aber ansehe, wie viele Menü-Punkte und Toolbars etc. Programme wie Affinity / Photoshop / Gimp anbieten, kann ich Dir nicht zustimmen, dass ImageJ komplexer und nur was für Profis ist. Letztendlich bietet ImageJ sehr viele Funktionen an, von denen man aber nur eine Handvoll in der Praxis verwendet. Das ist, glaube ich, kein großer Unterschied zu so Flaggschiffen wie Photoshop. Lediglich die Benutzeroberfläche ist bei ImageJ etwas angestaubter als bei moderneren, kommerziellen Programmen.

Was meinst Du mit

ZitatKannst du dein ("negativ")-Beispiel: Bild + Staubkarte(Gradientenkarte) ablegen?

? Du kannst die Bilder doch einfach vom Beitrag herunterladen.

@Martin: Deine Methode bringt ein sehr gutes Ergebnis - das Rauschen bei mir stört mich immer wieder.
Warum funktioniert das denn? Theoretisch sollte doch eine Subtraktion falsch sein, da die Transmission des Objektes doch multikativ bei der Bilderzeugung eingeht. Wenn Du da eine Erklärung hast, würde mich das stark interessieren.


Viele Grüße

Michael

Hallo,

sowas habe ich mal in der Programmiersprache Python gemacht.
Gerade in Python gibt da viele Bibliotheken und Projekte um Darkfield-Korrektur oder Flatfiel-Korrektur
zu machen.

Hier ein Blog von mir dazu:
Flatfield-Korrektur bei Mikroskopaufnahmen mit Hilfe von Python (https://microscopiumsimplex.blogspot.com/2015/01/flatfield-korrektur-bei.html)

Ist super praktisch wenn man Staubkörner, Hotspots, Pixelfehler, ... aus hundert Fotos,
die unter gleichen Bedingungen gemacht wurden, automatisiert entfernen will.

Leo

Hallo Michael,

Zitat von: Michael Müller in Mai 14, 2025, 18:33:39 NACHMITTAGSda die Transmission des Objektes doch multikativ bei der Bilderzeugung eingeht

Beim Dik kannst Du einen Pechschwarzen Hintergrund haben aber dann ein Helles Objekt, auch im Dunkelfeld ist das so. Im Phasenkontrast ist es auch wieder anders. Das Bild ist also nur im Hellfeld zumindest theoretisch "multiplikativ" mit Dem Hintergrund verknüpft.
Das Subtrahieren funktioniert zumindest im Hintergrund auch im Hellfeld man müsste das mal ganz genau Vergleichen was jetzt bessere Ergebnisse bringt.

Division ist numerisch instabil in dunklen Bereichen, ich will auch mal annehmen , dass die Null im Nenner nicht auftaucht.
(Schwarz/Schwarz)*128=Weiss(Weiss) select me 8)
(2 / 1)  *128=255
(Schwarz/Schwarz)*128=Schwarz
(0 / 1)  *128=0

Subtraktion ist überall stabil rauscht weniger
(Schwarz-Schwarz)+128=Grau
(1-2)+128=127
(Weiss - Weiss)+128=Grau
Bei der Subtraktion können natürlich auch negative Werte rauskommen, z.B. -255 deswegen auch Vorzeichenbehaftete Fliesskomma Farbwerte genau hier verstehe ich (noch) nicht was die Software macht da könnte durchaus auch ein Rechenfehler sein.

Gruss
Martin

Hallo

@Leo:
Vielen Dank für den Hinweis auf Deinen Blog - das Python-Skipt kann ich sicher bei Gelegenheit mal brauchen!
Nur eine Frage: Du dividierst das Rohbild durch das Flatfield. Was ich aber nicht sehe, ist dass Du die das Ergebnis mit einer "Durchschnittshelligkeit" oder 128 multiplizierst. Macht das Python automatisch?

@Martin:
Ich habe mir Deine Methode nochmals genauer angesehen. Prinzipiell ist es sicher so, dass bei einer Verdopplung der Beleuchtungshelligkeit auch die Helligkeit jedes Punktes des Objekts verdoppelt wird - unabhängig von Hellfeld / DIC / Dunkelfeld / schiefe Beleuchtung. Deshalb kann man mit Deiner Methode die Helligkeitsfehler im Objekt nicht vollständig korrigieren, sondern bestenfalls vermindern. Der Hintergrund dagegen wird vollständig korrigiert, da er ja zu 100% dem Flatfield entspricht. Das Ergebnis sieht also gut aus, da die verbleibenden Helligkeitsfehler im Objekt nicht mehr auffallen, der Hintergrund aber perfekt aussieht.
Zusätzlich hast Du natürlich Recht: bei der Subtraktionsmethode geht nur der Absolute Fehler des Flatfields in das Ergebnis ein, beim Dividieren aber der Relative Fehler. Das führt dann bei Dir zu einer deutlich sichtbaren Reduktion des Rauschens. Aus ästhetischer Sicht finde ich deshalb Deine Methode bei Flatfields mit sehr dunklen Bereichen besser. Es kommt halt darauf an, wie schlecht das Ausgangsbild ist.
Deine Methode macht aber keinen Weißabgleich (nur beim Hintergrund). Deshalb sollte man - anders als bei meinen Beispielbildern - bereits bei der Aufnahme auf einen korrekten Weißabgleich achten.
Bei Deiner Berechnung verwendest Du den ImageCalculator von ImageJ. Du kannst Dir eine Menge Zwischenschritte sparen, wenn Du den "Calculator Plus" verwendest (ggf. Nachinstallieren). Dieses Tool bearbeitet die Farbkanäle gleichzeitig und verwendet Floating-Point-Zahlen in den Zwischenergebnissen.
Ich hänge an den Beitrag das Ergebnis-Bild und die Einstellungen des "Calculator Plus" an, die ich verwendet habe. Vor der Bearbeitung habe ich beim Flatfield und beim Rohbild jeweils einen Weißabgleich durchgeführt (das ist etwas problematisch, da ich nicht sicher bin, ob der Weißabgleich bei beiden Bildern 100% gleich ausgefallen ist). Ich denke, bei diesem Rohbild ist Deine Methode ästhetisch besser!
Vielen Dank für Deine Anregung.

Viele Grüße

Michael


 

Hallo Michael,

ich habe die Bilder verkleinert für die Gifs, deshalb die grottige Qualität. My fault.

Hier mit Picolay FlatFieldKorrektur und leicht nachgeschärft und Tonwertkorrektur.
Das sieht gut aus.

Picolay_FlatField_entrauscht_nachgeschärft_005.jpg


Habe auch versucht in Affinity mit Differenz und Division rumzuspielen.
Die Ergebnisse sind noch mau.

Division_Affinity
Division_Affinity.jpg

Differenz_Affinity
Differenz_Affinity.jpg

Hallo,

der Vergleich der Methoden "Division" und "Subtraktion" des Hintergrundes mit dem Bild ist ganz interessant, beide sind nicht fehlerfrei (unabhängig von dem Problem des unterschiedlichen Rauschens).
Hier ein idealisierter Vergleich mit zwei Helligkeitsgradienten als Testbilder (oben links die ersten beiden Bilder, vertikaler und horizontaler Verlauf). Rechts oben erst die Division beider Bilder, dann die Subtraktion. Man sieht dass die Subtraktion den nach Verrechnung der Bilder theoretisch idealen Bildverlauf (eine homogen diagonal verlaufende Helligkeitsverteilung) etwas besser erfüllt.

Darunter das gleiche aber mit einer definierten Helligkeitsabstufung (Helligkeitswerte 0, 64, 128, 192, 255). Hier sieht man besser was das Programm bzw. die Rechenverfahren machen:

Division (3. Bild untere Reihe)
Zahl/0 = 0 als Definition (Schwarz) - siehe linker schwarzer vertikaler Balken im Ergebnisbild. Im kontinuierlichen Verlauf darüber sieht man hier ganz schmal am linken Rand ebenfalls schwarze Punkte vermengt mit gesättigten Farbpunkten weil die Erstellung des kontinuierlichen Helligkeitverlaufs im RGB-Raum Farbfluktuationen erzeugt hat.
Ein schwarzer Balken entsteht natürlich als Ergebnis oben horizontal weil 0/Zahl immer 0 ist.
In der 2. Spalte der Bildrasterung sind unten 3 weiße Felder statt einem Verlauf weil bei Division einer großen Zahl (relativ heller horizontaler Bereich, hier 128, 192, 255) durch eine kleine Zahl (hier Dunkelgrau 64) ≥ 2 ergibt und damit (≥ 2)*128 ≥ 255 als Weiß in Sättigung geht.

Subtraktion (4. Bild untere Reihe)
Hier sind die Bereiche links unten (Weiß) und rechts oben (Schwarz) schlecht differenziert dargestellt, in den Schatten sogar schlechter als bei der Division. Denn extreme Helligkeitsunterschiede (Weiß-Schwarz = (255-0)+128 ≫ 255 oder Schwarz-Weiß = (0-255)+128 ≪ 0 gehen durch die Subtraktion ebenfalls in Sättigung.

Eine Verschlechterung der Objektdarstellung könnte es dadurch bei extremen Helligkeitsunterschieden zwischen Objekt und Hintergrund geben (sehr dunkle Strukturen vor hellem Hintergrund und umgekehrt). Ein "mittelgrau" belichtetes, wenig kontrastreiches DIK-Objekt ist dagegen relativ unproblematisch. Seltsamerweise wird auf diese möglichen Probleme bei der Beschreibung dieser Art Flatfield-Korrektur auf YouTube oder zu den ImageJ-Plugins nicht hingewiesen.

Vergleich Intensitätsverlauf Division Subtraktion.jpg

Und hier noch etwas plakativer die "Objektverzerrung" durch die nichtlineare Korrektur des Hintergrundes.

Vergleich Objekt horizontal Hintergrund vertikal.jpg

Hubert

Hallo Hubert,

super anschaulich.
Jetzt weiß ich auch warum es bei Affinity nicht klappt.
Das sieht anders aus.

Kannst du, weil du dafür ein Programm hast, für die Division und Subtraktion jeweils den Faktor und den Summanden weglassen und dann das Muster anzeigen. Also nur den ersten Schritt der Rechnung ausführen und das Pattern zeigen. Also die beiden rechten zwei Bilder austauschen.
2025-05-15 12_33_18-Digitale Bildbearbeitung - Flatfield-Korrektur und Kontrastierung – Mozilla Fire.jpg

Vorgehensweise(Plan) von mir:
Ich schaue, ob es einen Blendmodus gibt, der das erste Ergebnis erzeugt(ohne die Multiplikation/Addition)
Und dann versuche ich das Ergebnis für die Division noch mit 128 zu multiplizieren.
Und für die Subtraktion mit 128 zu addieren. Und wenn es klappt sieht es so wie bei dir aus.
Also wie die beiden Bilder rechts.

Liebe Grüße
Rudolf

Hallo Rudolf,

das gibt z.T. keinen Sinn. Das erste Bild mit dem Programm (ImageJ, Plugin Calculator Plus) zeigt das Ergebnis wenn die Pixel nur dividiert werden: Schwarz, also Intensitätswert 0. Das ist rechnerisch nicht richtig, weil der höchste Rechenwert zumindest 255/64 ≈ 4 ist, aber es kann intern sein dass das Programm da im RGB-Raum eine Rundung durchführt. Außerdem ist ein Wert von 4 auf dem Monitor praktisch nicht mehr von reinem Schwarz unterscheidbar.

NurDivision.jpg

Das zweite Bild zeigt die reine Subtraktion. Das ist insofern problemloser als die Werte wieder ganzzahlige vielfache von 64 sind, und die Diagonale und alles rechts oben davon natürlich schwarz wird weil die Differenz ≤ 0 wird.

NurSubtraktion.jpg

Hubert

Hallo Hubert,

schwarze Wand... :o

aber trotzdem vielen Dank, für das Beispiel.

Die Helligkeit geht von 0 = Schwarz bis 255 = Weiß
Werte die Negativ sind werden als Schwarz definiert.

Liebe Grüße
Rudolf

2025-05-15 15_03_32-Microsoft Excel - Mappe3.xlsx.jpg

Hallo

@Rudolf: Das Picolay-Bild schaut ja wirklich schon recht gut aus!

@Hubert:
Vielen Dank für Deine schöne Zusammenstellung! Nur eine Anmerkung: Zahl / 0 = 256 (weiß) setzen. Dann sieht das Ergebnis bei Division etwas besser aus.
Das Problem bei all diesen Berechnungen sind halt immer die Quantifizierungsfehler, die man bei einer entsprechenden Bittiefe der Farbkanäle erhält (bei jpeg 8 Bit). Diese Fehler fallen um so mehr ins Auge, je ,,extremer" die Ausgangsbilder sind. Da lässt sich aber systembedingt kaum was dagegen machen. In der Praxis (bei einigermaßen vernünftigen Ausgangsbildern) fallen diese Berechnungs- / Rundungsfehler aber nicht in Gewicht.
Dennoch ist der Vergleich zwischen "Divisions-" und "Substraktionsmethode" sehr interessant. In der realen Welt - ohne digitale Rundungsfehler - ist die Divisionsmethode die physikalisch richtige Vorgehensweise. In der ersten Zeile des angehängten Bildes habe ich versucht, die Bildentstehung zu verdeutlichen. Links die Hintergrundhelligkeit (Flatfield), die mit einem Dreckfleck verunziert wurde, der die Helligkeit auf 80% vermindert. Das nächste Bild zeigt die Transmission (60%) eines rechteckigen Objektes. Das ergibt dann als Foto das dritte Bild: Hintergrundhelligkeit * Transmission.

In der zweiten Zeile sieht man die berechneten, korrigierten Bilder. Das erste Bild ergibt das Ergebnis der Divisionsmethode. Hier wird das Objekt korrekt reproduziert.
Das zweite Bild gibt das Ergebnis der Subtraktions-Methode. Hier wird der Hintergrund ebenfalls korrekt berechnet. Aber der "Dreckfleck" wird innerhalb des Objektes nicht vollständig entfernt. Hier ergibt sich gegenüber der korrekten Objekthelligkeit eine geringfügig erhöhte Helligkeit. Das mag nicht auffallen und als kleineres Übel gegenüber der Erhöhung des Rauschens in Kauf genommen werden. Aber eine fehlerfreie Korrektur ist das nicht. "Physikalisch" ist die Divisionsmethode die korrekte Vorgehensweise.
Letztendlich zählt halt immer das Ergebnis und die ästhetischen oder wissenschaftlichen Ansprüche die man an seine Fotos hat.

Viele Grüße

Michael

Hallo Michael,

ZitatNur eine Anmerkung: Zahl / 0 = 256 (weiß) setzen. Dann sieht das Ergebnis bei Division etwas besser aus.

diesen Quotient scheint auch nur "Calculator Plus" von ImageJ auf 0 zu setzten, während der einfachere "Image Calculator" diesen Quotient auf 255 setzt.

Hubert

Vielleicht hier noch ein Link zu dem PICOLAY-Tutorial, das zeigt wie effektiv und einfach die Korrektur bei einem aus einem Video extrahierten Bilderstapel funktioniert:


Herzlichen Gruß,

Heribert

Liebe Techniker,

ihr seid alle so schlau, da komme ich nicht mehr mit. Ich will eigentlich Spaß am. Mikroskopieren haben und schöne Bilder, nicht perfekte, herstellen. Mit meinem Leica DMRB geht das sehr gut, aber ich finde, dass es auch mit dem Leitz Dialux mit Smith DIK gut geht. Für mich ist es so, dass die vier Schritte irgendwie im Gleichgewicht sein müssen:

1. Tümpeln: Das bringt Spaß und geht vergleichsweise flott.

2. Mikroskopieren: Das ist doch das, warum wir es eigentlich machen. Damit verbringe ich gerne Zeit.

3. Bildbearbeitung: Klar, das ist wichtig, aber ich will nicht bei jedem der vielen Bilder, womöglich RAW und JPG, sehr lange dran sitzen.

4. Bestimming: Da wird es haarig. Natürlich möchte ich wissen, was ich da sehe, aber das kostet u. U. sehr viel Zeit und Literatur. Und dann kommt oft jemand, der sagt, ,,so geht es nicht, das ist was ganz anderes". Aber einfach ein Bild ins Forum stellen und fragen, ob jemand weiß, was das ist, ist mir mittlerweile zu peinlich, weil ich es selbst rauskriegen könnte.

Ich will das jetzt mal in Prozent ausdrücken, so wie es mir gefallen würde und ich es versuche:

Punkt 1: 20%
Punkt 2: 40%
Punkt 3: 20%
Punkt 4: 20%

Aber ich bewundere euch Techniker, was ihr alles könnt. Und besser flat field als flat earth.

Grüße
Stephan

Hallo Stephan,

jeder möge sein Steckenpferd reiten, wie er will!

Wenn ich Deinen Beitrag richtig verstehe, kann man ihn so zusammenfassen:
"Hört doch auf, das interessiert mich nicht!"
Da ist es schon fast schmeichelhaft, dass Du dennoch hier mitliest  ;) .

Wie ich weiter oben schon mal erwähnt habe, bringt die digitale Nachbearbeitung bei mir keinen Zeitverlust (abgesehen von einem einmaligen Flatfield-Foto bei jedem Objektivwechsel). Sobald ich auf den Auslöser drücke, wird das Foto vom angeschlossenen Laptop aus der Kamera kopiert und die erwähnten Bildbearbeitungsschritte (und zusätzlich das Einfügen eines Maßstabsbalkens, Entrauschen, Erweiterung der EXIF-Informationen des Fotos um Maßstab, Objektiv- und Objektname, Protokollierung der Aufnahme in einer Datenbank) laufen dann automatisch im Hintergrund ab.
Für mich stellt sich also nicht die Frage, ob ich meine wertvolle Zeit vom Mikroskopieren abziehe und stattdessen Bildbearbeitung mache. Vielmehr habe ich die Wahl, ob ich auf die Verbesserung der Bildqualität ohne Not verzichte.

Viele Grüße

Michael

Lieber Michael,

da hast du mich völlig falsch verstanden. Mein Beitrag heißt natürlich nicht, ,,hört auf", das wäre ja Blödsinn. Wie du schon sagst, jeder macht es, wie er (oder sie) es mag. Es ist ja ein Hobby!!!

Du zeigst mir das am besten mal am Pillersee, sind ja nur noch ein paar Wochen. Ich weiß, dass auch andere, die zum Pillersee kommen, ein Flatfield-Foto machen und hatte mir das letztes Jahr schon mal angeschaut. Es schien mir seinerzeit für mich zu kompliziert. Aber noch mal: Ich finde es Klasse, wie ihr euch auskennt und habe nur mal geschrieben, wie mein Hobby für mich aussieht. Muss doch erlaubt sein, oder?

Grüße und bis demnächst,
Stephan

Hallo Michael,

Zitat"Hört doch auf, das interessiert mich nicht!"

Nein! ich beachte solche Beiträge interessiert. Es spricht nichts gegen rationelle Lösungen. Ich kann aber nicht mithalten.-
Aus meiner Sicht gehört Bildbearbeitung und Gestaltung zu jedem Bild. Sie beginnt bei mir beim präparieren; am Mikroskop richte ich das Objekt im Bild in eine gestalterisch optimale Lage( alle meine Mikroskope haben einen Tisch der horizontal drehbar ist), dann möglichst optimale Kamerabedienung und zum Schluss gibt es bei mir im Photoshop oder Gimp eine angemessene Bearbeitung von Hand.

Es stellt sich immer die Frage, was mache ich mit meinen Bildern? Ich meine, dass Bilder die in einer Publikation erscheinen, einem angemessenen Standard genügen sollten.

- ordentlicher Weissabgleich
- ausgerichtetes Objet
- dezent platzierter Massbalken
- Wahl des geeigneten Kontrastverfahrens, denn nicht alle Objekte zeigen sich im DIC optimal. ;)

Diese Liste ist nicht vollständig.

Grüsse Arnold

Hallo Stephan,

alles gut - selbstverständlich kann hier jeder unzensiert seine Meinung sagen!
Es tut mir leid, wenn ich etwas zu pointiert reagiert haben sollte.

Bis bald

Michael

Hallo Stephan,

da sitzen wir Affen wieder einmal am Lagerfeuer. Der eine spitzt Pfeile, der andere erzählt, dass er seit seinem Jagdunfall im letzten Winter Wollnashörner beobachtet. Es gibt welche mit drei Ohren und welche mit buntem Fell (die sind lecker). Einige wenige wollen verstehen, wie das mit dem Feuer geht. Sie probieren und machen, und nur manchmal funktioniert es, aber immer öfter. Einer hat etwas herausgefunden, erzählt es den anderen und alle sind froh. Bisher war es bei der Jagd immer ein Fehler, dem Mammut zuerst einen Stein an den Kopf zu werfen und dann den Speer. Nur einem haben Diatomeen angetan, der schabt die braunen Steine im Fluss ab. Keiner weiß, wozu das gut ist. Verrückt. Aber da alle am Abend zusammensitzen, bringt jeder etwas ein und alle haben das Gefühl, nicht so allein zu sein.  :-* ;-)
(Damit ich nicht so technisch wirke...)

Übrigens eine sehr schöne Seite von Dir. https://kralls.de/systematik-und-namen/
Ich finde die strukturierte Vorgehensweise vernünftig. Erst die Theorie. Dann die Praxis.

Du solltest deine Links anders kennzeichen, als deine Überschriften, sonst weiß man nicht wo man draufdrücken kann.

Was ich auch noch interessant finde ist, wo du her kommst.

ZitatMein ganzes Berufsleben habe ich in der Entwicklungszusammenarbeit (,,Entwicklungshilfe") im Aus- und Inland gearbeitet

Kommt nicht das ganze Elend daher, dass sie diese starre 20:40:20-Aufteilung haben?
Und dass sie nicht hinter die Dinge schauen? Oder dafür keine Zeit haben?
Vemutlich auch daher, dass sie von der anderen, besser organisierten Affenhorde ausgeplündert werden(siehe unten).

Was mir auch gefällt, was man nicht vergessen sollte:
,,Eine kurze Geschichte der Menschheit" (,,Sapiens: A Brief History of Humankind") von Yuval Noah Harari. Die genaue Passage lautet sinngemäß:
,,Die wahre Stärke des Homo sapiens liegt in seiner einzigartigen Fähigkeit, flexibel in großen Gruppen zusammenzuarbeiten, nicht nur in seiner individuellen Intelligenz.
So wie es aussieht sind wir gerade zu erfolgreich...

Liebe Grüße vom simius
Rudolf

Lieber Rudolf (und andere),

ich werde diesen Faden verlassen, bevor ich noch mehr Unheil mit meinen naiven Ansichten anrichte. Was meine Webseite angeht, verstehe ich das mit der Bezeichnung der Links nicht. Man kann doch überall drauf drücken und dann kommt der Beitrag.

Was die Kooperation angeht, ist das letztlich schon von Darwin erkannt worden, aber dann sehr pointiert vom Anarchisten Peter Kropotkin beschrieben worden, der das auch heute immer wieder erwähnte Buch vor über 100 Jahren geschrieben hat, ,,Die gegenseitige Hilfe in der Tier- und Menschenwelt".

Ich beschäftige mich damit seit Jahrzehnten und habe kürzlich mal meine gesammelten geistigen Ergüsse auf eine neue Webseite gestellt: http://www.grenzwissen.org. Hat aber nur mit zwei Beiträgen aus dem Mikrokosmos etwas mit unserem Thema hier zu tun.

Grüße und ich gehe jetzt wieder ans Lagerfeuer,
Stephan

Hallo in die Runde,

ich habe die obigen Bildbearbeitungs-Schritte in ein ImageJ-Macro zusammengefasst:

#@ ImagePlus ImageName
#@ ImagePlus Flatfield
#@ Boolean Substract
#@ Boolean EnhanceContrast

//Flatfieldkorrektur mit Einheitsbild
run("Set Measurements...", "  mean redirect=None decimal=3");
run("Select None");
run("Measure");
dMean = getResult("Mean");
selectWindow("Results");
run("Close");

selectImage(ImageName);
ImName=getTitle();
selectImage(Flatfield);
FlatName=getTitle();

if (Substract)
run("Calculator Plus", "i1=" + ImName + " i2=" + FlatName + " operation=[Subtract: i2 = (i1-i2) x k1 + k2] k1=1 k2=128 create");
else
run("Calculator Plus", "i1=" + ImName + " i2=" + FlatName + " operation=[Divide: i2 = (i1/i2) x k1 + k2] k1=" + dMean +" k2=0 create");
if (EnhanceContrast) run("Enhance Contrast");
run("Rename...", "title=" + ImName + "_FF");


Leider kann ich hier die Macrodatei selbst nicht anhängen. Einfach die obigen Befehle in eine Textdatei mit dem Namen "Flatfield_Correction.ijm" kopieren und in dem Verzeichnis "/Fiji.app/plugins" speichern (unter Windows: "\Fiji.app\plugins"). Beim nächsten Start von ImageJ findet ihr dann den Befehl "Flatfield Correction" unter dem Menu "Plugins".

Wenn ihr das Macro aufruft, könnt Ihr sowohl Rohbild als auch Flatfield-Bild wählen. Wenn man die Option "Substract" anwählt, wird die "Subtraktions-Methode" zur Korrektur verwendet, ansonsten die "Divisions-Methode". Mit der Option "Enhance Contrast" wird anschließend gleich eine Kontrastspreizung durchgeführt.

Viele Grüße

Michael

Hallo Peter,

Zitat von: Peter V. in Mai 14, 2025, 09:18:55 VORMITTAGalle Parameter am Mikroskop (Helligkeit, DIK-Einstellung Blende) vorher festlegen muss

muss man nicht, man kann den Hintergrund auch nach dem Foto / Fotos aufnehmen und dann auch eben nur dann wenn der Gradient stört. Und wenn man`s vergisst und was verstellt - dann bleibt der Gradient halt drin, das ist dann Kunst ;)
Gruss
Martin

Hallo Michael,

hat funktioniert. Die Bildverbesserung ist schon beeindruckend.
Verfahren: Subtraktion

Fiji_Test.gif

Liebe Grüße
Rudolf

Druckreif
2025-05-17 12_31_34-Affinity Photo 2.jpg

Hallo,

bin da über ein paar Dinge bei "fiji" gestolpert:
Das wichtigste zuerst:

1. Wenn man die Textdatei in das Verzeichnis fiji/plugins kopiert, dann muss die Datei im Namen einen Underscore haben. Falls der Unterstrich = "_" nicht da ist, fehlt der Eintrag in den Plugins.

2. Dateierweiterung. Neuer Rechner mit Windows 11, da war noch Erweiterungen anzeigen "aus". Das passiert Profis nicht, aber mir. Wenn die Erweiterung nicht an sind und man macht eine Datei mit dem Namen"Flatter_geht_nicht.ijm", dann steht dahinter immer noch Filetype = "Txt" also Text. Das wird so nicht funktionieren.
Anschalten dieser Ansicht über Anzeigen/Erweiterungen/Dateinamenserweiterungen. Jetzt kann der Typ(Dateityp) auf ".IJM" geändert werden.

2025-05-17 10_07_55-C__temp_Fiji.app_plugins – Datei-Explorer.jpg


3. Die beiden Bilder müssen zuvor geöffnet sein. Sonst kommt eine Fehlermeldung.
Also beide öffnen mit Menü/File/Open  - dann jeweils die Bilder. Dann noch richtig zuordnen.
Fehlermeldung falls nicht geöffnet:
2025-05-17 10_15_07-Antworten und 10 weitere Seiten - Profil 1 – Microsoft� Edge.jpg

4. Equalize Histogramm
erst mal nicht anwählen. Sonst bekommt man ein Rauschbild.
2025-05-17 10_16_14-Enhance Contrast.jpg

Download:
https://fiji.sc/


Das Werkzeug hat schon eine gewisse Mächtigkeit.

Liebe Grüße
Rudolf

Hallo Stephan,
habe gestern den Garten von meinen Eltern nach GartenschnittArbeiten zusammengekehrt.
Ich glaube du meinst Kontemplation.
Oder zumindest den Kopf frei kriegen...
Trotzdem Danke für den Beitrag.
Kennt jemand von Fendrich: Voller Mond - Das Feuer?

Hallo,

@Rudolf:
Super, freut mich, dass die Methode für Dich passt.
Nur noch eine Anmerkung zum Weißabgleich:
Bei der "Divisionsmethode" wird automatisch ein Weißabgleich auf (sogar für jedes Pixel) das Flatfield gemacht (das ergibt sich aus der Berechnung automatisch).
Bei der "Substraktionsmethode" kann im Ergebnisbild nachträglich kein Weißabgleich durchgeführt werden, da der für den Hintergrund durch die Berechnung automatisch erfolgt, aber für das Objekt nicht stimmt (auch wenn es vielleicht nicht auffällt). Bei dieser Methode sollte also der Weißabgleich bereits vor der Aufnahme an der Kamera richtig durchgeführt werden.
Ja, der Unterstrich im Dateinamen ist nötig (wenn man ein Leerzeichen im Menünamen haben möchte) - das liegt an der sehr vereinfachten Plugin-Verwaltung von ImageJ. Der Menü-Name wird aus dem Dateinamen generiert. Ebenso ist auch die richtige Dateiendung nötig.
Die zu bearbeitenden Fotos müssen in ImageJ geöffnet sein. Beim Abspeichern muss man die Bilder ggf. nach JPEG exportieren (bei neu erzeugten Bildern würde ImageJ TIF-Bilder erzeugen).

@Hubert:
Ich habe mir nochmal etwas mehr Gedanken über Deine Tests gemacht.
Wenn ich das richtig sehe, dann läuft die Berechnung dann in Sättigung, wenn

"Divisionsverfahren":

    Helligkeit(Foto) / Helligkeit(Flatfield) * 128 > 255
also
    Helligkeit(Foto) / Helligkeit(Flatfield) >2
ist.
Bei einer Hellfeldaufnahme ist die Fotohelligkeit maximal so groß wie die vom Flatfield -> also keine Probleme.
Bei DIC ist bei konstruktiver Interferenz die resultierende Amplitude 1.4142 (also Wurzel von 2), da der Analysator im 45°-Winkel zu den Hauptrichtungen der Prismen steht. Die Helligkeit ist das Quadrat der Amplitude, also maximal doppelt so groß wie die Flatfield-Helligkeit (bitte korrigiere mich, wenn ich falsch liege). Also gibt es hier auch keine Probleme.
Bei Dunkelfeld funktioniert das Ganze nicht.

"Subraktionverfahren":
     Helligkeit(Foto) - Helligkeit(Flatfield) + 128 > 255
also
     Helligkeit(Foto) - Helligkeit(Flatfield) > 127

Das kann bei allen Beleuchtungsverfahren schiefgehen - auch wenn das in der Praxis wohl eher unwahrscheinlich ist.


Viele Grüße

Michael

Hallo Michael,

meine Betrachtung war zunächst rein systematisch, um den gesamten Intensitätsbereich abzudecken. Du hast vollkommen Recht dass in der Praxis üblicher Beleuchtungsverfahren und der dabei im Foto auftretenden eher geringen Kontraste keine Probleme auftreten - wenn man vom bereits erwähnten Dunkelfeld absieht. Bei speziellen Polarisationsverfahren und Phasenkontrast nach Zernike könnte es je nach Einstellung etwas anders aussehen. Aber ich denke dass da die Flatfield-Korrektur auch kaum Relevanz hat.

Hubert

Hallo Martin,

ein sehr wertvoller Beitrag:

ZitatIch habe auch eine Methode um den Hintergrund gleichmässig zu machen.
Anstatt der Division benutze ich Subtraktion das Ergebniss hat viel weniger Rauschen, es scheint auch das numerisch stabilere Verfahren zu sein, aber das muss ich erst noch testen.

Michael hat ja beide Methoden implementiert. Standardmäßig steht es jetzt auf Subtraktion.
Die Subtraktion erzeugt die rauschfreieren Bilder.
Was heißt das aber jetzt für das Objekt.
Zu dunkle Bereiche würden dann Rauschen. Methode: Division
Also müsste man alles flat aufnehmen; ohne Kontrast. Wie bei Videoprofilen?

Vermutlich liegt das am Signal-Rauschabstand, der verkleinert wird.
https://www.naturfotografie-digital.de/anfaengertipps-fotografie/iso-empfindlichkeit-beschreibung.php
"Die Bilder erscheinen bei höheren ISO-Einstellungen zunehmend verrauschter und weisen weniger Details auf. Insbesondere auf homogenen Flächen ist dann deutlich zu sehen, dass nicht alle Bildpunkte die gleiche Helligkeit besitzen, und dass einzelne Pixel auch von der Farbe her etwas abweichen. Man bezeichnet dies als Bildrauschen. Vor allen in dunklen Bildbereichen macht sich das Rauschen stärker bemerkbar."

Bei Helicon Focus rauscht die Methode C auch mehr, liefert aber mehr Details.
Habe jetzt zwischen den beiden Methoden Division und Subtraktion noch keinen großen Unterschied feststellen können.

Dunkelfeld: Wer hat Testbilder? Flat + Bild?


Liebe Grüße
Rudolf

Hallo Michael (Müller), Rudolph, Stephan/SNoK, Peter, Michael, Leo, Hubert, Heribert und Arnold

Zitat von: Michael Müller in Mai 15, 2025, 08:50:05 VORMITTAG@Leo: Nur eine Frage: Du dividierst das Rohbild durch das Flatfield. Was ich aber nicht sehe, ist dass Du die das Ergebnis mit einer "Durchschnittshelligkeit" oder 128 multiplizierst. Macht das Python automatisch?

Beim Verfahren von Leo wird der Hintergrund Weiss, nicht grau.
Der Datentyp des Python Bildes ist np.float32 also eine Fliesskommazahl.

Leo Dividiert das Bild durch den Hintergrund das Ergebnis 1.0=Weiss und ich "rate" mal 0.0000001=Schwarz. Die Farbwerte würden also zwischen +0 und +1 liegen.
Leos Verfahren eignet sich vorallem für Hellfeld, weil dort der Hintergrund weiss ist.

Bei Imagej also bei Michaels Verfahren ist 255=Weiss und 0=Schwarz (laut doku sollte das so sein) deshalb musst Er mit 127 oder 128 multiplizieren selbst dann wenn Imagej manchmal intern mit Floats rechnet.

Der Hintergrund wird bei Michael nach der Anwendung des Flatfield Verfahrens immer ca. 128 Grau , daher ist es Für DIK sinnvoll, wenn der DIK-Hintergrund vorher schon eher Grau ist. Für Dunkelfeld und Farb-DIK nicht.

Das Verfahren lässt sich vermutlich erweitern Für Hell/Dunkelfeld oder Farbhintergrund, die smarte Methode wäre wenn das Macro die Hintergrundfarbe aus dem Durchschnitt von I_Flatfield ermittelt.
Der Mittelwert für das I_Flatfield des Beispielbild ist 104: Analyze - Histogram - Mean

Gruss
Martin

Hallo Martin,

ZitatDer Hintergrund wird bei Michael immer Grau , daher ist es Für DIK sinnvoll, wenn der DIK-Hintergrund vorher schon eher Grau ist. Für Dunkelfeld und Farb-DIK nicht.

das ist so nicht richtig. Die Hintergrundhelligkeit hängt auch nicht vom verwendeten Datenformat ab. Da 8-bit JPG von 0...255 geht liegen die verwendeten Zahlenwerte in dieser Spannweite.

Dass der Hintergrund bei einem "richtig" eingestellten differentiellen Phasenkontrast in der Helligkeit etwa mittig zwischen den dunkelsten und hellsten Tönen des Objekts ist, liegt am Phasenkontrastverfahren. Daher ist in diesem Fall auch unvermeidlich dass der korrigierte Hintergrund im gleichen Graubereich liegt. Bei einem "normalen" Hellfeldbild wie z.B. einem gefärbten Schnitt ist normalerweise das Objekt (fast, außer wenn ein Phasenobjektanteil hier noch mitmischt) vollständig dunkler als der Hintergrund. Entsprechend wird hier auch der Hintergrund hell mit dem gleichen Rechenverfahren.

Man muss übrigens beim Divisionsverfahren als Faktor nicht den JPG-Mittelwert 128, und als Subtrahend nicht 0 nehmen - das ist nur ein guter Anhaltspunkt (ähnlich beim Subtraktionsverfahren). Wer sich nachträgliche Kontrastspreizung sparen will kann auch an das Bild angepasste Werte für k1 und k2 verwenden. Der Quotient Bild/Hintergrund liegt beim DIK um einen Wert von 1. Aus der ermittelten Spannweite dieses Quotienten könnte man optimale Spreizungs-Werte direkt berechnen. Hier ein Beispiel mit dem gleichen Ausgangs-Rohbild, nur mit den Einstellungen k1 = 245 und k2 = -130.

Ergebnis Division x245-130.jpg

Hubert

Hallo Hubert,

Zitat von: Lupus in Mai 17, 2025, 17:02:35 NACHMITTAGSZitat
Martin: Der Hintergrund wird bei Michael immer Grau ,
Hubert:das ist so nicht richtig.Die Hintergrundhelligkeit hängt auch nicht vom verwendeten Datenformat ab

Der Hintergrund wird bei den Verfahren von Michael mit den fest programmierten Konstanten K1,2=128 immer "Grau" Ich habe das wohl nicht präzise genug formuliert.

Natürlich hängt die Hintergrundhelligkeit vom Datenformat ab wird hier ein Zahlenwert für die Helligkeit von (255,255,255) direkt in eine BildDatei geschrieben ist das Pixel bei einem 8 bit jpeg eher hell, aber bei einem 16 bit Bild ist der Wert (00255,00255,00255) eher Dunkel.
Gruss
Martin

Hallo Martin,

ich habe mich auf den Zusammenhang "... immer Grau, daher ist es Für DIK sinnvoll, wenn der DIK-Hintergrund vorher schon eher Grau ist" bezogen. Es ist ja eher umgekehrt, dass wie von mir betont mit "richtig" eingestelltem DIK der Hintergrund zwangsläufig Grau ist weil seine Helligkeit zwischen den "beleuchteten" und den "unbeleuchteten" Seiten der sichtbaren Reliefstrukturen liegen muss - außer das Foto ist stark unter- oder überbelichtet. Durch die nicht zwingende Wahl von k1 = 128 liegt man aber beim korrigierten Bild zumindest immer in der Mitte des Helligkeitsspielraums wenn k2 = 0.

ZitatNatürlich hängt die Hintergrundhelligkeit vom Datenformat ab wird hier ein konstanter Zahlenwert für die Helligkeit von (255,255,255) in die Datei geschrieben ist das Pixel bei einem 8 bit jpeg eher hell, aber bei einem 16 bit Bild ist der Wert (255,255,255) eher Dunkel.

Das hängt vom Programm ab, das Plugin "Calculator Plus" verwendet für RGB-Bilder als Ergebnis automatisch 8-Bit Daten.

Hubert

Hallo Rudolf,

bei der Methode steigt das Rauchen, wenn das Flatfieldbild starke Helligkeitsunterschiede aufweist. Man sollte sich also immer bemühen, die Beleuchtung so gleichmäßig wie möglich zu halten. Probleme treten erst auf, wenn man - wie bei meinem Beispiel - eine heftige Korrektur vornehmen muss.

Also:
- Hintergrund so gleichmäßig wie möglich
- Bild so kontrastreich wie möglich

dann gib's auch keine Probleme.

Viele Grüße

Michael

Hallo Michael,

danke für die Antwort.
Das sollte eigentlich gängige Praxis sein, ein Hintergrundbild anzufertigen.


Ich versuche jetzt das noch mit Python.

Martin hat was geschrieben, dass die Farbkanäle aufgesplittet werden.
Hat das eine Bedeutung?
Wie sieht es mit Farbrauschen bzw. Farbgradient(alte Halogenbeleuchtung) aus.
Hast du dafür ein Bildbeispiel.



Und dann noch was an alle Flat-Earther ich meinte eigentlich 8-Bitler.
jpeg kann 8bit, also 256 Helligkeitsabstufungen von Schwarz bis Weiß.
Die meisten Bilder haben wesentlich mehr Pixel in der Breite wie 256. z.B 20Mp = 5152 × 3864 Pixel
Ein gleichmäßiger Gradient kann so nicht entstehen.
Man behilft sich dadurch, dass man Rauschen in das Bild reinbringt.
Photoshop hat da sogar dafür einen eigenen Algorithums entwickelt.
Ich habe das Problem dann, wenn ich einen gewollten Gradienten in den Hintergrund als Farbverlauf in ein Bild einbringe.
Im Moment ist meine einzige Lösung, Rauschen hinzuzufügen.


Ein Thema wäre auch noch zu diskutieren, wie man am Besten ein künstliches Flatfield erzeugt.
Falls man kein separates Flatfield-Bild besitzt, um nachträglich Bilder zu optimieren.
Auch unter dem Aspekt von 8-Bit.
ODER
Du hast ja bereits mit Stitching experimentiert. Dabei ist es wichtig die Helligkeiten der Bilder untereinander anzugleichen.

Liebe Grüße
Rudolf

Hallo Rudolf, Michael, Stephan/SNoK, Peter, Michael, Leo, Hubert, Heribert und Arnold ,

Zitat von: rlu in Mai 18, 2025, 12:16:10 NACHMITTAGSMartin hat was geschrieben, dass die Farbkanäle aufgesplittet werden.
Hat das eine Bedeutung?

Ja in Imagej kann man aus einem Bild 3 Graustufenbilder erzeugen.
         Image - Color - Split Channel
Das ist meine ursprüngliche Methode. Michael splittet nicht das geht schneller.

Das Ergebnis sind dann 6 GraustufenBilder mit 32Bit Farbtiefe die dann Für jede Farbe extra Subtrahiert werden mit Process - Image Calculator.
Die Subtraktion  ist dann nicht mehr 8 Bit sondern sind (3x) 32 Bit Operationen eben für jede Farbe Extra. Damit hat man die Möglichkeit Farben unterschiedlich zu behandeln(z.B. für Farb DIC)
Ich addiere hier nicht 128 (im Gegensatz zur Subtraktionsmethode mit Calculator Plus).
Zum Schluss wird alles wieder in ein einziges Bild umgewandelt. (Image - Color - Merge Channels und Image - Type - RGB Color)

Das Ergebnis der Bearbeitung ist unterschiedlich, es wurde keine Kontrastspreizung durchgeführt.
Im Bild Rechts (3x)32 Bit Subtraktion(Martin) - Composite
    Der Hintergrund ist durchnittlich bläulich (140,150,160) nicht Grau
Links 8 Bit Subtraktion mit Calculator Plus (Michael) -  Result
    Der Hintergrund ist (130,130,130) also Grau
comparison8-32.jpg

Zitat von: rlu in Mai 18, 2025, 12:16:10 NACHMITTAGSDas sollte eigentlich gängige Praxis sein, ein Hintergrundbild anzufertigen.

Das hab ich gemacht, Ein Desktop-Hintergrundbild  :P . Das lustige Rätsel ist jetzt: Wie heisst Die Person in meinem Hintergrundbild deren Gesicht man nicht mehr ganz sieht?
Hinweis: durch seine theoretische Vorarbeit wurde die Erfindung der achromatischen Korrektur angeregt.
Gruss
Martin

.... das ist der geniale Mathematiker Leonhard Euler!
Es ist einfach verrückt, was dieser Mann geleistet hat!!!

Grüße
Kurt

Hallo Kurt,
herzlichen Glückwunsch,
Leonhard Euler ist Richtig  8).
Du hast ein Linux Desktop-Hintergrundbild gewonnen. (wenn gewünscht per PN in deiner Auflösung)
Gruss
Martin

Hallo,

hier wäre der Python-Code basierend auf dem vom Leo ohne Linux, vereinfacht.
Habe mir Anaconda(das eigentliche Python mit den Pakten/Bibliotheken) runtergeladen und mit Spyder als IDE(Entwicklungsumgebung) gearbeitet. Code in Spyder reinkopieren F5 drücken. Rechts unten, die Abfragen beantworten. Die Bilder müssen ins gleiche Verzeichnis wie das Programm.

Das ist der gekürzte Code, damit man ungefähr versteht um was es geht.
Die imageio muss auf imageio.v2 geändert werden
jpg ist 8-bit, deshalb braucht es die Umwandlung von 32bit

Die zwei Bilddateien liegen im Verzeichnis der Programmdatei.


import numpy as np
from imageio.v2 import imread, imsave

# Flatfield einlesen
# Pyhton achtet auf Groß/Kleinschreibung
flat_data = imread('Average-flatfield.jpg').astype(np.float32)

# Bild einlesen und korrigieren
image_data = imread('mikro1.jpg').astype(np.float32)


final_data = image_data / flat_data


print("Shape von final_data:", final_data.shape)


final_data_uint8 = (final_data * 128).astype(np.uint8)

# 2. Prüfen der Shape (falls nötig)
print("Shape vor squeeze:", final_data_uint8.shape)
final_data_uint8 = final_data_uint8.squeeze()  # Überflüssige Dimensionen entfernen
print("Shape nach squeeze:", final_data_uint8.shape)

# Speichern
imsave('result.jpg', final_data_uint8)
print("Bild erfolgreich gespeichert!")

Hier mit Auswahl zwischen Subtraktion und Division

import numpy as np
from imageio.v2 import imread, imsave

# Flatfield einlesen (Python achtet auf Groß-/Kleinschreibung)
flat_data = imread('Average-flatfield.jpg').astype(np.float32)

# Bild einlesen
image_data = imread('mikro1.jpg').astype(np.float32)

# Auswahlmenü für Korrekturmethode
print("Wähle die Korrekturmethode:")
print("1: Subtraktion (image - flatfield)")
print("2: Division (image / flatfield)")
choice = input("Deine Wahl (1 oder 2): ")

# Korrektur durchführen
if choice == '1':
    final_data = image_data - flat_data
    method = "Subtraktion"
elif choice == '2':
    # Vermeidung von Division durch Null (ersetze Nullen durch kleine Zahl)
    flat_data[flat_data == 0] = 1e-7
    final_data = image_data / flat_data
    method = "Division"
else:
    raise ValueError("Ungültige Eingabe! Nur 1 oder 2 erlaubt.")

# Debug-Ausgabe der Shape
print("Shape von final_data:", final_data.shape)

# Normalisierung und Konvertierung
if method == "Subtraktion":
    # Für Subtraktion: Werte zentrieren um 128
    final_data_normalized = np.clip(final_data, -128, 127)  # Werte auf -128..127 begrenzen
    final_data_uint8 = (final_data_normalized + 128).astype(np.uint8)  # Auf 0..255 verschieben
else:  # Division
    # Für Division: Werte auf 0..255 skalieren
    final_data_normalized = np.clip(final_data, 0, 2)  # Werte begrenzen
    final_data_uint8 = (final_data_normalized * 128).astype(np.uint8)  # Auf 0..255 skalieren

# Shape-Informationen (Debug)
print("Shape vor squeeze:", final_data_uint8.shape)
# final_data_uint8 = final_data_uint8.squeeze()  # Falls unnötige Dimensionen vorhanden
print("Shape nach squeeze:", final_data_uint8.shape)

# Speichern mit methodenspezifischem Namen
output_filename = f'Result_{method}.jpg'
imsave(output_filename, final_data_uint8)
print(f"Bild erfolgreich gespeichert als {output_filename}!")

Ergebnis wie zuvor
2025-05-19 00_16_38-Bilder vergleichen.jpg

Hallo Rudolf,

Zitat von: rlu in Mai 18, 2025, 12:16:10 NACHMITTAGSEin gleichmäßiger Gradient kann so nicht entstehen.

Der Floyd-Steinberg-Algorithmus um die Farbtiefe eines Bildes zu verringern.
Das ist nicht das Gleiche wie "Rauschen".
Man erzeugt einen Farbverlauf mit np.float32 danach reduziert man die Farbtiefe auf 8 Bit mithilfe von Floyd-Steinberg. (von Robert W. Floyd und Louis Steinberg)
Ich hab den verlinkten python code nicht getestet (python kann ich nicht so gut, lerne noch).
https://github.com/szabolcsdombi/optimized-floyd-steinberg-dithering
https://gist.github.com/bzamecnik/33e10b13aae34358c16d1b6c69e89b01
https://de.wikipedia.org/wiki/Dithering_(Bildbearbeitung)
Dithering_algorithms.jpg
das sind tatsächlich nur noch 2 Farben Schwarz/Weiss, das dient der Veranschaulichung, brauchen tut man 2 Farben beim Drucken, im Vergleich einfach mit einem Schwellwert:
Post.jpg
danach mit Rauschen:
Rausch.jpg
Die Software Gimp verwendet (wählbar) verschiedene Algorithmen auch Floyd-Steinberg, Du kannst das mit Gimp testen. (Bild - Kodierung - 8Bit/32Bit)
Algo.jpg
Gruss
Martin

Hallo Martin, Michael (Müller), Stephan/SNoK, Peter, Michael, Leo, Hubert, Heribert und Arnold

das mit Gimp und dem Algorithmus muss ich mir noch anschauen.

Mal schnell ein Test, was im Farbbereich passiert. Es passiert ein Blending.
Die Frage ist, kann man den Vogel von der Verarbeitung ausklammern, (obwohl es ein schöner Effekt ist).
Weiß wäre auch schön.

Ich/wir bräuchten ein buntes Testbild aus dem Mikroskopierbereich + Flat.
Ich kriege die Bilder nicht exakt übereinander.
und eines für Dunkelfeld
(gleiche Pixelanzahl)

Subtraktion
Result.jpg

Division
2025-05-19 11_03_50-Flat.jpg_FF.jpg

Hallo Rudolf,

an farbigen Bildern solls nicht scheitern...

Viele Grüße

Michael

Hallo Michael,

Du hast im letzten Beispiel das Ergebnisbild nach der Hintergrundkorrektur noch kontrastverstärkt, aber wohl nicht (nur) mit ImageJ/Enhance Contrast? Mir ist aufgefallen dass das Farbrauschen ziemlich stark geworden ist. Ich habe aus Interesse das selbe Originalbild mit dem Divisionsverfahren korrigiert und dann lediglich das Histogramm gestreckt (obere Hälfte meiner Montage). Unten Dein Ergebnis. Auch wenn da die Farbsättigung etwas intensiver ist finde ich das Farbrauschen speziell im grauen Hintergrund doch auffällig stark.

Vergleich Histogrammstreckung_Kontrastverstärkung.jpg

Hubert

Hallo,

die Diskussion ist zwar jetzt gerade etwas wild.(hin und her)

Aber zum Dithering und Banding - wie erzeugt man einen gleichmäßigen Farbgradienten.
Also genau das Gegenteil was man mit der Division/Subtraktion erreichen will.
Vielleicht liegt es auch an meinem Monitor.
Denn obwohl er 16 Millionen Farben darstellen kann, kann er nur 10 Bit Grautiefe = 1024 und die auch nicht sauber.
Wäre mal interessant, was Gerhard(Rawfoto) und andere Fotoprofis dazu meinen.

Und was passiert dann beim Ausdruck?


Der EIZO FlexScan EA244WMI ist ein Büro-Monitor mit folgenden technischen Spezifikationen für Graustufen:

Farbtiefe & Graustufen
- 8-Bit + FRC (Frame Rate Control)
  →16,7 Millionen Farben(durch FRC werden ≈10 Bit ≈1.024 Graustufen simuliert). 
- Echter 10-Bit-Modus? Nein, da es sich um ein 8-Bit + FRC-Panel handelt (kein hardwaremäßiger 10-Bit-DisplayPort/HDMI-Anschluss). 

Maximal darstellbare Graustufen
- Theoretisch ≈1.024 Abstufungen** (dank FRC, aber nicht perfekt gleichmäßig). 
- Praktisch (ohne FRC): 256 Graustufen pro Kanal** (typisch für 8-Bit). 

Banding-Problematik
- Bei feinen Verläufen (z. B. 16-Bit-Gradienten) kann Banding sichtbar sein, da FRC die Abstufungen nur "simuliert". 
- Tipp: 
  - Nutze **Dithering** in Affinity Photo/Photoshop. 
  - Arbeite in **16-Bit-Modus**, aber exportiere mit **Dithering für 8-Bit-Darstellung**. 

Vergleich mit professionellen Monitoren
- Echte 10-Bit-Monitore (z. B. EIZO ColorEdge) zeigen **1.024 Graustufen hardwaremäßig** (ohne FRC). 
- 12-Bit/HDR-Monitore (z. B. Dolby Vision) erreichen **4.096+ Graustufen**. 

Fazit 
Der EA244WMI zeigt ≈1.024 Graustufen (8-Bit + FRC), aber für präzise Farbarbeit ist ein echter 10-Bit-Monitor besser. Banding kann durch Dithering/Rauschen reduziert werden. 

https://www.isolapse.com/true-8-bit-vs-8-bit-frc-monitors-what-is-the-difference/
2025-05-19 12_29_15-8-Bit + FRC - Suchen und 18 weitere Seiten - Profil 1 – Microsoft� Edge.jpg

Hallo Hubert,

ich habe nur das Macro von mir verwendet. Enhance Contrast mit 0.35% saturierten Pixel.

Möglicherweise kommt der Unterschied daher, dass ich bei dem Macro die Hintergrundhelligkeit nicht fest auf 128 setzte, sondern auf die mittlere Helligkeit des Ausgangsbildes - wobei ich aber nicht sehe, wie dass das Rauschen ändern sollte.
Ich habe - um das etwas zu quantifizieren, mal das Histogramm eines rechteckigen Hintergrundausschnitts gemessen. Mittelwert 144 +/- 3. Das erscheint mir jetzt kein übermäßig großes Rauschen. Vielleicht kannst Du bei Deinem Bild etwas Ähnliches machen?

Viele Grüße

Michael

Hallo Michael,

man muss das Histogramm auch als Farbbild analysieren. Ich habe hier nochmal den gleichen Vergleich mit stärkerer Detailvergrößerung gemacht. Man sieht eigentlich den Unterschied beim Farbrauschen relativ deutlich. Rechts daneben die jeweiligen RGB-Histogramme eines Bereichs ohne Objektstrukturen links unten. Auch wenn meine Bearbeitung bei der manuellen Histogrammstreckung zu einem besseren Weißabgleich geführt hat, sieht man auch dass die jeweiligen Verteilungskurven der Einzelfarben enger sind (oben im Vergleich zu unten).

Vergleich Farbrauschen.jpg

Hubert

Hallo Hubert,

Du hast recht. Bei Deiner Bearbeitung ist das Rauschen kleiner. Da müsste ich wohl den Anteil der saturierten Pixel noch vorsichtiger wählen.

Viele Grüße

Michael

Hallo Michael,

ich denke nicht dass es etwas mit der Einstellung der saturierten Pixel zu tun hat, 0.35% sind ja nicht sehr viel und erzeugen doch kaum eine im Vergleich zu meiner manuellen Streckung so starke Verbreiterung der Pixelverteilung. Die Frage ist wie das Plugin Enhance Contrast programmiert ist, eigentlich sollte es nicht anders arbeiten als eine lineare Streckung der Pixelverteilung.

Vielleicht liegt es an einer zu starken JPG-Komprimierungseinstellung? Ich kann nur das JPG-Bild im Forum verwenden, vielleicht verwendest Du ein nicht so stark komprimiertes Original?

Hubert

Hallo Hubert,

ja, vielleicht liegt hier das Problem. Ich speichere die JPEG-Bilder von ImageJ aus immer mit 100% Qualität, also ohne Komprimierung ab. Ich weiß zu wenig über den Komprimierungsalgorithmus bei JPEG, aber ich glaube mich zu erinnern, dass das Bild in kleine Quadrate mit konstanter Helligkeit (für jeden Farbkanal) aufgeteilt wird, wenn die Pixel sich hinreichend wenig unterscheiden. So könnte die Komprimierung zu einer Reduktion des Rauschens des gleichmäßigen Hintergrunds (und leider ggf. auch der Details) führen.
Während die Ausgangsbilder (die nach der Größenänderung wohl standardmäßig komprimiert wurden) jeweils etwa 300 kB haben, ist das unkomprimierte Endbild ca. 1,6 MB groß. Bei Licht betrachtet, ist die Komprimierung also gar nicht so schlecht für die Bildqualität?

Viele Grüße

Michael

Hallo Michael,

ich komprimiere für mich - falls ich überhaupt intern JPG verwende, normalerweise arbeite ich da mit dem verlustlosen PNG-Format - immer mit best möglicher einstellbarer Qualität. Wichtig ist auch Chroma Subsampling 4:4:4 zu verwenden auch wenn dadurch die Dateien etwas größer werden (weil ich gelegentlich auch Anaglyphen-Bilder mache und das falsche Einmischen von Nachbarfarben in die Bildpixel erzeugt Geisterbilder).

Wenn man mein letztes Vergleichsbeispiel genau betrachtet, dann sieht man in meinem (oberen) Bild im unstrukturierten Hintergrundbereich die typischen 8x8 Pixel großen Quadrate, in die das Foto beim Komprimieren aufgeteilt wurde. Und an deren Sichtbarkeit erkennt man eine nicht minimale Komprimierung. Bei Deinem (unteren) Bild ist da praktisch nichts zu erkennen, also vermute ich dass Du Dein Bild vor der Verarbeitung mit ImageJ weniger komprimiert hast als das gleiche unbearbeitete Bild, das im Forum eingestellt wurde.

Das könnte man natürlich so sehen dass zumindest im Farbbereich die Komprimierung das Rauschen vorteilhaft reduziert hat.  ;)

Hubert

PS: Hier nochmals stärker vergrößert aus dem gleichen Bildvergleich. Oben mit roten Punkten einige deutlich erkennbare JPG-Komprimierungsbereiche mit 8x8 Pixel erkennbar (die Ecken der Bereiche). Unten fast nur statistisches Rauschen.

Vergleich Farbrauschen XL.jpg

Hallo Rudolf

Zitat von: rlu in Mai 19, 2025, 11:02:07 VORMITTAGIch kriege die Bilder nicht exakt übereinander.

mit Gimp geht das indem man Ebenen (Layers) nutzt kann man Zoomen und mit der Maus eine z.B. die "Abziehen" Ebene einfach verschieben.
Das Papageienbild ist kein so gutes Beispiel, da der Papagei undurchsichtig , also völlig unabhängig vom Hintergrund ist im Gegensatz zur Durchlichtmikroskopie.
- Tipp:
  - Nutze **Dithering** in GIMP
  - Arbeite in **32-Bit-Gleitkomma Modus** in GIMP
  - Fotografiere RAW kein Jpeg und nutze Darktable
Gruss
Martin

Hallo Michael,

Zitat von: Michael Müller in Mai 19, 2025, 16:49:06 NACHMITTAGSist die Komprimierung also gar nicht so schlecht für die Bildqualität?

die Jpeg Komprimierung lässt alles weg, was man auf dem Monitor oder mit dem Auge nicht mehr sieht, das Ziel ist es das Bild möglichst klein zu kriegen ohne das man einen Unterschied beim schnellen Betrachten erkennen kann.
Eine Rauchreduktion passiert zwar manchmal vielleicht, ist aber nicht unbedingt beabsichtigt. Manche Software und auch Kamera macht auch ungefragt eine Rauchreduktion.
Will man das Rauchen reduzieren sollte man Nikotinpflaster benutzen.  oops Ein Schreibfehler  :P nein, eine schlechter Witz  ::)  .
Will man das Rauschen reduzieren sollte man Rauschreduktion benutzen.
Fotografiert man im RAW Format ist das Unsichbare immer noch drin , alle vom KameraSensor erfassten Informationen eben.
Bei der Jpeg Umwandlungi geht nicht nur Farbtiefe verloren, auch die geometrische Lage der Pixel ist beim Jpeg im Subpixelbereich zwangsläufig anders, das De-Bayereing Verfahren rechnet das um und wirft die "nicht sichtbaren" Informationen weg.
Gruss
Martin

Hallo Michael (Müller),

als Freund eher einfacher Nachbearbeitungssoftware war mein Favorit für die Flatfield correction bisher Rawtherapee, weil ich dort das Rawformat verwenden kann. Insofern hat mich interessiert wie es sich  im Vergeich mit ImageJ/Fiji schlägt.

Zuerst das Ausgangsfoto DIC  Zeiss DIC Phomi, Objektiv Apo 63/1.4  160. Objektiv und  Kondensorfrontlinse 1.4 immergiert

Ungefärbter Schnitt (Detail Mausschnauzenspitze):
B87_63x_II_1_4.JPG
Das Hintergrundbild wurde  erstellt, indem das Bild defokussiert wurde.
background_zu_img_87.JPG



Bearbeitung in Rawtherapee und Sicherung als 16 bit tif:
B87_63x_II_1_4_rawtherapee_BG.JPG

Die Hintergrundkorrektur ist gut. Sensorflecken müssen nachretuschiert werden. Für den Maßstab habe ich hier keine Lösung.

Fiji (ImageJ). Hier muss das Raw zunächst im Rawkonverter ins .tif exportiert werden.

Für die Verarbeitung habe zunächst die Helligkeitsverteilung bestimmt (Tastenkombi auf dem Hintergrundbild strg- a dann strg-m und für die Hintergrundkorrektur den mittleren Wert gewählt). (Process: Calculatorplus mit Division k1= mean value)
Result_ohne_kontraständerung_scalebar_01.JPG

(Dieses Bild wurde stärker komprimiert um das Limit der Forensoftware einzuhalten).
Aus meiner Sicht gutes Ergebnis. Sensorfleckenretusche wird gleich mit erledigt. Die Kontastspreizung war nicht nötg bzw. führte mit dem Standardwert zu einen deutlichen Verschlechterung. Dieses Feature würde ich nicht automatisieren. Maßstab habe ich noch eingefügt.

Dass man das Bild noch weiter nachbearbeiten kann, ist klar. Das hat mich aber nicht interessiert, mir ging es nur um die Hintergrundkorrektur.
Fazit: mit Fiji/ImageJ bin ich sehr zufrieden, besten Dank für Deine Tipps.

Grüße,

Michael/M59

Hallo Michael,

freut mich, dass Dir mein Beitrag weiterhilft!

Das weiter vorne gezeigte Macro setzt (bei der Divisionsmethode) ebenfalls die Hintergrundhelligkeit auf den Mittelwert des Bildes und entspricht damit 1:1 Deiner Vorgehensweise. Die automatische Kontrastspreizung kann abgewählt werden. Die eingestellten Parameter sind persistent, sodass beim nächsten Verwenden immer die alten Einstellungen vorangewählt sind (auch über unterschiedliche Sitzungen von ImageJ hinweg).

Es geht mir übrigens nicht darum, ImageJ zu propagieren - mit anderen Programmen ist eine entsprechende korrekte Flatfield-Korrektur sicherlich auch möglich.

Viele Grüße

Michael

Hallo Michael,

nur noch eine Anmerkung:
ImageJ kann auch RAW-Dateien improtieren: File ⇾ Import ⇾ Raw...

Habe ich aber noch nie ausprobiert.

Viele Grüße

Michael

Hallo,

wie liest sich ein Histogramm?

habe mir gerade ein Histogramm mit einer Farbe angeschaut.
Im RGB-Farbraum(rot, grün, blau) können alle Farben dargestellt werden.
Dieser Braunton hat die Werte: 61, 30, 1 für rot, grün, blau.
Das sieht man dann auch im Histogramm.
Die Stellung von den Reglern wird einfach ins Histogramm runter-projiziert.

Auf der x-Achse vom Histogramm erscheint einer grüner senkrechter Strich auf x-Achse bei x=30
und ein roter bei x=61
und ein blauer ganz links bei x=1

Weil sonst keine andere Farben vorhanden sind, gibt es nur drei Striche für eine Farbe.
Und weil die Farbe die ganze Fläche einnimmt, füllt es die ganze Höhe aus zu 100% aus.
Der höchste Wert wird auf 100% der Höhe der Y-Achse normiert.

2025-05-21 09_07_40-Mappe1 - Excel.jpg

Dasselbe gilt dann für diesen orangen Farbton.
rot(244), grün(148), blau(1)
Der hier nur für sich betrachtet wird.

2025-05-21 09_10_27-Mappe1 - Excel.jpg

Kombiniert man die beiden Farben auf einer Fläche.
In diesem Beispiel erhält Orange 25% und Braun 75% der Fläche.
2025-05-21 09_24_53-Mappe1 - Excel.jpg

Dann spiegelt sich das auch im Histogramm wieder.
Blau(1) sollte jetzt 100% der Höhe haben. Davon kommen 75% von braun und 25% von gelb.
rot(61), grün(30) 75%, von der größeren braune Fläche
und
die kleinere orange Fläche mit dem kleinem rot(244) und grün(148) und einen Peak von 25%.
-- so stelle ich mir das vor -

2025-05-21 09_21_09-Mappe1 - Excel.jpg
Habe die Höhe von dem kleinen grünen Peak zur Verdeutlichung aufeinandergestapelt.
Vier kleine grüne Pfeile ergeben zu Veranschaulichung 100%, also hat der kleine grüne Pfeil 25%.
Dieser kleine einzelne grüne Pfeil ist der Grünanteil der orangen Farbe.

Werte für das Histogramm
2025-05-21 08_49_27-Mappe1 - Excel.jpg



Liebe Grüße
Rudolf


Nebenbemerkung:
Scheinbar bezieht Affinity unsichtbare, aber aktive darunterliegende Ebenen mit in das Histogramm ein.
Also am besten für ein Histogramm zu einem Bild nur die dazugehörige aktive Ebene einblenden.

Hallo,

RGB-Farbregler:
Die Farben der RGB-Farbregler sind etwas verwirrend
Man müsste annehmen, dass R: = rot, G: = grün, B: = blau ist. Sie ändern aber ständig ihre Farbe.
Schiebt man hier den Grünkanal(G:) nach rechts, dann geht der Farbton ins grünliche, nach links in den lila Bereich.
Eigentlich hat Affinity das ganz gut gemacht, damit man sieht wie sich eine Veränderung der Farbwerte für den jeweiligen Kanal auswirkt.

2025-05-20 11_14_31-Affinity Photo 2.jpg

Farbe geht in den lila Bereich, wenn der Grün-Regler nach links verschoben wird.

2025-05-20 11_27_22-Affinity Photo 2.jpg

Liebe Grüße
Rudolf

Hallo,

habe mal nachgesehen, war mir neu. Vielleicht interessiert es noch einen.
https://www.mikroskopie-forum.de/index.php?msg=376232
hier ging es um dieses Dateiformat.

---
Chroma Subsampling 4:4:4 ist eine Technik in der Videobearbeitung und -kompression, bei der die Farbauflösung (Chrominanz) vollständig erhalten bleibt, da keine Reduzierung der Farbinformationen erfolgt. Hier eine detaillierte Erklärung:

Grundlagen der Chroma-Subsampling-Notation (J:a:b):
J: Bezieht sich auf die horizontale Luminanz-Abtastrate (Helligkeitsinformation, Y) in einem Block von 4 Pixeln.
a: Anzahl der Chrominanz-Abtastwerte (Cb/Cr) in der ersten Zeile des Blocks.
b: Anzahl der Chrominanz-Abtastwerte in der zweiten Zeile des Blocks.

Was bedeutet 4:4:4?
Keine Subsampling: Sowohl Luminanz (Y) als auch Chrominanz (Cb, Cr) werden für jedes Pixel in voller Auflösung erfasst.

Beispiel: In einem 4x2-Pixel-Block (8 Pixel) gibt es 8 Y-, 8 Cb- und 8 Cr-Samples.
Äquivalent zu RGB: In YCbCr-Farbraum entspricht 4:4:4 der vollen Farbtiefe von RGB, da keine Farbinformation verloren geht.

Vergleich mit anderen Schemata:
4:2:2: Chrominanz horizontal halbiert (z. B. 4 Cb/Cr-Samples für 8 Luminanz-Pixel).
4:2:0: Chrominanz horizontal und vertikal halbiert (z. B. 2 Cb/Cr-Samples für 8 Luminanz-Pixel).
4:4:4: Keine Komprimierung der Farbdaten – höchste Qualität.

Zusammenhang zwischen Chroma-Subsampling und RGB
RGB kodiert Farbe direkt über drei Kanäle: Rot, Grün, Blau – jedes Pixel hat volle Farbinformationen.

YCbCr trennt Helligkeit (Luminanz Y) und Farbe (Chrominanz Cb/Cr). Dies ermöglicht Subsampling, weil das menschliche Auge Farbe weniger scharf wahrnimmt als Helligkeit.

Warum kein RGB-Subsampling?
RGB enthält keine getrennte Luminanz/Chrominanz-Komponente. Eine Reduzierung der Farbkanäle (z. B. R:G:B = 4:2:0) würde direkt Helligkeits- und Farbinformationen verlieren – was sichtbare Artefakte erzeugt.
Daher wird Subsampling fast ausschließlich in YCbCr angewendet, nicht in RGB.

Warum heißt es 4:4:4 und nicht 8:8:8?
Historische Konvention:
Die Notation (J:a:b) bezieht sich auf einen Referenzblock von 4 Pixeln (ursprünglich aus analogen TV-Standards und JPEG-Komprimierung).

4:4:4 bedeutet:
4 Luminanz-Samples (Y) für 4 Pixel (volle Auflösung).
4 Cb- und 4 Cr-Samples für dieselben 4 Pixel (keine Reduktion).
8:8:8 wäre redundant:
Es würde lediglich den Referenzblock verdoppeln (z. B. 8 Pixel statt 4), ändert aber nichts am Verhältnis. Die 4 ist ein relatives Symbol, kein absoluter Wert.

3. Warum ein 4x2-Pixel-Block?
Technische Ursache:
Die Subsampling-Notation stammt aus der digitalen Videocodierung, wo Daten oft in Makroblöcken (z. B. 4x2 oder 4x4 Pixel) organisiert werden.

Beispiel für 4:2:0:
In einem 4x2-Block (8 Pixel) gibt es:
8 Y-Samples (volle Luminanz),
2 Cb- und 2 Cr-Samples (je 1 Sample pro 2x2-Pixel-Unterblock).

Bei 4:4:4:
Der Block bleibt 4x2, aber jedes Pixel hat eigene Cb/Cr-Werte – keine Reduktion.

Zweck:
Die Blockstruktur vereinfacht die Verarbeitung in Codecs (z. B. MPEG, H.264) und ermöglicht effiziente DCT-Transformationen (Discrete Cosine Transform).

Liebe Grüße
Rudolf

Hallo Michael,

in Fiji gibt es für den Import von raw Dateinen ein plugin mit Namen Bioform- importer. Eventuell muss man das plugin konfigurieren, so dass die Endung z.B. '.nef' erkannt wird.

Gestern als ich ein Präparat testete, fiel mir gar nicht auf, dass nur Grautöne erzeugt werden, das Präparat auch im Mikroskopbild grau.
Weisst Du welche Einstellungen verwendet werden müssen, um die Farben in 16-Bit Tiffs beizubehalten?

Grüße,

Michael/M59

Hallo Michael,

tut mir leid - mit raw-Dateien habe ich noch keine Erfahrungen gesammelt. Ich weiß eigentlich nur, dass es unter Linux das Tool raw2tiff gibt, das recht gut sein soll und viele Einstellungen bietet.

Viel Erfolg

Michael

Hallo Rudolf,

das ist ein komplexes Thema. Hier etwas vereinfacht dargestellt:

Der RGB-Farbraum wird für die JPG-Komprimierung in den Y'CrCb-Farbraum umgewandelt, d.h. statt der Bild-Helligkeitswerte von Rot, Grün und Blau werden die reinen Grauwerte (Y'-Wert) und die Grau-Abweichungen Richtung Blau-Gelb (Cb-Wert) und Richtung Rot-Türkis (Cr-Wert) verwendet. Denn die Grauwerte sind für das Helligkeitsempfinden wichtiger als die Farbwerte. Die Grauwerte des Fotos werden in 8x8 Pixelblöcke eingeteilt und je nach Einstellung des Konversionsprogramms deren Inhalt unterschiedlich stark vereinfacht. Daher entstehen mit zunehmender Kompression stärker erkennbare 8x8 Pixelblöcke. Die Farbe kann je nach Einstellung zusätzlich vereinfacht werden. Beim 4:4:4-Subsampling werden die Farbpixel nicht zusätzlich vereinfacht. Beim (speziell für JPG) alternativen 4:2:0 Subsampling wird in x- und y-Richtung die Anzahl Farbpixel in den Blöcken nochmal je halbiert und dadurch entsprechend stärker vereinfacht. Die Grafik zeigt das schematisch, in der unteren Reihe gibt es nur noch 1/4 der Farbpixel im Vergleich zu den Graupixeln.

JPG Chroma Subsampling.jpg

In der Praxis sieht das am Beispiel des Bildes von Michael (#46) im stark vergrößerten Ausschnitt so aus:

Links oben das Original, darunter das gleiche Bild mit maximaler JPG-Qualität (in meinem Programm mit % bezeichnet), aber 4:2:0 Farb-Subsampling. Es entsteht bei vernachlässigbarer JPG-Kompression kein Unterschied.

2. Spalte: 70% JPG-Kompressionsqualität, wieder oben ohne zusätzliche Farbkompression, darunter wieder das maximale Farb-Subsampling 4:2:0.

3. Spalte: Das gleiche mit 35% JPG-Kompressionsqualität.

Die 8x8-Block Artefakte nehmen von links nach rechts zu, die Farbdarstellung wird von oben nach unten farblich strukturloser, speziell im  kontrastarmen Hintergrund. Bei einem normalen Foto fällt das praktisch nicht auf weil man da kaum bis an die Auflösungsgrenze geht, und auch nicht bei satten Farben (das kann man in den rechten grünen Bereichen erkennen). Bei Mikrofotos können diese Vereinfachungen aber ein Problem sein wenn man Details der möglichen Auflösung verliert, oder eventuell noch schlechter - wenn zusätzliche Artefakte entstehen.

Links unten sind zusätzlich die Dateigrößen der unterschiedlich komprimierten Gesamtbilder angegeben.

Vergleich JPG-Kompression Farbsubsampling.jpg

Hubert

 Hallo Michael,

danke, nein das einlesen von rawfiles ist mir nicht wichtig.

Mein Frage war welche  Parameter man für k1/k2 eingeben muss, um die Farben bei 16-Bit Tiffs zu erhalten. Aber vielleicht funktioniert das nicht mit dieser Art der Bildverarbeitung?

Grüße,

Michael/M59

Hallo Michael,

das hatte ich falsch verstanden.

Da Du bei der Divisions-Methode k1 als den Helligkeitsmittelwert des Ausgangsbildes wählst (was eine gute Wahl ist), ist dieser Wert unabhängig vom Datenformat (bzw. ändert sich mit dem Datenformat entsprechend). k2=0.

Viele Grüße

Michael

Hallo Michael,

das habe ich getestet. Das Ergebnis ist ein Bild mit Grautönen.

Grüße,

Michael/M59

Hallo Michael,

ich habe gerade die Beispielbilder von mir mit ImageJ nach TIFF konvertiert und eine Flatfield-Korrektur durchgeführt. Das Ergebnis ist einwandfrei - und vor allem bunt!

Da das Ausgangsbild ein JPEG war, bin ich mir aber nicht so ganz sicher, ob "mein" TIFF dasselbe Format hat wie "Deines".
Möglicherweise ist bei Dir die Farbe beim Konvertieren von RAW nach TIFF verloren gegangen?

Viele Grüße

Michael

Hallo Michael,

ich exportiere meine 'raw' Bilder ins 16bit Tiff. In der (Nikon) Kamera werden die Bilder mit 14Bit pro Pixel gespeichert und dann beim Export ins Tiff in den 16 Bit Farbraum konvertiert. Fiji öffnet dann das 16 bit Tiff als Bild in 3 Farbkanälen.
Ein Ausgangsbild als 8Bit jpg oder 8 Bit Tiff kann Fiji zwar als 16Bit Tiff speichern, dennoch benutzt es meiner Ansicht nach, 'laienhaft formuliert ' den Farbraum des Ausgangsbild. Ich bin mir sicher 'mein Problem' ist ziemlich trivial und es fehlt bloß an der Wahl der richtigen Parameter in Fiji.

Vielleicht weiss ja ein Mitleser hier die Lösung.
Besten Dank und Gruß,

Michael/M59

Hallo Michael/M59,

stell doch mal das Flatbild + Bild + Ergebnis hier ein.
Und beschreib kurz wo das Bild "ergraut" ist.

Bzw. speichere mal deine Tiffs in jpegs. Mache eine FlatfieldKorrektur. Kommt dann das Gleiche raus?
Just a guess.

Wenn das zu keiner Lösung führt. Dann müßte man die Ausgangs-Tiff-Bilder haben.

Liebe Grüße
Rudolf

Hallo Michael,

das Problem könnte in der Art liegen wie ImageJ/Fiji Bilddateien behandelt, es gibt wohl nicht für jede Bit-Größe jedes Dateiformat. Eine importierte 16-Bit Datei wird als Bild mit den drei getrennten Farbkanälen angezeigt. Das ist bei mir z.B. so wenn ich eine RAW-Datei aus der Kamera in ImageJ mit dem Plugin DCRaw-Reader konvertiere, dann entsteht ein 16-Bit Bild mit den Kanälen R,G und B. ImageJ ist sehr auf die getrennte Farbverarbeitung der Kanäle ausgelegt. Wenn man dieses Bild als Tiff abspeichert ändert sich daran nichts, das Programm konvertiert das "Bildformat" nicht sondern speichert den gesamten Inhalt nur verlustfrei ab.
Man kann das 3-Kanal 16-Bit Bild aber in eine 32-Bit "RGB Color" Datei konvertieren, dann wird diese Farbtrennung aufgehoben.

Hubert

Hallo Hubert,

vielen Dank wieder was gelernt. Schöne bildliche Darstellung mit den Farben und Graustufen.

"Bei Mikrofotos können diese Vereinfachungen aber ein Problem sein, wenn man Details der möglichen Auflösung verliert, oder eventuell noch schlechter - wenn zusätzliche Artefakte entstehen."

Interessant, ich habe mir die Details zuerst angeschaut und am Anfang überhaupt keinen Unterschied entdeckt. Vielleicht weniger Farbe.
Bis mir dann die Quadrate/Raster aufgefallen sind.
Schon interessant, dass größere Objekte wenig unter diesen Reduzierungen leiden.


Was mir noch nicht so klar ist.
In welchen Programmen kann man die Einstellung für jpg vornehmen.(4:4:4 versus 4:2:0)
Welche Bild-Formate können überhaupt Chroma Subsampling?
In Affinity Photo Datei-Export habe ich dazu nichts gesehen.
Zumindest scheint es so zu sein, dass bei fehlender Komprimierung alle Infos erhalten bleiben.

Liebe Grüße
Rudolf

Hallo Rudolf,

ZitatIn welchen Programmen kann man die Einstellung für jpg vornehmen.(4:4:4 versus 4:2:0)
Welche Bild-Formate können überhaupt Chroma Subsampling?

Ich kenne viele Programme nicht, vor allen Dingen nicht die Programme die bevorzugt werden weil sie alles per Knopfdruck automatisch machen (ohne dass man wissen will was wirklich passiert).   ;)

Aber hier zwei Beispiele, links mein sehr simples und übersichtliches Paint NET, rechts GIMP.

JPEG Kompressions-Einstellungen.jpg

Chroma Subsampling dürfte auf JPG-Kompression beschränkt sein (wenn man von wohl älteren Anwendungen in der Video- und Fernsehtechnik absieht).

Hubert

Hallo,

ich habe das ImageJ-Macro zur Flatfield-Korrektur nochmals etwas überarbeitet. Abgesehen von einigen kosmetischen Verbesserungen wird jetzt sowohl bei der "Divisions-" als auch bei der "Subtraktion-Methode" die mittlere Helligkeit des Ausgangsbildes berücksichtigt. Damit entfallen die etwas willkürlich gewählten "128-Werte" und das Endbild sollte dann (annähernd) dieselbe Helligkeit wie das Ausgangsbild besitzen. Das geänderte Macro kann jetzt direkt heruntergeladen und in dem "plugins"-Verzeichnis von ImageJ gespeichert werden:

https://gastrotricha.science/technik/digitalenachbearbeitung/Flatfield_Correction.ijm

#@ ImagePlus ImageName (label="Raw Image", description="The image to correct")
#@ ImagePlus Flatfield (label="Flatfield Image", description="The flatfield image")
#@ Boolean Subtract  (description="Use subtract-methode; false-> use divide methode")
#@ Boolean EnhanceContrast (label="Enhance Contrast", description="Enhance contrast by stretching the histogram")

//Flatfieldkorrektur mit Einheitsbild
run("Set Measurements...", "  mean redirect=None decimal=3");
run("Select None");
run("Measure");
dMean = getResult("Mean");
selectWindow("Results");
run("Close");

selectImage(ImageName);
ImName=getTitle();
selectImage(Flatfield);
FlatName=getTitle();

if (Subtract)
run("Calculator Plus", "i1=" + ImName + " i2=" + FlatName + " operation=[Subtract: i2 = (i1-i2) x k1 + k2] k1=1 k2=" + dMean +" create");
else
run("Calculator Plus", "i1=" + ImName + " i2=" + FlatName + " operation=[Divide: i2 = (i1/i2) x k1 + k2] k1=" + dMean +" k2=0 create");
if (EnhanceContrast) run("Enhance Contrast");
run("Rename...", "title=" + ImName + "_FF");

Viel Erfolg damit.

Michael

Hallo Michael,

Du benutzt offenbar ein anderes BS als Windows. Ich bin mit Fiji und I.J unerfahren, würde aber auch gerne einmal hier die FF-Korrektur ausprobieren.
Kann mir ein Win-User sagen, wie ich das Makro in Windows installiere?
Bei mir liegen Fiji oder ImageJ jeweils komplett in einem Ordner auf dem Desktop.  In den jeweiligen Ordnern gibt es die Unterordner "macros" und "plugins", wobei der Plugin-Ordner wiederum einen Unterordner "Macros" enthält. (siehe Bild)
Ich habe das Makro in eine Textdatei übernommen (mit Wodpad) und so benannt wie von Dir vorgegeben. Diese Datei habe ich sowowhl in "plugins" als auch später bei weiteren Versuchen jeweils nur in die Ordner "Macros oder "macros" gelegt, aber beim Neustrat erscheint das Makro für die FF- Korrektur nicht.
Was mache ich falsch?

Herzliche Grüße
Peter

Hallo Peter,

der Ordner "plugins" ist der richtige. Wenn das Makro nach einem Neustart von ImageJ nicht im Menü "Plugins" erscheint, ist die Endung des Dateinamens falsch. Windows hängt gerne "heimlich" ein ".txt" an Textdateien ran. Dann erkennt ImageJ die Datei nicht als Makro. Dazu muss die Dateiendung ".ijm" sein (= Image J Makro).

Am einfachsten klickst Du auf den Link in meinem vorherigen Beitrag und wählst als Speicherort den "plugins"-Order.

Viel Erfolg

Michael

Hallo Peter,

schaust du hier:
https://www.mikroskopie-forum.de/index.php?msg=376101
Liebe Grüße
Rudolf

Hallo Rudolf,

habs schon - und es funktioniert.

Herzliche Grüße
Peter

Hallo Michael,

bie den 16 Bit Tiffs bin ich etwas weiter gekommen.
Der imagecalculatorplus funktioniert nur im RGB Farbraum. Deshalb muss man mit Shift-f die Datei erst in ein RGB überführen. Im Makroslang heisst das dann: run("Flatten");.

Dennoch je nach Bild ist das Ergebnis (bei mir) unbefriedigend. Zu hell, zu dunkel, farbiger Hintergrund. Ich werde mir das noch genauer ansehen, da ich Interesse habe die Korrektur in ImageJ zu machen. Aber ich nehme an, dass ein einziger (Mittel)-wert zur Korrektur nicht immer ausreicht.

(ganz am Rande sei bemerkt, dass ChatGPT zum Code schreiben sehr hilfreich ist...)

Grüße, Michael/M59

Hallo,
Ich habe  ausgehend von 16 bit Tiffs nach längerem probieren keine Lösung in ImageJ finden können, die mir einen gleichmäßigen Hintergrund erzeugt. Wenn es nur um die Vignettierung geht, die man oft im fotografierten Bild stärker sieht als man sie am Mikroskop wahrnimmt dann habe ich  noch einen O.T. Tipp. Vielleicht gibt es diese einfache Funktion ja in der Software anderer Hersteller auch?

O.T.: Für Nikon user habe ich ja schon mehrmals auf das recht einfach zu bedienende kostenlose Programm Nikon NX Studio hingewiesen. Dort gibt es eine Option 'Vignettierungskorrektur'. Damit kann man die dunklen Bereich in den Rawfiles die 'dunklen' Ecken aufhellen. Mit sogenannten Farbkontrollpunkten kann man noch für ausgewählte Bildbereiche nachhelfen (Helligkeit, Kontrast, Farbton). Man sieht die Änderungen direkt im Bild. Sofern man einen Stapel an 'gleichen' Aufnahmen hat kann man die gewählten Einstellungen von einem Bild einfach auf eine große Anzahl anderer Bilder übertragen.

Grüße,

Michael/M59

Hallo Michael,

ich habe Dein Macro in Fiji ausprobiert und bin leider über den Fehler <Statement cannot begin with '#' in line...> gestolpert. Scheinbar wurde hier die Syntax geändert. Mit ein wenig Hilfe von Tante Google und dem Macro-Editor hat es nach folgender Änderung geklappt.

// #@ ImagePlus ImageName = getString(label="Raw Image", description="The image to correct")
// #@ ImagePlus Flatfield (label="Flatfield Image", description="The flatfield image")
// #@ Boolean Subtract  (description="Use subtract-methode; false-> use divide methode")
// #@ Boolean EnhanceContrast (label="Enhance Contrast", description="Enhance contrast by stretching the histogram")

Es kommt hier auf die // an.

Danke  :)  und
einen schönen Sonntag,
andreas

Hallo Andreas,

die von Dir gezeigte Syntax wird - soviel ich weiß - nur aus historischen Gründen unterstützt. Meinen Informationen nach ist die #@-Schreibweise die aktuelle. Verwendest Du da eine ältere Version?

Aber ist ja egal - schön, dass Du da eine Lösung für Dich gefunden hast.

Noch ein schönes Wochenende

Michael

Hallo Michael,

ich hatte extra noch aktualisiert. Fiji sagt, dass es die Version ImageJ 1.54p verwendet, die laut release notes vom 17. Februar 2025 und wohl auch die letzte Version ist.

Aber es läuft :)

einen schönen verregneten Sonntag,
andreas

Hallo Andreas,

mein ImageJ hat die Version 1.53t - ist also einen Tick älter...

... bin ich froh, dass ich mein Geld nicht mehr mit meinen Programmierkünsten verdienen muss ...

Danke für den Workaround

Michael

Hallo Michael,

gern geschehen, ich verdiene mein Geld nun schon seit gut einem viertel Jahrhundert damit 8),

wau, wie die Zeit vergeht . . .