Multithreaded two-pass connected components labelling and particle analysis in ImageJ.
Multithreaded two-pass connected components labelling and particle analysis in ImageJ.
复制标题
DOI：
10.1098/rsos.201784
复制
发表时间：
2021-03-03
影响因子：
3.5
通讯作者：
Doube M
中科院分区：
文献类型：
--
作者：
Doube M
序列区域标记（英语：Sequential region labeling），也被称为连通分量标记（英语：connected components labeling），是一个标准的图像分割问题，它将连续的前景像素连接成斑点。尽管其发展历史悠久，并且在骨生物学、材料科学和地质学等不同领域广泛使用，但连接组件标记仍然可能成为图像处理管道的瓶颈。在这里，我描述了一个多线程的实现经典的两通顺序区域标签，并介绍了一个有效的冲突解决的步骤，“桶喷泉”。代码在测试图像和商业软件（Avizo）上进行了验证。它在2 MB（161个粒子）到6.5 GB（437 508个粒子）的图像上进行了性能测试，以确定是否达到了理论上的线性缩放（O（n）），并在1-40个CPU线程上进行了性能测试，以测量由于多线程而带来的速度提升。新的实现了线性缩放（B = 0.905-1.052，时间延迟像素sb; R2 = 0.985-0.996），其随着线程数增加而提高，最多8-16个线程，这表明它是内存带宽有限的。这种顺序区域标记的新实现将几GB图像所需的时间从几小时减少到几十秒，并且仅受硬件规模的限制。它是开源的，在BoneJ中是免费的。
Sequential region labelling, also known as connected components labelling, is a standard image segmentation problem that joins contiguous foreground pixels into blobs. Despite its long development history and widespread use across diverse domains such as bone biology, materials science and geology, connected components labelling can still form a bottleneck in image processing pipelines. Here, I describe a multithreaded implementation of classical two-pass sequential region labelling and introduce an efficient collision resolution step, ‘bucket fountain’. Code was validated on test images and against commercial software (Avizo). It was performance tested on images from 2 MB (161 particles) to 6.5 GB (437 508 particles) to determine whether theoretical linear scaling (O(n)) had been achieved, and on 1–40 CPU threads to measure speed improvements due to multithreading. The new implementation achieves linear scaling (b = 0.905–1.052, time ∝ pixelsb; R2 = 0.985–0.996), which improves with increasing thread number up to 8–16 threads, suggesting that it is memory bandwidth limited. This new implementation of sequential region labelling reduces the time required from hours to a few tens of seconds for images of several GB, and is limited only by hardware scale. It is available open source and free of charge in BoneJ.
登录
查看更多内容
影响因子：
4.6
作者：
Kingra, Sandeep Kaur;Parmar, Vivek;Suri, Manan
通讯作者：
Suri, Manan
影响因子：
--
作者：
Krakowska, P.;Puskarczyk, E.;Dohnalik, M.
通讯作者：
Dohnalik, M.
影响因子：
8.1
作者：
Guillermic, R-M.;Koksel, F.;Scanlon, M. G.
通讯作者：
Scanlon, M. G.
影响因子：
2.5
作者：
HAN, YJ;WAGNER, RA
通讯作者：
WAGNER, RA
影响因子：
4.2
作者：
Wittig, Nina Kolln;Birkbak, Mie Elholm;Birkedal, Henrik
通讯作者：
Birkedal, Henrik