「分解能解析」の版間の差分
(→FractralFSC) |
|||
(同じ利用者による、間の2版が非表示) | |||
行23: | 行23: | ||
== Fourier Neighbor Correlation == | == Fourier Neighbor Correlation == | ||
− | + | マスク関数として低分解能画像を利用し、画像のフーリエ変換の中のピクセル間の冗長性を利用した、画像一枚で分解能を決定するプログラムです。 | |
+ | |||
[[mrcImageFourierNeighborCorrelation]]を利用します。 | [[mrcImageFourierNeighborCorrelation]]を利用します。 | ||
+ | |||
+ | 数が少ないときや、トモグラフィーなど、二つのセットに分けての計算に問題が生じる場合に利用することができると考えられます。 | ||
== 空間点毎のBファクタ(空間分解能)の決定 == | == 空間点毎のBファクタ(空間分解能)の決定 == | ||
+ | 空間分解能は、空間点によって異なると考えることも出来ます。つまり、揺らぎが大きいところでは、密度の平均値が小さくなり、標準偏差が大きくなるため、一見するとSN比がわるく、空間分解能が悪くなります。こうした揺らぎの大きさと構造との関係を考えることは今後重要になると考えられます。 | ||
+ | |||
=== FractralFSC === | === FractralFSC === | ||
空間点毎にFSCをもとめるものです。アルゴリズムとしては、空間範囲を変化させながら、FSC=0.5となる空間分解能を求めていくものです。 | 空間点毎にFSCをもとめるものです。アルゴリズムとしては、空間範囲を変化させながら、FSC=0.5となる空間分解能を求めていくものです。 | ||
+ | [[mrcImageFractalFourierShellCorrelation]]が担っています。 | ||
+ | |||
+ | === Particle Candidate === | ||
+ | 空間毎に周辺(設定された)と比べてどのくらい密度が有意に高いかをt値(z-value)として、見出すプログラムです。[[mrcImageParticleCandidateExtract]]が担っています。 | ||
== 3次元画像のフィルタリング == | == 3次元画像のフィルタリング == |
2014年12月19日 (金) 22:55時点における最新版
分解能解析は、三次元像の分解能を解析するための統合コマンドです。
分解能の解析方法にはいくつ可能方法があります。Eos上で採用している分解能チェックのための方法を示します。分解能解析が終わったら、その空間周波数特性を利用して、フィルタ(基本的にはローパスフィルタ)をかけます。
目次
FSC(Fourier Shell Correlation)
三次元構造解析のための統合コマンド中で、XXX.3dlstが与えられていた場合には、下記の様にランダムに2つのグループに分け、FSCを求めることができます。利用するプログラムは、mrcImageFourierShellCorrelationです。
NSEED=0 .3dlst.3dFSC: awk 'BEGIN {srand($(NSEED))} { printf("%10.7f %s\n", rand(), $$0); }' $*.3dlst \ | sort \ | awk '{ printf("%s %s %15.6f %15.6f %15.6f %15.6f\n", $$2,$$3,$$4,$$5,$$6,$$7)}' \ > $*.3dlst.sort N1=`wc -l $*.3dlst.sort | awk '{print int($$1/2)}'`; echo $$N1; \ N2=`wc -l $*.3dlst.sort | awk '{print $$1-int($$1/2)}'`; echo $$N2; \ head -n $$N1 $*.3dlst.sort > $*.1.3dlst; \ tail -n $$N2 $*.3dlst.sort > $*.2.3dlst printf "%s\n%s\n" $*.1.3d $*.2.3d | xargs -L 1 -P 2 make mrcImageFourierShellCorrelation -i1 $*.1.3d -i2 $*.2.3d -d $(DelR) > $*.3dFSC
Fourier Neighbor Correlation
マスク関数として低分解能画像を利用し、画像のフーリエ変換の中のピクセル間の冗長性を利用した、画像一枚で分解能を決定するプログラムです。
mrcImageFourierNeighborCorrelationを利用します。
数が少ないときや、トモグラフィーなど、二つのセットに分けての計算に問題が生じる場合に利用することができると考えられます。
空間点毎のBファクタ(空間分解能)の決定
空間分解能は、空間点によって異なると考えることも出来ます。つまり、揺らぎが大きいところでは、密度の平均値が小さくなり、標準偏差が大きくなるため、一見するとSN比がわるく、空間分解能が悪くなります。こうした揺らぎの大きさと構造との関係を考えることは今後重要になると考えられます。
FractralFSC
空間点毎にFSCをもとめるものです。アルゴリズムとしては、空間範囲を変化させながら、FSC=0.5となる空間分解能を求めていくものです。 mrcImageFractalFourierShellCorrelationが担っています。
Particle Candidate
空間毎に周辺(設定された)と比べてどのくらい密度が有意に高いかをt値(z-value)として、見出すプログラムです。mrcImageParticleCandidateExtractが担っています。
3次元画像のフィルタリング
分解能に応じて、フィルタリングをかけます。 mrcImageLowPassFilter:空間分解能に応じてフィルタをかけることが出来ます。 mrcImageSpatialFrequencyFilter:mrcImageFourierNeighborCorrelationなどによって出力される周波数毎のウェイトを使って、フィルタをかけることができます。
これ以外に、非線形型のフィルタとして、下記のものが用意されています。
- mrcImageSmoothing:メジアンフィルタ等の非線形型のフィルタになります。
- mrcImageBilateralFilter:バイラテラルフィルタになります。