如何用ImageJ/Fiji脚本实现图表数据点提取及光标坐标获取？

需求工作流 #

• 自动激活矩形工具
• 提示用户用矩形工具选择ROI（感兴趣区域）
• 激活Figure Calibration插件校准坐标轴
• 移除ROI并激活点工具
• 提示用户选择曲线上的点并设置颜色阈值
• 基于颜色和灵敏度检测曲线
• 提示用户指定提取数据点的X轴间隔或数量
• 自动在曲线上放置点并提取数据
• 将提取的数据保存为CSV文件

现有代码及报错 #

目前已完成部分ImageJ宏代码，但在getCursorLoc行报错：

// Activate the Rectangle tool automatically
setTool("rectangle");

// Step 1: Prompt user to select the region of interest (ROI)
waitForUser("Select the region of interest with the Rectangle tool, then click OK.");

// Step 2: Activate the Figure Calibration plugin
run("Figure Calibration");

// Wait until the calibration window is closed
waitForUser("Set the calibration values in the Figure Calibration window, then click OK.");

// Remove the rectangle selection
run("Select None");

// Activate the Point tool automatically
setTool("point");

// Step 3: Prompt user to select a point on the plot and specify the color threshold
waitForUser("Select a point on the plot and set the threshold for color selection, then click OK.");

// Problematic part
getCursorLoc(x, y);
threshold = getNumber("Enter color threshold for plot detection:", 128);

报错信息：

Error: Variable expected in line ...: getCursorLoc ( x , y <> ) ; 

一、修复getCursorLoc报错 #

ImageJ宏语言要求变量必须提前声明，报错原因是未定义x和y变量，修改如下：

// 提前声明变量
var x, y;
getCursorLoc(x, y);
threshold = getNumber("Enter color threshold for plot detection:", 128);

二、完整ImageJ宏脚本实现 #

以下是覆盖全部工作流的完整脚本，包含曲线检测、坐标校准、数据提取和CSV导出：

// 1. 自动激活矩形工具
setTool("rectangle");

// 2. 提示用户选择ROI
waitForUser("用矩形工具框选图表的感兴趣区域，选好后点击OK");

// 3. 启动Figure Calibration插件校准坐标轴
run("Figure Calibration");
waitForUser("在校准窗口完成坐标轴刻度设置，点击OK继续");

// 4. 清除ROI并激活点工具
run("Select None");
setTool("point");

// 5. 获取用户点击的曲线点坐标及颜色阈值
var x, y;
waitForUser("点击曲线上任意一点，点击OK后输入颜色阈值");
getCursorLoc(x, y);
// 获取点击位置的像素值作为阈值参考
var samplePixel = getPixel(x, y);
threshold = getNumber("输入曲线检测的颜色阈值（参考值：" + samplePixel + "）", samplePixel);

// 6. 基于颜色阈值提取曲线区域
// 复制原图用于处理，避免修改原始图像
run("Duplicate...", "title=Curve_Processing");
selectWindow("Curve_Processing");
// 若为彩色图需先转灰度：run('8-bit');
setThreshold(threshold, 255);
run("Create Selection");
// 可选：收缩选区去除杂点，根据图表情况调整次数
run("Erode");

// 7. 让用户选择数据提取方式
var extractType = getChoice("选择数据提取方式", "按X轴像素间隔|按提取点数量", "按X轴像素间隔");
var param;
if (extractType == "按X轴像素间隔") {
    param = getNumber("输入X轴方向的像素间隔", 20);
} else {
    param = getNumber("输入要提取的点数量", 20);
}

// 8. 提取曲线点并转换为校准后的数据
var roi = getSelection();
var cal = getCalibration(); // 获取Figure Calibration的校准参数
var xScale = cal.pixelWidth; // X轴校准比例
var xOffset = cal.xOrigin;   // X轴偏移量
var yScale = cal.pixelHeight;// Y轴校准比例
var yOffset = cal.yOrigin;   // Y轴偏移量

var xData = newArray();
var yData = newArray();
var pointCount = 0;

// 根据选择的方式提取点
if (extractType == "按X轴像素间隔") {
    var startX = roi.getX();
    var endX = startX + roi.getWidth();
    for (var currentX = startX; currentX <= endX; currentX += param) {
        // 找到当前X列中最亮的点（对应曲线位置）
        var peakY = findPeakY(currentX, roi.getY(), roi.getY() + roi.getHeight());
        if (peakY != -1) {
            // 转换为真实数据值（图像Y轴与图表Y轴方向相反）
            var realX = currentX * xScale + xOffset;
            var realY = (roi.getY() + roi.getHeight() - peakY) * yScale + yOffset;
            xData[pointCount] = realX;
            yData[pointCount] = realY;
            pointCount++;
            // 在原图上标记提取的点
            selectWindow("Original");
            addPoint(currentX, peakY);
            selectWindow("Curve_Processing");
        }
    }
} else {
    var stepX = roi.getWidth() / (param - 1);
    for (var i = 0; i < param; i++) {
        var currentX = roi.getX() + i * stepX;
        var peakY = findPeakY(currentX, roi.getY(), roi.getY() + roi.getHeight());
        if (peakY != -1) {
            var realX = currentX * xScale + xOffset;
            var realY = (roi.getY() + roi.getHeight() - peakY) * yScale + yOffset;
            xData[pointCount] = realX;
            yData[pointCount] = realY;
            pointCount++;
            selectWindow("Original");
            addPoint(currentX, peakY);
            selectWindow("Curve_Processing");
        }
    }
}

// 9. 将数据保存为CSV文件
var saveDir = getDirectory("选择保存CSV的目录");
var csvFile = File.open(saveDir + "extracted_plot_data.csv", "w");
csvFile.write("X值,Y值\n");
for (var i = 0; i < pointCount; i++) {
    csvFile.write(xData[i] + "," + yData[i] + "\n");
}
csvFile.close();

// 清理临时窗口
close("Curve_Processing");
waitForUser("数据已保存为CSV文件，点击OK结束");

// 辅助函数：查找指定X列中像素值最高的Y坐标（曲线峰值）
function findPeakY(x, yStart, yEnd) {
    var maxPixel = -1;
    var peakY = -1;
    for (var y = yStart; y <= yEnd; y++) {
        var pixelVal = getPixel(x, y);
        if (pixelVal > maxPixel) {
            maxPixel = pixelVal;
            peakY = y;
        }
    }
    return peakY;
}

三、关键逻辑说明 #

• 阈值检测：通过复制图像并设置阈值，将曲线区域转化为选区，过滤背景杂点
• 坐标校准：利用getCalibration()获取Figure Calibration的参数，将像素坐标转换为图表的真实数据值
• 曲线点提取：遍历X轴方向的像素，找到每列中最亮的点（对应曲线位置），适配多数折线图、柱状图的曲线形态
• CSV导出：直接写入文件，确保数据格式兼容Excel、Python等工具

四、Python版本参考（基于pyimagej） #

如果习惯用Python，可通过pyimagej调用ImageJ API，核心逻辑与宏脚本一致：

import imagej
import csv

# 初始化Fiji环境
ij = imagej.init('sc.fiji:fiji')

# 加载图像
img_path = "your_plot_image.png"
img = ij.io().open(img_path)
ij.ui().show(img)

# 1. 激活矩形工具
ij.ui().setTool('rectangle')
ij.ui().waitForUser("用矩形工具框选ROI，选好后点击OK")

# 2. 启动Figure Calibration插件
ij.command().run('ij.plugin.calib.FigureCalibration', True)
ij.ui().waitForUser("完成坐标轴校准，点击OK")

# 3. 获取光标位置和颜色阈值
x, y = ij.ui().getCursorLoc()
sample_pixel = ij.op().image().getPixel(img, x, y)
threshold = ij.ui().getNumber("输入曲线检测的颜色阈值", sample_pixel)

# 后续曲线检测、点提取逻辑可参考宏脚本实现
# 以下为CSV导出示例
output_path = "extracted_data.csv"
with open(output_path, 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(['X值', 'Y值'])
    # 此处替换为实际提取的数据列表
    # writer.writerows(zip(x_data, y_data))

print(f"数据已保存至{output_path}")

内容的提问来源于stack exchange，提问作者Foad S. Farimani