---
title: "Exemplo: Comprimento da plântula"
author: "Alcinei Mistico Azevedo (ICA-UFMG)"
date: "`r Sys.Date()`"
output: rmarkdown::html_vignette
fig_caption: yes
vignette: >
  %\VignetteIndexEntry{Exemplo: Comprimento da plântula}
  %\VignetteEngine{knitr::rmarkdown}
  %\VignetteEncoding{UTF-8}
---

```{r, include = FALSE}
knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)
```

# Introdução

Obrigado por utilizar o pacote `ExpImage`. Este pacote foi desenvolvido a fim de facilitar o uso da analise de imagens na obtenção de várias informações sobre os objetos que elas contém. Para a utilização do pacote é indispensável a instalação do pacote `EBImage`. Geralmente, este pacote pode ser instalado ao executar os seguintes comandos:

`if (!requireNamespace("BiocManager", quietly = TRUE))`

`install.packages("BiocManager")`

`BiocManager::install("EBImage")`

Porém se houver problemas na instalação sugerimos que consulte mais opções de instalação no site: https://bioconductor.org/packages/release/bioc/html/EBImage.html

Para instalar o pacote ´ExpImage´ basta utilizar o seguinte comando:

`install.packages("ExpImage")`


Convidamos a todos os usuários do ExpImage que venha conhecer nossos materiais didáticos sobre este e outros pacotes nos seguintes links: 

https://www.youtube.com/channel/UCDGyvLCJnv9RtTY1YMBMVNQ

https://www.expstat.com/

# Abrindo as imagens no R 

## Ativação dos pacotes
Após a instalação dos pacotes é necessário fazer sua ativação:

```{r}
 library(EBImage)
library(ExpImage)
```

## Abrindo as imagens.
Para abrir as imagens pode-se inicialmente indicar a pasta de trabalho onde a imagem se encontra com a função `setwd`. E, posteriormente, abrir a imagem com a função `read_image`.

Neste caso, poderiam ser utilizados comandos como esses:

`#Apagar memoria do R`

`remove(list=ls())`

`#Indicar a pasta de trabalho`

`setwd("D:/Backup Pendrive/")`

`im=read_image("Imagem.jpeg",plot=TRUE)`

Neste exemplo utilizaremos uma imagem contida no banco de dados do pacote.

```{r}

end1=example_image(10)
im=read_image(end1,plot=TRUE)

```

# Segmentação
Para resolver este problema nós vamos fazer duas segmentações. A primeira para obter os pixeis referente apenas à parte aérea. A segunda segmentação será feita para obter os pixeis correspondente apenas à parte radicular.

Para isso, vamos primeiramente escolher a melhor banda para trabalharmos:

```{r}
#Selecionando o melhor indice para a segmentacao
r=gray_scale(im,method = "r",plot=T)
g=gray_scale(im,method = "g",plot=T)
b=gray_scale(im,method = "b",plot=T)
```

Como foi possível observar, a banda de azul possibilita um bom contraste da plântula do fundo. Logo, vamos escolher um valor de limiar pela tentativa e erro.

Outra opção de explorar outros possíveis índices é por meio do seguinte comando:

```{r}
plot_indexes(im,NumberCores=2)
```

## Segmentação da parte radicular

```{r}
plot_image(b,col = 3)
Seg=segmentation(b,treshold = 0.65,selectHigher = TRUE,fillHull = TRUE,plot = TRUE)
```

Quando se utiliza um limiar de 0.65 torna-se possivel separar apenas os pixels correspondentes às raízes.

A partir dessa imagem segmentada pode-se obter o comprimento da radícula a partir da contagem de pixels após o thinning:

```{r}
radicula=thinning_image(Seg,plot = TRUE)

#Obtenção do comprimento da raiz em pixels
sum(radicula)
```

Para a melhor visualização do eixo obtido pelo thinning podemos apresenta-lo sobre a imagem:
```{r}
im2=mask_pixels(im,TargetPixels=radicula==1,col.TargetPixels = "red",plot=F)
im3=join_image(im,im2,plot=T)
```

## Segmentação da parte aérea

Vamos escolher um novo limiar para conseguir separar o que é parte aérea.

```{r}
plot_image(b,col = 3)
Seg2=segmentation(b,treshold = 0.5,selectHigher = FALSE,fillHull = TRUE,plot=TRUE)
```

É possível observar muito ruído. Este problema pode ser amenizado utilizando a função erode do EBImage:

```{r}
Seg2b=EBImage::erode(Seg2)
EBImage::display(Seg2b)    
```

Agora é possível fazer o thinning considerando os pixels correspondentes à parte aérea:

```{r}
PA=thinning_image(Seg2b,plot = TRUE)

#Obtenção do comprimento da raiz em pixels
sum(PA)
```

Para a melhor visualização podemos destacar em azul o eixo correspondente ao thinning:

```{r}
im4=mask_pixels(im,TargetPixels=PA==1,plot=F,)
im4=join_image(im,im4,plot=T)
```

A unidade de medidas dos comprimentos está em pixels, mas podem ser convertido para cm quando se tem um objeto de referencia na imagem ou se sabe a área da imagem escaneada.