shape_trans (ICsDark, IC, ’rectangle2’)
图5.13的右边图显示了IC的结果图。关于上面的程序我们要提及两点。这里操作符addchannels被reducedomain代替。这是必须的因为一些区域必须用灰色像素值来填充。前面程序的处理是相当不同的，一幅图有效的像素点四有限的。这就有了第二点，操作符threshold有一些图片作为输入，门限处理每幅图都有，因此，你提供的尽可能多的区域作为输入图像。
最终IC的分割必需进行，它们明亮且非常小。使用动态门限处理它们是相当容易的。然而电路板上的锡元件依然是一个问题，它们必须从IC中提取出来。这可以通过限定在特定的区域寻找。IC接触可能只出现在IC的元件的左边或者右边。感兴趣的区域的界定可以通过扩大IC区域，可以通过另一种膨胀来实现结果。图5.14左边图显示了操作结果。
图5.14寻找相关区域（左）和IC相关区域（右） 现在你只需要对感兴趣的区域使用门限处理即可。
dilation_rectangle1 (IC, ICWidth, 5, 1) difference (ICWidth, IC, SearchingArea) dilation_rectangle1 (SearchingArea, SearchingAreaWidth, 14, 1) union1 (SearchingAreaWidth, SearchingAreaUnion) reduce_domain (Intensity, SearchingAreaUnion, SearchGray)
mean_image (SearchGray, Mean, 15, 15)
dyn_threshold (SearchGray, Mean, Contacts, 5, ’light’) connection (Contacts, ContactsConnect) fill_up (ContactsConnect, ContactsFilled)
select_shape (ContactsFilled, ContactsRes, ’area’, ’and’, 10, 100)
交叉点的结果实令人满意的，一些太小或者有错的区域已经被发现，所以我们使用selectshape来去除它们。图5.14的右边图显示了处理最终结果。
8细胞壁
在这个例子中我们观察在树的成长中细胞壁的分裂的选择。输入图像是木头细胞的显微镜下观察