图5.5:微小颗粒（左）大的物体 (右)。
正如其他许多医学应用, 目前已存在的对象必须进行评估统计。这意味着将有不同的对象按大小或其它属性提取和分类，这样你可以分析他们。为解决这一问题迈出的重要一步,是相关物件的图像分割。统计评价为您不妨看看合适的文献统计。 在我们的例子有两个类型的对象： --- 大的，明亮的颗粒 --- 小的，暗的颗粒
大的，明亮的颗粒由于它们的灰度值不同于它们的背景。比背景明亮意味着要使用门限方式处理。你唯一要决定的是指定门限是自动还是使用经验值。在我们的例子里，一个固定的门限值由于好的对比是非常重要的。因此，你要有一个好的计算方法:
read_image (Particle, ’particle’) threshold (Particle, Large, 110, 255)
变量其包含所有像素灰度值超过110。你可以从图5.5右边的图看到。
发现小的，暗的颗粒是很困难的。指出门限的第一步努力说明没有固定的门限使用与所有的颗粒。但是如果更仔细的观察你就会发现小的颗粒比它们周围的环境明亮，例如，你可以指定一个合时的门限值对小图像的部分区域是合适的。现在，把这个发现转化为算法是容易的，一种决定门限的值的本地方法。另一个可能的解决当地环境的定义由n阶窗口，这种方法在本例中使用。窗外的平均值作为一个近似的背景强度。这可以通过选择低通滤波，要么是平均要么是高斯滤波器过滤。窗口尺寸大小决定于当地的环境
,