Recently, there has been an explosion of scientific literature describing the use of colorimetry for monitoring the progression or the endpoint result of colorimetric reactions. The availability of inexpensive imaging technology (e.g., scanners, Raspberry Pi, smartphones and other sub-$50 digital cameras) has lowered the barrier to accessing cost-efficient, objective detection methodologies. However, to exploit these imaging devices as low-cost colorimetric detectors, it is paramount that they interface with flexible software that is capable of image segmentation and probing a variety of color spaces (RGB, HSB, Y’UV, L*a*b*, etc.). Development of tailor-made software (e.g., smartphone applications) for advanced image analysis requires complex, custom-written processing algorithms, advanced computer programming knowledge and/or expertise in physics, mathematics, pattern recognition and computer vision and learning. Freeware programs, such as ImageJ, offer an alternative, affordable path to robust image analysis. Here we describe a protocol that uses the ImageJ program to process images of colorimetric experiments. In practice, this protocol consists of three distinct workflow options. This protocol is accessible to uninitiated users with little experience in image processing or color science and does not require fluorescence signals, expensive imaging equipment or custom-written algorithms. We anticipate that total analysis time per region of interest is ~6 min for new users and <3 min for experienced users, although initial color threshold determination might take longer.

最近，描述使用比色法监测比色反应的进展或终点结果的科学文献激增。廉价成像技术（例如，扫描仪、Raspberry Pi、智能手机和其他低于 50 美元的数码相机）的可用性降低了获得具有成本效益的客观检测方法的障碍。然而，要将这些成像设备用作低成本的比色检测器，最重要的是它们与能够进行图像分割和探测各种颜色空间（RGB、HSB、Y'UV、L*a*b）的灵活软件接口。 *， ETC。）。开发用于高级图像分析的定制软件（例如，智能手机应用程序）需要复杂的、定制编写的处理算法、高级计算机编程知识和/或物理学专业知识，数学、模式识别和计算机视觉与学习。ImageJ 等免费软件程序提供了另一种经济实惠的可靠图像分析途径。在这里，我们描述了一个使用 ImageJ 程序处理比色实验图像的协议。在实践中，该协议由三个不同的工作流选项组成。该协议可供在图像处理或色彩科学方面经验不足的外行用户使用，并且不需要荧光信号、昂贵的成像设备或定制编写的算法。我们预计新用户每个感兴趣区域的总分析时间约为 6 分钟，而有经验的用户则小于 3 分钟，尽管初始颜色阈值确定可能需要更长的时间。为强大的图像分析提供了另一种经济实惠的途径。在这里，我们描述了一个使用 ImageJ 程序处理比色实验图像的协议。在实践中，该协议由三个不同的工作流选项组成。该协议可供在图像处理或色彩科学方面经验不足的外行用户使用，并且不需要荧光信号、昂贵的成像设备或定制编写的算法。我们预计新用户每个感兴趣区域的总分析时间约为 6 分钟，而有经验的用户则小于 3 分钟，尽管初始颜色阈值确定可能需要更长的时间。为强大的图像分析提供了另一种经济实惠的途径。在这里，我们描述了一个使用 ImageJ 程序处理比色实验图像的协议。在实践中，该协议由三个不同的工作流选项组成。该协议可供在图像处理或色彩科学方面经验不足的外行用户使用，并且不需要荧光信号、昂贵的成像设备或定制编写的算法。我们预计新用户每个感兴趣区域的总分析时间约为 6 分钟，而有经验的用户则小于 3 分钟，尽管初始颜色阈值确定可能需要更长的时间。该协议由三个不同的工作流程选项组成。该协议可供在图像处理或色彩科学方面经验不足的外行用户使用，并且不需要荧光信号、昂贵的成像设备或定制编写的算法。我们预计新用户每个感兴趣区域的总分析时间约为 6 分钟，而有经验的用户则小于 3 分钟，尽管初始颜色阈值确定可能需要更长的时间。该协议由三个不同的工作流程选项组成。该协议可供在图像处理或色彩科学方面经验不足的外行用户使用，并且不需要荧光信号、昂贵的成像设备或定制编写的算法。我们预计新用户每个感兴趣区域的总分析时间约为 6 分钟，而有经验的用户则小于 3 分钟，尽管初始颜色阈值确定可能需要更长的时间。