Bewegung sichtbar.
Auswertung verständlich.

1. Film in Einzelbilder zerlegen

   Nutzen Sie die Werkzeugfunktion „split film to pictures“. Der Import läuft lokal mit FFprobe und FFmpeg. Start- und Endbild begrenzen bei Bedarf den Bildbereich. Bei MCP-Laboraufträgen entsteht automatisch ein neuer Arbeitsordner.

   Den Import verstehen →

2. Bilder laden und Erkennung einstellen

   Wählen Sie den erzeugten Bildbestand über „select film“. Links sehen Sie das Original, rechts das Filterbild. Stellen Sie im Register filter die Bildfilter ein und wenden Sie sie mit „apply filter“ an. Die Statusanzeige sollte genau 1 worms melden.

   Filter richtig einstellen →

3. Maßstab und Auswertebereich prüfen

   Tragen Sie im Register calibration die Werte Ihrer Aufnahme ein. Beschränken Sie bei störenden Rändern den räumlichen Bereich über ROI. Prüfen Sie mehrere Bilder, auch am Anfang und Ende.

   Kalibrierung & ROI →

4. Den gesamten Film auswerten

   Starten Sie „process film“. Der Schalter wird während der Verarbeitung zur Stoppfunktion. Übernehmen Sie nur eine vollständig und erfolgreich abgeschlossene Auswertung.

   Messwerte beurteilen →

5. Ergebnisse mit Parametern aufbewahren

   Bewahren Sie CSV, Textausgabe, Parameter und Bildbestand zusammen auf. Bei MCP-Laboraufträgen enthält job.json das dauerhafte Auftragsprotokoll; die Übersicht „Gespeicherte Auswertungen“ hilft beim Wiederfinden.

   Ablage und Dateiformate →

Die Register filter, view, calibration, experiment und data bündeln die Einstellungen. Das Register experiment enthält ältere Experimentfelder; für automatisierte Laborergebnisse verwenden Sie die filmbezogenen CSV- und JSON-Dateien.

Vor dem Import

• Prüfen Sie, ob FFmpeg und FFprobe neben der EXE im Unterordner FFmpeg verfügbar sind.
• Verwenden Sie eine Aufnahme mit klar erkennbarem Wurm und möglichst konstantem Hintergrund.
• Planen Sie Speicher ein: BMP-Dateien sind deutlich größer als komprimierte Filme.

Zeitlicher Bildbereich

Im Register data finden Sie unter film explode die Felder start image und stop image. Bei der MCP-Schnittstelle sind Bildindizes nullbasiert und die Grenzen eingeschlossen. stopFrame: 0 bedeutet Filmende.

Beispiel: startFrame: 10 und stopFrame: 20 wählen elf Bilder aus. Der räumliche ROI ist davon unabhängig.

Vorhandene Bilder verwenden

Ältere BMP-Ordner können weiterhin ausgewählt und in der Ablageübersicht angezeigt werden. Ohne job.json besitzen sie jedoch kein MCP-Auftragsprotokoll. Originalfilme werden bei MCP-Laboraufträgen nur gelesen; jeder Auftrag verwendet einen neuen Arbeitsordner.

So stimmen Sie die Filter ab

1. Wählen Sie ein repräsentatives Bild und wenden Sie die Filter an.
2. Vergleichen Sie Original und Filterbild. Der Wurm darf weder zerfallen noch mit Rand oder Schmutz verbunden sein.
3. Prüfen Sie die Objektanzahl. Bei null Objekten sind Kontur, Schwellwert, Größenfilter und ROI zu prüfen; bei mehreren Objekten zusätzlich Störstellen.
4. Wiederholen Sie die Prüfung an mehreren Stellen im Film und speichern Sie die passenden Parameter.

Ein echtes Beispiel: CElegansAVI

Der Beispielimport liefert 97 Bilder aus einem Film mit 720 × 480 Pixeln. Weil mehrere Würmer im Bild sichtbar sind, begrenzt ein rechteckiger ROI die Auswertung auf den mittleren Wurm. Im Filterbild bleiben andere schwarze Objekte sichtbar; die Erkennung berücksichtigt den festgelegten ROI.

Erkennung sichtbar machen

Im Register view lassen sich Konturen (boarder), ROI, Schwerpunkt (mass center), Endpunkte (ends), Kettenglieder (chain links) und Nummern einblenden. Nutzen Sie diese Ansichten zur Kontrolle der erkannten Struktur.

Übernehmen Sie diese Werte aus der dokumentierten Kalibrierung Ihres Aufnahmesystems. Alle Werte müssen positiv sein. Ein gespeicherter Parametersatz ist eine Berechnungsgrundlage und ersetzt keine Prüfung des realen Maßstabs.

ROI: nur den relevanten Bildbereich auswerten

Im Register filter wählen Sie unter ROI den räumlichen Auswertebereich. Damit können etwa Ränder oder störende Bereiche ausgeschlossen werden.

ROI im Programm zeichnen

Wählen Sie rectangle oder circle und setzen Sie mit zwei Linksklicks im Originalbild die gegenüberliegenden Eckpunkte. Für polygon setzen Sie nacheinander die Eckpunkte und beenden die Eingabe mit einem Rechtsklick; mindestens drei Punkte sind erforderlich. Ein Rechtsklick während der Rechteck- oder Kreiseingabe bricht diese ab. Prüfen Sie den gewählten Bereich anschließend im Register view mit eingeschaltetem ROI.

Die Mobilitätsfrequenz beschreibt eine aus der Bewegung berechnete Frequenz. Sie ist eine andere Größe als die zurückgelegte Strecke pro Zeit. Verwenden Sie für den Vergleich dieselben Aufnahme- und Auswertungseinstellungen.

Wann ist eine MCP-Messung gültig?

Übernehmen Sie nur abgeschlossene Messungen mit state: "completed" und valid: true. Ein erfolgreicher Import ist noch keine Messung. Fehlgeschlagene oder abgebrochene Auswertungen dürfen nicht als Nullmessungen interpretiert werden. Bei Stapeln prüfen Sie jeden Filmeintrag einzeln.

Erfolgreich abgeschlossener Beispielablauf

Die hier dokumentierte CElegans-Auswertung verarbeitet alle 97 Bilder über 3,203 Sekunden und liefert einen verfolgten Wurm. MCP meldet completed und valid: true. Diese technische Gültigkeit bestätigt den abgeschlossenen Ablauf; sie bestätigt keinen unabhängig geprüften physikalischen Maßstab.

Demo-Ergebnis mit Einheiten und Parametern herunterladen ↓

Dateien für die weitere Auswertung

Die filmbezogene CSV dient der tabellarischen Weiterverarbeitung, TXT der Textausgabe. Das Ergebnis-JSON enthält Kennzahlen mit Einheiten, Parameter und Dateipfade. Bewahren Sie immer den zugehörigen Parametersatz auf.

Parameter speichern

Über load und save im Register filter verwalten Sie die bestehenden Programmeinstellungen. MCP kann INI- oder JSON-Parameter laden und mit wormtracker_save_parameters eine neue UTF-8-JSON-Datei schreiben. Vorhandene JSON-Dateien werden dabei nicht überschrieben.

Der Server wormtracker bindet ausschließlich an 127.0.0.1. Der Standardport ist 8765; weitere Instanzen können andere Ports verwenden. Lesen Sie die tatsächliche URL aus der jeweiligen Instanz. Die Authentifizierung erfolgt über X-MCP2Delphi-Token. Halten Sie das lokale Token privat.

Ein Film, ein Auftrag

1. wormtracker_open_film wählt den Film; Parameter über wormtracker_get_parameters lesen und bei Bedarf ändern.
2. wormtracker_validate_parameters prüft Einstellungen. Mit geladenen Bildern kann ready: true zusätzlich Bildbezug und Zeitstempel prüfen.
3. wormtracker_run importiert und analysiert. Die unmittelbare Antwort enthält eine jobId.
4. wormtracker_progress abfragen, bis busy: false ist.
5. wormtracker_result lesen und den Status jedes Ergebnisses prüfen.

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "wormtracker_run",
    "arguments": {
      "fileName": "C:\\Messungen\\wurm.avi",
      "parametersFile": "C:\\Messungen\\parameter.json",
      "outputDirectory": "C:\\Messungen\\LabRuns"
    }
  }
}

Beispielpfade durch vorhandene lokale Dateien ersetzen. Die HTTP-Authentifizierung richtet Ihr MCP-Client ein; sie ist nicht Teil dieses JSON-Beispiels.

Befehle nach Aufgabe

Stapelverarbeitung und Abbruch

Mit wormtracker_batch werden Filme nacheinander ausgewertet. Ohne explizite parametersFile verwendet der Stapel filmbezogene INI-Begleitdateien. Es läuft jeweils nur ein Laborauftrag. Währenddessen bleiben Parameteränderungen und weitere Aufträge gesperrt; Fortschritt und kooperativer Abbruch sind erreichbar.

Der aktuelle Katalog aus tools/list ist maßgeblich für Namen und Argumente. Ältere Aufträge lassen sich über wormtracker_storage_result aus ihrer job.json lesen.

ROI

Region of Interest: der räumliche Bildbereich, in dem ausgewertet wird.

Schwerpunkt

Aus der erkannten Wurmstruktur bestimmte Position. Ihre Änderung über die Zeit liefert eine Schwerpunktgeschwindigkeit.

Kalibrierung

Zuordnung zwischen Bildmaßstab und physikalischer Größe anhand des Aufnahmesystems.

Schwellwert

Grauwertgrenze für die Umwandlung in ein Zweifarbenbild; in der Oberfläche two color.

Glättung

Zeitliche Mittelung, deren Einstellungen bei Ergebnisvergleichen gleich gehalten und dokumentiert werden sollten.

MCP

Model Context Protocol: Schnittstelle, über die ein lokaler Client die bereitgestellten Programmwerkzeuge aufrufen kann.

Laborauftrag

Ein Import- oder Analyseablauf mit eigener Kennung, Status und dauerhaftem Arbeitsordner.

Parameterdatei

Gespeicherte Einstellungen, etwa in INI oder JSON, zur Wiederholung einer Auswertung.