—/100
综合均匀性
等待结果
—
OOptCNT
SHARED PYTHON ENGINE
从一张显微图，得到可追溯的完整结论。
远端与桌面端共用同一个 CNTAnalyzer 核心，包含骨架路径、逐根测量、空间统计、团聚判定和完整导出。
同源算法
Python · OpenCV · Skeleton
未打开图像选择文件、拖放或粘贴图片
工具就绪打开图像后创建临时会话
打开显微镜图像
从本地选择、拖放到画布，或直接粘贴图片（Ctrl+V）
PNG、JPEG、TIFF、BMP、WebP · 单张不超过 25 MBBASELINE × EXPERIMENT
让组间差异，回到同一套完整算法。
两组图像使用完全相同的比例尺、ROI 范围、预处理和检测参数，输出逐图统计、显著性检验与代表图。
SAMPLES
建立对比任务
每组最多 20 张、整批不超过 200 MB；建议使用相同倍率、尺寸和成像条件。
base 组基准参考
0 张- 尚未选择图像
实验组实验候选
0 张- 尚未选择图像
统一分析参数10 μm · 中部 75% · 标准检测⌄
METHOD & GOVERNANCE
完整功能的关键，是同源、可追溯、可验证。
远端只替换交互层，不复制算法。所有科学计算仍由项目中的 CNTAnalyzer 执行。
浏览器工作台
负责上传、画布比例尺与 ROI、参数控制、结果图表和文件下载。
会话与任务层
限制上传大小和并发，会话过期清理；组图分析在后台执行并报告进度。
CNTAnalyzer
与桌面端共用 Python/OpenCV 核心，执行预处理、骨架、轮廓和逐根测量。
一致性闭环
固定样图同时走核心与 HTTP 路径，逐项比较数量、长度、宽度与统计指标。
完整校准与 ROI
- 自动比例尺条与文字识别
- 画布手动标尺校准
- 比例尺区域自动排除
- 多个自定义 ROI 独立分析
逐根骨架测量
- 自适应阈值与形态处理
- 骨架图直径路径测量
- 粘连拆分与近邻合并
- 长度、宽度与长宽比输出
空间与团聚统计
- 最近邻 CV 与 NNI
- 点密度、覆盖率与阴影网格
- Moran's I、熵与占用率
- 热点团聚和分散比例
对比与完整交付
- 双图及 base/实验组对比
- Welch t 与 Mann-Whitney 检验
- JSON、CSV、TXT 报告
- 轮廓与骨架 PNG 结果
DATA LIFECYCLE
原图如何处理
- 上传通过 HTTPS 发送到 Ali 服务器，仅用于本次分析。
- 处理单图保存在内存会话；批量图暂存于受限任务目录。
- 释放单图会话无操作后过期；批量任务生成结果后立即删除原始上传。
- 交付结果由用户主动下载，服务端不将原图写入项目数据集。