来源：分析测试百科网

颗粒挑选

接下来需要从原始数据中筛选出颗粒投影，也被称为“颗粒挑选”，颗粒挑选的好坏也将影响所有后续的分析和处理过程，是一个重要并且繁琐的步骤。颗粒挑选方式可以分为手动挑选、半自动挑选和完全自动挑选这几种。

在早期的分析中，对于结构的了解还非常少，优先考虑的都是人工挑选。但是自动的颗粒图像获取方法的出现使得在很短时间内可以收集数十万张颗粒图像，人工挑选大量的颗粒图像不太现实，并且人工的挑选通常会过于集中于某一类颗粒图像，导致遗漏和偏差。

半自动和全自动的方法主要有以下三类：

(1)通过例如降噪、反衬增强、边缘算子等图像形态学方法搜索区域，基于数字图像处理学的原理，将颗粒图像与背景分离开来。

(2)基于模板的方法，通过扫描数据图像和已知的模板比较来挑选出潜在的颗粒图像，模板的来源通常为手动选出的数据图像中较为清晰的颗粒图像，或者是已知结构的投影。

(3)结合无模板和有模板的方法，通过一些有监督的机器学习算法进行颗粒挑选。

随着图像识别领域中深度学习方法的流行，各类基于深度学习的颗粒识别框架也被引入到颗粒挑选的过程中。随着深度学习方法的发展，相信如何把深度学习方法应用到单颗粒冷冻电镜图像分析领域的研究将会越来越多。