EMAN est une suite des outils à traitement d'images scientifiques orientés principalement la communauté de microscopie électronique de boîte de vitesses, bien qu'il commence à être aussi bien employé dans d'autres domaines. Il a un accent particulier sur effectuer une tâche connue sous le nom de reconstruction unique de particules.

Dans cette méthode, des images des molécules de nanoscale et les ensembles moléculaires inclus en glace (vitreuse) vitreuse sont rassemblés sur un microscope électronique de boîte de vitesses, alors traités using EMAN pour produire un recosntruction à trois dimensions complet aux définitions approchant maintenant la définition atomique. Pour les structures à basse résolution (~2 nanomètre), ceci peut avoir besoin de ~8 heures de traitement par ordinateur et de quelques mille particules.

Pour des structures visées ~0.5 nanomètre ou meilleure définition, des centaines de milliers de particules et les centaines de milliers de CPU-heures (sur de grands boîtiers de calcul) peuvent être exigées. En effet, EMAN est employé souvent dans des installations de superinformatique comme application de test pour le calcul de grande puissance.

À traitement d'images scientifique est distingué de Photoshop type à traitement d'images parce qu'il est analyitical en nature. Les images traitées dans EMAN sont des images à fond gris de virgule flottante. C'est-à-dire, les valeurs des pixels dans les images sont représentées en tant que nombres réels, pas en tant que petits nombres entiers (des images types de GIF/JPG/PNG sont limitées aux valeurs intégrales de 0-255 pour chaque Pixel).

Le traitement comprend souvent des fonctionnements à traitement d'images complexes dans l'espace de Fourier ou de vaguelette. EMAN a été relâché la première fois en 1999, et a été en cours de développement continu depuis. Il se compose de la bibliothèque d'AC ++ des centaines d'image/volume différents transformant des algorithmes avec des grippements en langage de script populaire de python. Dans le développement neuf d'EMAN, tous les régimes user-level (dont il y a plus de 200 dans EMAN 1.8) sont développés dans le python, permettant à l'utilisateur bien informé d'apporter des modifications sans devoir télécharger ou compiler codes sources l'uns des de C++.

Ce qu'il y a de neuf dans ce desserrage :

· Des améliorations appréciables ont été effectuées dans refine2d.py.
· Using refine2d.py sur tous les ensembles de données neufs est fortement proposé.
· Quelques régimes emploient le type EMAN2 des arguments, c.-à-d. « régime < dossier > --option=value », plutôt que le style ancien, « dossier > option=value » de régime <.
· Il y a un format HDF5 neuf compatible avec EMAN2.
· Neuf AÈRE des régimes ont été ajoutés, comme le « squelette ».
· Des options neuves ont été ajoutées pour rendre le travail d'amélioration meilleur sur de grands objectifs icosaèdres.
· L'infrastructure de parallélisme a été améliorée, bien que les problèmes liés au réseau puissent encore exister.
· Le rétablissement de modèle fait au hasard dans makeinitialmodel.py était fixe.