Python 圖像教程
介紹
需要用到的軟件
- Python 3+
- numpy
- matplotlib
- mahotas
- ipython¬ebook
第一個(gè)項(xiàng)目:計(jì)算細(xì)胞核
我們的第一個(gè)任務(wù)是進(jìn)行細(xì)胞核的計(jì)算，你可以點(diǎn)擊圖像進(jìn)行下載到本地跟著進(jìn)行運(yùn)行
首先導(dǎo)入包
import numpy as np
import matplotlib.pylab as plt
import mahotas as mh
對(duì)于Python环揽，有能夠通過(guò)包來(lái)完成許多工具略荡，而不是一個(gè)包。我們用numpy數(shù)組進(jìn)行儲(chǔ)存圖像歉胶，在我們的案例中汛兜，其是一個(gè)二維數(shù)組（高X寬），或者通今，對(duì)于彩色圖像粥谬，為三維數(shù)組（高X寬X3或者高X寬X4，其中3和4分別表示red辫塌，green漏策，blue或者red，green臼氨，blue掺喻，alpha的元組，其中alpha為透明度）
首先我們讀取圖像進(jìn)入內(nèi)存:
dna=mh.imread('dna.jpeg')
玩弄
在交互模式，例如ipython巢寡，你可以查看使用如下方法查看圖像
plt.imshow(dna)
plt.show()
你可能驚訝圖片并不像原來(lái)的圖片是黑色的喉脖，原因是plt默認(rèn)展示的為jet() bar，你可以通過(guò)切換colormap來(lái)切換成默認(rèn)的灰度圖抑月，例如如下:
plt.imshow(dna)
plt.gray()
plt.show()
你還可以探索如下:
print(dna.shape)
print(dna.dtype)
print(dna.max())
print(dna.min())
(1024, 1344)
uint8
252
0
plt.imshow(dna // 2)
plt.show()
我們將圖片所有性質(zhì)除以2树叽，然而得到的結(jié)果居然一樣，實(shí)際上plt在展示圖片之前會(huì)進(jìn)行對(duì)比擴(kuò)展
一些實(shí)際的工作
現(xiàn)在我們開(kāi)始實(shí)際的計(jì)算核酸的工作谦絮，我們對(duì)開(kāi)篇導(dǎo)入的圖片的物體（objects）進(jìn)行計(jì)算
T=mh.thresholding.otsu(dna)
plt.imshow(dna>T)
plt.show()
在這里题诵，我們又一次利用了dna是一個(gè)numpy數(shù)組，并在邏輯運(yùn)算中使用它（dna> T）的事實(shí)层皱。 結(jié)果是一個(gè)布爾值的數(shù)組性锭，這個(gè)pylab顯示為一個(gè)黑白圖像。
但是看起來(lái)不是那么美好叫胖，因?yàn)閳D像包含了許多小的物體草冈。這里有兩個(gè)方法解決它。一個(gè)簡(jiǎn)單的方法是使用Gaussian篩選撫平小的物體
dnaf = mh.gaussian_filter(dna, 8).astype('uint8')
T = mh.thresholding.otsu(dnaf)
plt.imshow(dnaf>T)
plt.show()
mh.gaussian_filter接收?qǐng)D像并過(guò)濾器的標(biāo)準(zhǔn)偏差(以像素為單位)并返回過(guò)濾后的圖像瓮增，但是一個(gè)更好的方法是使用mahotas篩選圖像并且計(jì)算閾值怎棱，使用numpy操作創(chuàng)建的圖像，并用plt展示他們绷跑，但是所有的工作都是數(shù)組完成的拳恋，這樣的結(jié)果會(huì)更好。
我們現(xiàn)在進(jìn)行一些細(xì)胞核的merged砸捏。 最后的計(jì)數(shù)只是一個(gè)額外的函數(shù)調(diào)用：
labeled,nr_objects=mh.label(dnaf>T)
print(nr_objects)
plt.imshow(labeled)
plt.jet()
plt.show()
18
我們擁有物體的圖像為18個(gè)谬运，展示的為標(biāo)記的（labeled）圖像，使用jet()進(jìn)行著色
我們可以探索標(biāo)記的物體垦藏，其是一個(gè)整數(shù)的數(shù)組梆暖，它的值是該位置上對(duì)象的標(biāo)簽，所以值的范圍從0（背景）到nr_objects掂骏。
第二個(gè)項(xiàng)目:分隔圖像
通過(guò)第一個(gè)項(xiàng)目式廷，我們完成的還是令人滿(mǎn)意，但是仍然有一些核酸是黏在一起的芭挽，然我們to do better
這里有一個(gè)簡(jiǎn)單的，傳統(tǒng)的想法:
- 平滑圖像
- 尋找區(qū)域最大值
- 使用區(qū)域最大值作為watershed的種子
尋找種子
但是且慢蝗肪，有一些細(xì)胞在照片上重疊了袜爪，被我們算作一個(gè)細(xì)胞了。顯然是這不科學(xué)的薛闪，因此我們需要更精確的計(jì)算方法辛馆。接下來(lái)我們要討論的方法尋找團(tuán)塊的中心點(diǎn)并計(jì)算中心點(diǎn)的個(gè)數(shù)。這里我們假設(shè)在灰度圖上，團(tuán)塊比較中心的地方比較亮昙篙，最亮的地方就是最中心的地方腊状。這個(gè)東西叫regional maxima，相當(dāng)于一片山脈中的最高峰苔可。我們找到這個(gè)點(diǎn)之后缴挖，進(jìn)行標(biāo)亮，并且與原來(lái)的灰度圖重疊在一起焚辅。首先我們進(jìn)行如下的嘗試
#plt.figure(figsize=(15,15))
dnaf=mh.gaussian_filter(dna,8).astype('uint8')
rmax=mh.regmax(dnaf)
plt.imshow(mh.overlay(dna,rmax))
plt.show()
mh.overlay()返回一個(gè)彩色圖像映屋，第一個(gè)參數(shù)給出灰度級(jí)分量，而第二個(gè)參數(shù)作為紅色通道同蜻。 結(jié)果看起來(lái)不太好：
稍微擺弄一下后棚点，我們決定用一個(gè)更大的sigma嘗試相同的想法：
plt.figure(figsize=(15,15))
dnaf=mh.gaussian_filter(dna,15).astype('uint8')
rmax=mh.regmax(dnaf)
plt.imshow(mh.overlay(dna,rmax))
plt.show()
看起來(lái)好許多，我們可以方便的統(tǒng)計(jì)核算數(shù)量了
seeds,nr_nuclei=mh.label(rmax)
print(nr_nuclei)
22
Watershed
我們打算將Watershed應(yīng)用于閾值圖像的距離變換(使用矩陣最大值減去矩陣內(nèi)所有元素湾蔓，使得矩陣元素的數(shù)值原來(lái)大的變小瘫析，小的變大,得到下圖)：
T=mh.thresholding.otsu(dnaf)
dist = mh.distance(dnaf>T)
dist = dist.max()-dist
dist -= dist.min()
dist = dist/float(dist.ptp())*255
dist = dist.astype(np.uint8)
plt.imshow(dist)
plt.show()
現(xiàn)在，根據(jù)矩陣的元素的大小默责，以之前得到的一堆最高峰（seeds）為核心位置贬循，觀察每個(gè)核心與鄰居核心之間的邊界（元素?cái)?shù)值的局域極大值），把這個(gè)邊界標(biāo)記出來(lái)傻丝。就得到了核心的區(qū)域劃分圖甘有。
nuclei=mh.cwatershed(dist,seeds)
plt.imshow(nuclei)
plt.show()
參考資料:
原文
使用python做圖像處理
