基于区域的状态图像检测和验证

我目前正在开展一个项目，在该项目中，我必须区分正常细胞和患病细胞。我所看到的具体异常表明，细胞核应该有一定的面积，大部分是圆形的。我目前使用scipy，numpy和PIL来确定原子核的存在（见下图）......但我不确定如何确定这个区域，因为原子核并不总是一个完美的圆。有什么建议么？基于区域的状态图像检测和验证

Original Image before processing

Only nuclei are shown

Only nuclei are shown (Mapped Image)

来源

2012-04-18 saiumesh

因为你已经有了一个很好的细分（你快到了！） - 我只是对每种颜色使用一个阈值（0/1） - 所以你只用一个粒子就得到一张黑色图片，然后添加增加值，所以你有这个区域（以像素为单位）。如果您需要“真实”区域，则需要使用相机校准/参考物体。您可能想要研究形状因子/紧致度量。如果你有多个相同颜色的粒子，这是行不通的。然后，看看播种。 – 2012-04-18 07:25:15

你也可以看看这个漂亮的教程 [pythonvision.org]（http://pythonvision.org/basic-tutorial） “拍下这张照片并计算核数” 以及[cellprofiler]（http ：//www.cellprofiler.org） “免费的开源软件，旨在使生物学家能够自动地定量测量成千上万个图像的表型” “。我还没有使用过这些。 – denis 2012-04-20 13:56:34

如果你知道你的图像的缩放比例，则仅计算落在单元区域内的像素数。然后，该数字除以图像中的像素总数，即可得出单元占用的图像区域的比例。如果你知道你的图像分辨率，那么你应该知道那个矩形图像域的面积。将两者相乘以获得细胞区域。（a）如果细分不良（b）如果细胞被拉长（差异等比例商）并且舍入包括/排除细胞边界像素则很重要，或者（c）如果细分不良细胞永远处于阴影中/未在正确的平面上观察到以产生其横截面积。但希望您的实验包含足够的数据，您可以放弃这些数据。

来源

2012-04-18 03:21:48 ely

通过计算你得到的区域内的每个颜色的像素，如果你已经标注您的数据如下：

data = np.array([[0,0,1,1,1], 
       [2,2,1,1,1], 
       [2,3,3,3,3], 
       [2,4,4,3,3]])

比你可以使用numpy.bincount（）来计算每个标签：

print numpy.bincount(data.ravel())

输出为：

array([2, 6, 4, 6, 2])

这意味着有两个0，六1，四个2，6个3，和两个4

来源

2012-04-20 13:45:42 HYRY

基于区域的状态图像检测和验证

回答

相关问题