python的表型管道
phenopype的Python项目详细描述
phenopype是python的一个表型管道。它被设计成以半自动或全自动的方式从数字图像或视频材料中以最小的用户输入提取表型数据。目前，它被设置为从python集成开发环境（ide）运行，比如spyder。一些python知识是必要的，但是大部分繁重的工作都是在后台完成的。如果您对使用phenopype感兴趣，请使用pip install phenopype从Python Package Index (PYPI)中install它。您还可能需要克隆此存储库，以便可以使用tutorials开始。
免责声明：正在进行的开发
程序仍处于alpha阶段，开发进展缓慢-这是me在我的日常工作旁边，尝试编写一个程序，同时在第一时间学习正确的代码。一些核心功能如blob计数、对象检测或视频跟踪正在工作（see below），其他模块如标记或本地对象提取尚未完全实现。更详细的文件正在制作中，但如果事情没有如预期的那样进行，请与我们联系，我会尽力帮助您。
功能
| Automatic object detection via multistep thresholding in a predefined area. Useful if your images have borders or irregular features. Accurracy can be increased with custom modules, e.g. for colour or shape | |
| Automatic object tracking that uses foreground-background subtractor. High performance possible (shown example is close to real time with HD stream). Can be set to distinguish colour or shapes. An example with stickleback and isopods can be found here: https://vimeo.com/283075068 | |
| Automatic scale detection and pixel-size ratios adjustments. Performance depends on image size | |
| Basic landmarking functionality - high throughput. | |
| Extract local objects like stickleback body armour |
安装
使用anaconda安装python3：转到https://www.anaconda.com/download/，为您的操作系统选择python3.x，下载并安装它
打开anaconda提示符或add "conda" to your PATH并打开常规命令提示符或终端
创建一个虚拟环境来更全面地控制python包，并安装spyder（或任何其他ide）
conda create -n "phenopype_env" python=3.7 spyder
- 激活虚拟环境并在终端或命令行中使用
pip安装phenopype:
conda activate phenopype_env
pip install phenopype
spyder
- 使用
jupyter notebook： 查看tutorials
pip install jupyter notebook
jupyter notebook
如果您遇到困难，请参阅以下教程：
- https://conda.io/docs/user-guide/install/windows.html
- https://medium.com/@GalarnykMichael/install-python-on-windows-anaconda-c63c7c3d1444
- https://datatofish.com/install-package-python-using-pip/
在Windows中，以管理员权限运行所有内容！
教程
下载并解压此存储库，打开命令行/bash终端，并将cd放入repo中的示例文件夹。假设您已经安装了Phenopype、它的依赖项和Jupyter笔记本（附带像Anaconda这样的科学Python发行版，请参见above），键入jupyter notebook，然后打开tutorials：
0_python_intro.ipynb本教程旨在提供基本Phenopype工作流所需的Python代码的简短概述。如果您以前从未使用过python，但希望能够自己探索phenopype功能，那么这将非常有用。
1_basic_functions.ipynb本教程演示了phenopype的基本工作流程：创建项目、目录以及如何在编程循环中单独使用这些函数。
2_object_detection.ipynb本教程演示如何在图像中检测单个或多个对象并将其表现为表型。
开发
计划的功能包括
- HDF5实现（原始图像>；处理图像（+数据）>；用于ML训练数据集的图像>；>；HDF5）
- 使用HDF5框架为深度学习算法构建自己的培训数据
- 使用opencv实现添加mask r-cnn深度学习算法（https://github.com/opencv/opencv/tree/master/samples/dnn）
如果你有其他功能的想法，请告诉我！
欢迎加入QQ群-->： 979659372
