Python图像处理：从电子显微镜测量层宽度

Question

我有一张电子显微镜拍的图片，展示了生物系统中密集和稀疏的层，如下所示。

图片中间的层是我想要关注的部分，从“re”标签附近开始，向左逐渐变窄。我想要做的是：

1) 统计总共有多少个深色/密集层和浅色/稀疏层

2) 测量每一层的宽度，右下角的黑色刻度条长1微米

我一直在尝试用Python来完成这个任务。如果我提前裁剪图片，只保留几层的部分，比如这里显示的3个深色层和3个浅色层：

我可以用以下代码来统计层的数量：

import numpy as np
import matplotlib.pyplot as plt
from scipy import ndimage
from PIL import Image

tap = Image.open("VDtap.png").convert('L')
tap_a = np.array(tap)

tap_g = ndimage.gaussian_filter(tap_a, 1)
tap_norm = (tap_g - tap_g.min())/(float(tap_g.max()) - tap_g.min())
tap_norm[tap_norm < 0.5] = 0
tap_norm[tap_norm >= 0.5] = 1

result = 255 - (tap_norm * 255).astype(np.uint8)

tap_labeled, count = ndimage.label(result)

plt.imshow(tap_labeled)
plt.show()

不过，我不太确定怎么把刻度条考虑进去，来测量我已经统计的这些层的宽度。更糟糕的是，当我分析整张图片时，想要包括刻度条，我甚至很难从图片中的其他部分分辨出这些层。

我非常希望能得到一些建议来解决这个问题。谢谢大家。

编辑 1：

到目前为止，我在这个问题上有了一些进展。如果我提前裁剪图片，只保留一部分层，我可以使用以下代码来获取每层的厚度。

import numpy as np
import matplotlib.pyplot as plt
from scipy import ndimage
from PIL import Image
from skimage.measure import regionprops

tap = Image.open("VDtap.png").convert('L')
tap_a = np.array(tap)

tap_g = ndimage.gaussian_filter(tap_a, 1)
tap_norm = (tap_g - tap_g.min())/(float(tap_g.max()) - tap_g.min())
tap_norm[tap_norm < 0.5] = 0
tap_norm[tap_norm >= 0.5] = 1

result = 255 - (tap_norm * 255).astype(np.uint8)

tap_labeled, count = ndimage.label(result)

props = regionprops(tap_labeled)
ds = np.array([])

for i in xrange(len(props)):
    if i==0:
        ds = np.append(ds, props[i].bbox[1] - 0)
    else:
        ds = np.append(ds, props[i].bbox[1] - props[i-1].bbox[3])

    ds = np.append(ds, props[i].bbox[3] - props[i].bbox[1])

基本上，我发现了一个叫做skimage的Python模块，它可以处理标记的图片数组，并返回每个标记对象的边界框的四个坐标；1和[3]的位置给出了边界框的x坐标，所以它们的差值就能得到每层在x方向上的范围。此外，for循环的第一部分（if-else条件）用于获取每个深色层之前的浅色层，因为只有深色层会被ndimage.label标记。

不过，这样还是不太理想。首先，我希望不必提前裁剪图片，因为我打算对很多这样的图片重复这个过程。我考虑过也许可以用某种滤波器来突出层的（大致）周期性，但我不确定是否存在这样的滤波器？其次，上面的代码实际上只给出了每层的相对宽度——我仍然没有找到办法把刻度条结合进来，以便得到实际的宽度。

图像处理边界框 skimage 电子显微镜层宽度测量深色层浅色层图像滤波器

Python图像处理：从电子显微镜测量层宽度

1 个回答

识别比例尺

寻找脊线

测量脊线

撰写回答