如何使用Python处理一系列TIF文件以区分迁移的单核细胞和背景？

发布于 2025-02-09 19:11:15 字数 399 浏览 2 评论 0原文

tif在3D凝胶中显示单核细胞

/fefala.jpg“ rel =” nofollow noreferrer“>我以前的尝试

长篇小说简短：我有一个单核细胞迁移的3D凝胶视频，该视频被细分为241个TIF文件（每个都代表了特定的时刻）。如您在图像中所见，单核细胞（小圆圈）看起来与背景非常相似。如何使用Python处理每个TIF文件以使单核细胞从后台脱颖而出？请具体说明并解释所有必要的步骤。我的最终目标是通过OpenCV之类的东西跟踪这些细胞的运动，并随着时间的流逝绘制其轨迹。

以前，我尝试使用略微和全能图，但是我无法使单核细胞与背景不同。

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

好菇凉咱不稀罕他 2025-02-16 19:11:15

我实际上并没有为您提供完整的答案，但是没有人说答案必须完整，我建议的内容可能会激发您的讨论和交流，以使您更接近解决方案...

首先，我会看您的直方图：

显然，您有一个低对比度的图像，所有亮度在64-88左右，即0..255范围的25％至33％。因此，我的第一个本能是拉伸对比度，以使64变为零，而88变为255。我在这里使用 ImageMagick 来做，因为它是概念性的，您/我们可以用 opencv << /strong>在必要时以后。

magick RPU7I.png -level 25,33% 1.jpg

然后我们可以复制该图像，模糊并减去删除低频背景功能。首先，有一个小的模糊：

magick 1.jpg \( +clone -blur 0x10 \) -compose difference -composite -auto-level 2.jpg

然后用更大的模糊：

magick 1.jpg \( +clone -blur 0x80 \) -compose difference -composite -auto-level 3.jpg

或，我们可以返回到我们的原始对比撕裂的图像1.jpg尝试以下内容：

magick 1.jpg -clahe 20x20%+128+20 result.jpg

任何图像处理向导欢迎复制，窃取，不同意，改进，扩展，扩展，在此处编辑任何概念...

I don't actually have a complete answer for you, but nobody said answers have to be complete and what I am suggesting may stimulate discussion and an exchange of ideas that gets you nearer a solution...

Firstly, I would look at your histogram:

You clearly have a low-contrast image with all brightnesses in the range around 64-88, i.e. 25% to 33% of the 0..255 range. So my first instinct is to stretch the contrast so that 64 becomes zero and 88 becomes 255. I am doing it with ImageMagick here because it is conceptual and you/we can do it with OpenCV later if necessary.

magick RPU7I.png -level 25,33% 1.jpg

We could then copy that image, blur it and subtract to remove the low-frequency background features. Firstly with a small blur:

magick 1.jpg \( +clone -blur 0x10 \) -compose difference -composite -auto-level 2.jpg

Then with a larger blur:

magick 1.jpg \( +clone -blur 0x80 \) -compose difference -composite -auto-level 3.jpg

Or, we could go back to our original contrast-stretched image 1.jpg and try CLAHE on that:

magick 1.jpg -clahe 20x20%+128+20 result.jpg

Any image-processing wizards welcome to copy, steal, disagree, improve, extend, edit any concepts here...

回复收藏 0 原文

我不是你的备胎 2025-02-16 19:11:15

这是另一种使用除法归一化的方法，然后是Python/OpenCV中的一些动态范围拉伸。

读取输入
转换为灰度
模糊，相对较大的sigma
将模糊图像除以输入
拉伸伸展动态范围
保存结果

输入：

import cv2
import numpy as np
import skimage.exposure

# load image
img = cv2.imread("monocytes.png")

# convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# blur
blur = cv2.GaussianBlur(gray, (0,0), sigmaX=39, sigmaY=39)

# divide
divide = cv2.divide(blur, gray, scale=255)
divide = 255 - divide

# stretch
maxval = np.amax(divide)/4
stretch = skimage.exposure.rescale_intensity(divide, in_range=(0,maxval), out_range=(0,255)).astype(np.uint8)

# write result to disk
cv2.imwrite("monocytes_division.png", divide)
cv2.imwrite("monocytes_stretch.jpg", stretch)

# display it
cv2.imshow("gray", gray)
cv2.imshow("divide", divide)
cv2.imshow("stretch", stretch)
cv2.waitKey(0)
cv2.destroyAllWindows()

拉伸结果：

Here is another approach using division normalization followed by some dynamic range stretching in Python/OpenCV.

Read the input
Convert to grayscale
Blur with relatively large sigma
Divide the blurred image by the input
Stretch the dynamic range
Save the result

Input:

import cv2
import numpy as np
import skimage.exposure

# load image
img = cv2.imread("monocytes.png")

# convert to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# blur
blur = cv2.GaussianBlur(gray, (0,0), sigmaX=39, sigmaY=39)

# divide
divide = cv2.divide(blur, gray, scale=255)
divide = 255 - divide

# stretch
maxval = np.amax(divide)/4
stretch = skimage.exposure.rescale_intensity(divide, in_range=(0,maxval), out_range=(0,255)).astype(np.uint8)

# write result to disk
cv2.imwrite("monocytes_division.png", divide)
cv2.imwrite("monocytes_stretch.jpg", stretch)

# display it
cv2.imshow("gray", gray)
cv2.imshow("divide", divide)
cv2.imshow("stretch", stretch)
cv2.waitKey(0)
cv2.destroyAllWindows()

Stretched Result: