Scikit 图像：计算图像对象中细胞的正确方法

Question

假设您有一个numpy.array 形式的图像：

vals=numpy.array([[3,24,25,6,2],[8,7,6,3,2],[1,4,23,23,1],[45,4,6,7,8],[17,11,2,86,84]])

如果阈值为17（示例），您想计算每个对象内部有多少个单元格：

from scipy import ndimage
from skimage.measure import regionprops

blobs = numpy.where(vals>17, 1, 0)
labels, no_objects = ndimage.label(blobs)
props = regionprops(blobs)

如果你检查，这会给出一个超过阈值的 4 个不同对象的图像：

In[1]: blobs
Out[1]: 
array([[0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 0, 1, 1]])

事实上：

In[2]: no_objects
Out[2]: 4

我想计算每个对象的单元格（或面积）数。预期的结果是具有object ID: number of cells 格式的字典：

size={0:2,1:2,2:1,3:2}

我的尝试：

size={}
for label in props:
    size[label]=props[label].area

返回错误：

Traceback (most recent call last):

  File "<ipython-input-76-e7744547aa17>", line 3, in <module>
    size[label]=props[label].area

TypeError: list indices must be integers, not _RegionProperties

我知道我错误地使用了label，但其目的是迭代对象。 如何做到这一点？

Answer 1

一些测试和研究有时会有很长的路要走。

问题在于blobs，因为它没有携带不同的标签，而只有0,1 值，还有label，需要用循环range(0,no_objects) 的迭代器替换。

这个解决方案似乎有效：

import skimage.measure as measure
import numpy
from scipy import ndimage
from skimage.measure import regionprops

vals=numpy.array([[3,24,25,6,2],[8,7,6,3,2],[1,4,23,23,1],[45,4,6,7,8],[17,11,2,86,84]])

blobs = numpy.where(vals>17, 1, 0) 
labels, no_objects = ndimage.label(blobs)

#blobs is not in an amicable type to be processed right now, so:
labelled=ndimage.label(blobs)
resh_labelled=labelled[0].reshape((vals.shape[0],vals.shape[1])) #labelled is a tuple: only the first element matters

#here come the props
props=measure.regionprops(resh_labelled) 

#here come the sought-after areas
size={i:props[i].area for i in range (0, no_objects)}

结果：

In[1]: size
Out[1]: {0: 2, 1: 2, 2: 1, 3: 2}

如果有人想检查labels：

In[2]: labels
Out[2]: 
array([[0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0],
       [0, 0, 2, 2, 0],
       [3, 0, 0, 0, 0],
       [0, 0, 0, 4, 4]])

如果有人想绘制找到的 4 个对象：

import matplotlib.pyplot as plt
plt.set_cmap('OrRd')
plt.imshow(labels,origin='upper')

Answer 2

回答原来的问题：

• 您必须将 regionprops 应用于标记的图像：props = regionprops(labels)

• 然后您可以使用以下方法构建字典：

  size = {r.label: r.area for r in props}

  产生

  {1: 2, 2: 2, 3: 1, 4: 2}

Answer 3

regionprops 将生成比每个 blob 的区域更多的信息。因此，如果您只是想获取 blob 的像素数，作为替代方案并关注性能，我们可以在使用 ndimage.label 获得的 labels 上使用 np.bincount，就像这样 -

np.bincount(labels.ravel())[1:]

因此，对于给定的样本 -

In [53]: labeled_areas = np.bincount(labels.ravel())[1:]

In [54]: labeled_areas
Out[54]: array([2, 2, 1, 2])

要将这些结果放入字典中，还需要一个额外的步骤是 -

In [55]: dict(zip(range(no_objects), labeled_areas))
Out[55]: {0: 2, 1: 2, 2: 1, 3: 2}