Python 基于面积的图像状态检测与验证

我目前正在从事一个项目，我必须区分正常细胞和病变细胞。我所看到的特殊异常表明，细胞核应该有一个特定的区域，大部分是圆形的。我目前正在使用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面积，因为原子核并不总是一个完美的圆。有什么建议吗

---

如果您知道图像的比例，那么只需计算单元格区域内的像素数即可。然后，这个数字除以图像中的像素总数，就得到了单元占用的图像区域的分数。如果你知道你的图像分辨率，那么你应该知道矩形图像域的面积。将二者相乘得到细胞面积

---

一些不准确的来源将是（a）如果分割不良（b）如果细胞曾经被拉长（等周商不良），那么包括/排除细胞边界像素的舍入很重要，或者（c）如果细胞曾经在阴影中/没有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，您可以丢弃这些数据。

如果您已经将数据标记为以下内容，则通过计算获得该区域的每个颜色像素：

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

然后可以使用numpy.bincount（）对每个标签进行计数：

print numpy.bincount(data.ravel())

输出为：

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

---

这意味着有两个0，六个1，四个2，六个3，和两个4。

既然你已经有了一个很好的分割（你就快到了！）-我只会对每种颜色使用一个阈值（0/1）-所以你只需要一个粒子就可以得到一张黑色图片，然后将这些值相加，就可以得到面积（以像素为单位）。如果需要“真实”区域，则需要摄像机校准/参考对象。您可能需要研究形状因子/紧凑度度量。如果有多个相同颜色的粒子，则此操作无效。然后，看看播种。你也可以看看尼斯教程“拍摄这张图片并计算细胞核数量”，还有“免费开源软件，旨在让生物学家……从数千张图片中自动定量测量表型”。我自己都没用过。