R语言：将带有规则点的图像转换为数据帧

我有许多紫外图像（*.png），每个图像都有96个“孔”，看起来像圆圈。这些井以8×12的方式布置。请参见下面的示例

在每张图像中，96个圆圈中的一些被点亮（对紫外线产生反应），而其中一些没有点亮。我想给每个圆圈一个数字，然后将它们标识为“点亮”或“未点亮”（带有预定义的截止线）

你认为在R中实现这一点最简单的方法是什么？ 我一直在玩软件包

imager

，但没有多大成功

还有一点需要注意的是：并不是我所有的图像都有相同的放大率（也就是说，在不同的文件中，圆圈的大小并不总是相同的，但在一个文件中，它们的大小大致相同）

源代码（“https://bioconductor.org/biocLite.R")
生物晶石（“EBImage”）
图书馆（电子图像）
fn=您的文件
img这可能有点晚了，但这个问题解决了我经常面临的一个问题。也许其他人会对一个更普遍的解决办法感兴趣。下面是一个建议的解决方案，它使用了
EBImage
包的一些其他功能，并与用户交互。它可以应用于任何几何形状的多井盘

# EBImage needs to be available
  if (!require(EBImage)) {
    source("https://bioconductor.org/biocLite.R")
    biocLite("EBImage")
    library(EBImage)
  }

# Read the image and examine it
  fn <- file.choose() # select saved image
  img <- readImage(fn)
  img <- channel(img, "gray") # gray scale for simplicity
  plot(img)

# Define the geometry of the plate
  nx <- 12 # number of columns
  ny <- 8 # number of rows
  nwells <- seq_len(nx*ny) # index of each well in plate

# Use locator() to interactively define the upper left "corner"
# of the top left and bottom right well with a red mark to confirm
  p <- locator(2, type = "p", col = 2)


#使用computeFeatures函数族测量平均强度
M b.平均b.sd b.mad b.q001 b.q005 b.q05 b.q095 b.q099
> 1 0.2800 0.2114 0.18605 0.04706 0.05882 0.2118 0.7451 0.8959
> 2 0.1778 0.0981 0.09303 0.05490 0.06275 0.1569 0.3882 0.4745
> 3 0.1817 0.1028 0.10465 0.05098 0.05882 0.1569 0.4039 0.4824
> 4 0.1854 0.1029 0.10465 0.05490 0.06275 0.1608 0.3961 0.4880
> 5 0.3300 0.2425 0.23256 0.05490 0.06667 0.2510 0.7882 0.9451
> 6 0.1967 0.1076 0.11047 0.05490 0.06275 0.1765 0.4157 0.5216
#提取平均强度并使用简单的条形图进行检查
val 1 A 1 0.2800真
>2 A 20.1778错误
>3 A 30.1817错误
>4 A 4 0.1854错误
>5 A 5 0.3300真
>6 A 6 0.1967错误
#并进行视觉确认…或检查背景值
绘图（img）
文本（xx[df$正]、yy[df$正]、“+”、col=2、cex=2）

您能举几个其他尺寸的例子吗？油井是否始终采用8x12布置？图像有时可以旋转吗？谢谢你，马克。是的，（i）井始终处于8x12排列，（ii）图像始终处于相同的方向，（iii）通过“其他尺寸”，我的意思是，有时拍摄照片时的变焦距离会更远，而圆圈的比例保持不变。这有意义吗？我认为我最初的方法是修剪边缘周围多余的黑色，然后将剩下的部分调整为标准尺寸。然后我会有一个同样大小的面具，上面有所有96口井。然后把面具贴在标准化的图像上，数一数。谢谢你！你的代码很神奇！！！！我该如何感谢你，当我使用这个时，什么是最好的方式来信任你？后续问题：我是EBImage的新手，所以请原谅一个可能很简单的问题。我在第二张图像上运行了你的脚本，检测功能关闭了。我还在努力理解你的剧本。我要改变哪个部分来调整这个？任何指针都会有帮助。我已经非常感谢你了！！！第二幅图：嘿，斯巴鲁，你可以在每一步之后运行
display（img）
，看看结果是否合理。我添加了一些评论，以便您能够了解我的想法。我还编辑了代码以删除图像的外部5px，因为您的第二张图像的右侧有一条白线，这会混淆
bwlabel（）
。关于评分：我认为堆栈溢出内容由sa抄送。如果你要发表一篇论文，你可以在致谢信中给我起个名字：）嗨，斯巴鲁。我在5月5日添加的答案与您链接中的备选图像一致。它期望板的图像与图像边界平行。如果不是，您可以调整代码以适应，或者更好地旋转图像使其平行。
# EBImage needs to be available
  if (!require(EBImage)) {
    source("https://bioconductor.org/biocLite.R")
    biocLite("EBImage")
    library(EBImage)
  }

# Read the image and examine it
  fn <- file.choose() # select saved image
  img <- readImage(fn)
  img <- channel(img, "gray") # gray scale for simplicity
  plot(img)

# Define the geometry of the plate
  nx <- 12 # number of columns
  ny <- 8 # number of rows
  nwells <- seq_len(nx*ny) # index of each well in plate

# Use locator() to interactively define the upper left "corner"
# of the top left and bottom right well with a red mark to confirm
  p <- locator(2, type = "p", col = 2)

# Calculate distance between wells and create coordinates in xx, yy
  dx <- abs(diff(p$x))/(nx - 1)
  dy <- abs(diff(p$y))/(ny - 1)
  ix <- (nwells - 1) %% nx  # index for rows
  iy <- (nwells - 1) %/% nx # index for columns
  xx <- ix*dx + p$x[1] # the first point must be the upper left well
  yy <- iy*dy + p$y[1]

# Confirm the calculated coordinates with red dots
  points(xx, yy, pch = 16, col = 2)

# First a pure black image
  mask <- Image(0, dim = dim(img)) # black image same size as image

# Add white rectangles allowing 5% space between rectangles
  for (x in xx)
    for (y in yy) 
      mask[x:(x + 0.95*dx), y:(y + 0.95*dy)] <- 1

# Convert image to an 'object mask' 
  mask <- bwlabel(mask)

# One could draw circular masks with drawCircle() but this is very,
# very inefficient and doesn't improve the quality of the data
#
# mask <- Image(0, dim = dim(img)) # black image same size as image
# for (x in xx)
#   for (y in yy) 
#     mask <- drawCircle(mask, x + 0.5*dx, y + 0.5*dy,
#       radius = 0.95*dx/2, col = 1, fill = TRUE)

# Show mask on top of original image
  plot(paintObjects(mask, img, col = "white"))

# Use the computeFeatures family of functions to measure the mean intensity
  M <- computeFeatures.basic(mask, img) # a matrix of values is returned
  options(digits = 4)
  head(M)
>   b.mean   b.sd   b.mad  b.q001  b.q005  b.q05 b.q095 b.q099
> 1 0.2800 0.2114 0.18605 0.04706 0.05882 0.2118 0.7451 0.8959
> 2 0.1778 0.0981 0.09303 0.05490 0.06275 0.1569 0.3882 0.4745
> 3 0.1817 0.1028 0.10465 0.05098 0.05882 0.1569 0.4039 0.4824
> 4 0.1854 0.1029 0.10465 0.05490 0.06275 0.1608 0.3961 0.4880
> 5 0.3300 0.2425 0.23256 0.05490 0.06667 0.2510 0.7882 0.9451
> 6 0.1967 0.1076 0.11047 0.05490 0.06275 0.1765 0.4157 0.5216

# Extract the mean intensity and examine with a simple barplot
  val <- M[,"b.mean"]
  barplot(val)

# Combination of median and mad provides a fair estimate of the cutoff
  bgnd <- median(val) + mad(val)
  abline(h = bgnd, col = 2)

# Collect values in labeled data.frame and score the values
  df <- data.frame(row = factor(LETTERS[iy+1]), column = factor(ix+1),
    val = val, positive = val > bgnd)
  head(df)
>   row column    val positive
> 1   A      1 0.2800     TRUE
> 2   A      2 0.1778    FALSE
> 3   A      3 0.1817    FALSE
> 4   A      4 0.1854    FALSE
> 5   A      5 0.3300     TRUE
> 6   A      6 0.1967    FALSE

# And for visual confirmation...or to check the background value
  plot(img)
  text(xx[df$positive], yy[df$positive], "+", col = 2, cex = 2)