Regionale Eigenschaften von Labels

Regionale Eigenschaften von Labels#

In diesem Notebook charakterisieren wir Labels anhand des Mittelwerts und der Standardabweichung ihrer Eigenschaften, wie z.B. der Größe. Wenn benachbarte Objekte ähnlich groß sind, ist die Standardabweichung ihrer Größe gering. Wenn Labels unterschiedlicher Größe benachbart sind, ist die Standardabweichung ihrer Größe höher. Dies könnte genutzt werden, um Regionen in Geweben zu identifizieren, in denen Zellen unterschiedlicher Größe aufeinandertreffen.

from skimage.io import imread
import pyclesperanto_prototype as cle
import stackview

Die hier verwendeten Daten wurden von maize_clsm.tif abgeleitet, das von hier stammt, ein von David Legland unter der CC-BY 4.0 Lizenz geteiltes Bild

image = imread("../../data/maize_clsm.tif")

stackview.insight(image)

shape	(640, 639)
dtype	uint8
size	399.4 kB
min	0
max	255

Ein entsprechendes Label-Bild sieht so aus:

labels = imread("../../data/maize_clsm_labels.tif")
labels = cle.exclude_small_labels(labels, maximum_size=200)
labels = cle.extend_labeling_via_voronoi(labels)
labels

cle._ image

shape	(640, 639)
dtype	uint32
size	1.6 MB
min	1.0
max	254.0

Größenmessung#

Zuerst müssen wir die Größe der Objekte quantifizieren. Wir können diese Messungen sofort als parametrisches Bild visualisieren.

size_map_image = cle.pixel_count_map(labels)

size_map_image

cle._ image

shape	(640, 639)
dtype	float32
size	1.6 MB
min	201.0
max	14283.0