Skip to main content
Ctrl
+
K
Site Navigation
预告片:使用Python进行生物图像分析
设置你的计算机
Python 基础
编写可持续的代码
图像分析基础
More
图像文件格式
远程文件
机器学习基础
3D图像可视化
图像滤波
图像反卷积
空间变换
图像分割
机器学习用于图像分割
基于深度学习的图像分割
分割后处理
斑点检测
表面处理
特征提取
组织中的邻域分析
细胞分类
共定位
算法验证
模拟数据
高级 Python 编程
GPU加速图像处理
图形用户界面
图像分块处理
术语表
版本说明
Site Navigation
预告片:使用Python进行生物图像分析
设置你的计算机
Python 基础
编写可持续的代码
图像分析基础
More
图像文件格式
远程文件
机器学习基础
3D图像可视化
图像滤波
图像反卷积
空间变换
图像分割
机器学习用于图像分割
基于深度学习的图像分割
分割后处理
斑点检测
表面处理
特征提取
组织中的邻域分析
细胞分类
共定位
算法验证
模拟数据
高级 Python 编程
GPU加速图像处理
图形用户界面
图像分块处理
术语表
版本说明
Ctrl
+
K
生物图像分析笔记本
Basics
预告片:使用Python进行生物图像分析
设置你的计算机
Python 基础
Jupyter笔记本中的Python代码
Python中的基础数学运算
使用Jupyter笔记本时的陷阱
列表和元组
裁剪列表
排序列表
字典
函数
导入函数和包
编写可持续的代码
编写优质代码
避免魔法数字
分而治之
不要重复自己
保持简短和简单
图像分析基础
图像是数字数组
亮度和对比度
图像计算
裁剪图像
索引numpy数组
多通道图像数据
图像文件格式
打开图像数据
使用AICSImageIO读取文件
打开CZI文件
打开LIF文件
加载多通道/多位置的tif文件夹
平铺图像文件格式:zarr
图像文件格式的优缺点
远程文件
访问nextcloud中的图像文件
探索图像数据资源
访问Zenodo上的元数据
从DOI.org读取元数据
机器学习基础
监督式机器学习
无监督机器学习
缩放
3D图像可视化
多维图像堆栈
使用pyclesperanto检查3D图像数据
使用napari进行交互式图像可视化
图像滤波
图像处理滤波器
滤波概览
卷积
降噪滤波器
背景去除滤波器
高斯除法
边缘检测
使用SimpleITK处理图像
图像反卷积
图像反卷积简介
通过平均法从珠子图像中确定点扩散函数
OpenCL兼容GPU上的Richardson-Lucy反卷积
空间变换
缩放
使用scikit-image进行仿射变换
使用Scipy进行仿射变换
使用cupy进行仿射变换
使用clesperanto进行仿射变换
缩放坐标列表
图像拼接
Image Segmentation
图像分割
术语
图像二值化
分离接触的对象
高斯-大津-标记
接触物体标记
Voronoi-Otsu标记
二值图像上的Voronoi-Otsu标记
侵蚀Otsu标记
基于膜的细胞分割的种子分水岭方法
防止标签泄漏
3D图像分割
机器学习用于图像分割
使用Scikit-learn进行像素分类
在OpenCL兼容的GPU上进行对象分割
在支持OpenCL的GPU上进行像素分类
在Napari中进行交互式像素分类和对象分割
多通道图像中的像素分类
概率图
从图像文件夹训练像素分类器
生成特征堆栈
选择特征
基于深度学习的图像分割
分割后处理
使用形态学操作对二值图像进行后处理
标签图像优化
平滑标签
分离接触对象
用于修正语义分割结果的众数滤波器
合并标签
合并注释标签
根据质心距离合并标签
根据边缘到边缘距离合并标签
使用机器学习合并对象
移除图像边缘的标签
根据大小选择标签
使用机器学习选择标签
识别接触背景的标签
修改组织边界
顺序对象(重新)标记
标签边缘
内部和外部细胞边界
基于膜的细胞分割后处理
斑点检测
局部极大值检测
斑点检测
表面处理
创建表面
可视化表面
保存和加载表面
平滑和简化表面
表面上的连通组件标记
转换点和表面
从表面数据到图像数据
表面测量
使用vedo在napari中进行表面质量测量
Quantitative analysis
特征提取
定量图像分析
计数图像中的亮对象
使用pyclesperanto进行基础统计
使用Scikit-image进行统计分析
使用Nyxus进行统计
比较不同库的测量结果
测量标签边界的强度
图像中[多条]线的描述性统计
基于邻域图的形状描述符
测量对象之间的距离
测量到中心线的距离
组织中的邻域分析
计数接触邻居
标签的区域属性
绘制邻居间的距离网格
测量到另一个标签图像中细胞的距离
计算其他标签图像中的近邻标签数
三维邻居网格
标记邻居过滤器
细胞分类
在OpenCL兼容GPU上进行对象分类
Napari中的交互式对象分类
随机森林决策统计
使用APOC和基于SimpleITK的特征进行对象分类
共定位
根据信号强度区分细胞核
算法验证
图像分割质量测量
场景:比较同一阈值算法的不同实现
可视化标记比较
Jaccard指数与准确率的比较
模拟数据
图像形成和图像恢复的模拟
Advanced techniques
高级 Python 编程
自定义库
函数式参数
偏函数
并行化
使用numba进行并行化
GPU加速图像处理
clEsperanto
为什么GPU加速是有意义的
追踪内存消耗
进一步阅读
图形用户界面
使用napari进行交互式图像可视化
使用napari和magicgui进行交互式参数调整
在napari中可视化区域属性
Napari中的粉虱胚胎形态测量随时间变化
使用napari进行交互式裁剪
图像分块处理
分块图像处理,快速概览
瓦片中的连通分量标记
在图块中映射对象面积
计算瓦片中的细胞核数量
Appendix
术语表
版本说明
repository
open issue
.md
.pdf
共定位
共定位
#