Inspection des données d’images 3D avec pyclesperanto

Ce notebook démontre comment naviguer à travers des images 3D.

import pyclesperanto_prototype as cle

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from skimage.io import imread

# Laod example data
input_image = imread('../../data/Haase_MRT_tfl3d1.tif')

Copier une tranche

Pour visualiser des tranches spécifiques sans que l’image ne quitte la mémoire GPU, utilisez la méthode copy_slice.

# Copy Slice
image_slice = cle.create([256, 256]);
slice_z_position = 40.0;
cle.copy_slice(input_image, image_slice, slice_z_position)

# show result
cle.imshow(image_slice)

# Alternativement, ne pas transmettre l'image de sortie et la récupérer
another_slice = cle.create_2d_xy(input_image)
cle.copy_slice(input_image, another_slice, slice_index = 80)

# show result
cle.imshow(another_slice)

Projection

pyclesperanto offre des projections min/moyenne/max et somme en x, y et z.

# Maximum Z Projection
projection = cle.maximum_z_projection(input_image)

# show result
cle.imshow(projection)

Si vous passez une pile d’images à cle.imshow, il fera la projection d’intensité maximale le long de Z pour vous :

cle.imshow(input_image)

# Sum Z Projection
projection = cle.sum_z_projection(input_image)

# show result
cle.imshow(projection)

# Mean Y Projection
projection = cle.mean_y_projection(input_image)

# show result
cle.imshow(projection)

Transposer XZ

Pour transposer les axes des images dans le GPU, utilisez les méthodes de transposition

# Transpose X against Z
transposed_image = cle.create([256, 256, 129]);
cle.transpose_xz(input_image, transposed_image)

# show result
cle.imshow(transposed_image[126])
cle.imshow(transposed_image[98])

Utilisez des sous-graphiques pour les mettre côte à côte

fig, axs = plt.subplots(1, 4, figsize=(15, 7))
cle.imshow(transposed_image[75], plot=axs[0])
cle.imshow(transposed_image[100], plot=axs[1])
cle.imshow(transposed_image[125], plot=axs[2])
cle.imshow(transposed_image[150], plot=axs[3])