Lissage des étiquettes

Dans ce notebook, nous allons démontrer comment affiner les contours des étiquettes en les lissant. L’opération est liée à l’érosion et à la dilatation des étiquettes. Cependant, ce n’est pas exactement ce que fait l’ouverture. Elle diffère en ne laissant pas de trous derrière mais en les remplissant avec les étiquettes les plus proches.

import numpy as np
import pyclesperanto_prototype as cle
import matplotlib.pyplot as plt

Un cas d’utilisation potentiel est l’affinage des résultats de segmentation cellulaire. Ainsi, nous examinons une segmentation de cellules basée sur les membranes.

membranes = cle.imread("../../data/membranes.tif")
membranes

cle._ image shape (256, 256) dtype float32 size 256.0 kB min 277.0 max 44092.0

labels = cle.imread("../../data/membranes_labeled.tif").astype(np.uint32)
labels

cle._ image shape (256, 256) dtype uint32 size 256.0 kB min 1.0 max 28.0

La fonction smooth_labels permet de redresser les contours des étiquettes.

cle.smooth_labels(labels, radius=5)

cle._ image shape (256, 256) dtype uint32 size 256.0 kB min 1.0 max 27.0

Le bloc de code suivant est une version modifiée du code qui a été utilisé pour générer la vidéo dans ce tweet où nous avons discuté du nom du filtre.

# for r in range(20):
for r in range(0, 20, 5):
    print("radius =", r)
    
    fig, ax = plt.subplots(1,3, figsize=(10,10))
    
    cle.imshow(labels, labels=True, plot=ax[0])
    cle.imshow(cle.opening_labels(labels, radius=r), labels=True, plot=ax[1])
    cle.imshow(cle.smooth_labels(labels, radius=r), labels=True, plot=ax[2])
    
    ax[0].set_title("Original")
    ax[1].set_title("Opening r=" + str(r))
    ax[2].set_title("????ing r=" + str(r))
    # plt.savefig("temp/" + str(r).zfill(2) + ".tif", dpi=300)
    plt.show()

radius = 0

radius = 5

radius = 10

radius = 15