Étiquetage des composants connectés sur les surfaces

Ce notebook démontre comment différencier les objets selon leur connectivité.

import napari_process_points_and_surfaces as nppas
import pyclesperanto_prototype as cle
import napari_simpleitk_image_processing as nsitk
from skimage.data import cells3d
import stackview

Nous utilisons une image 3D de noyaux…

image = cells3d()[:,1]
stackview.insight(image)

shape (60, 256, 256) dtype uint16 size 7.5 MB min 0 max 65535

… et segmentons les noyaux, ce qui donne une image binaire 3D.

labels = cle.voronoi_otsu_labeling(image, spot_sigma=9)
binary = cle.erode_labels(labels) > 0

stackview.insight(binary)

shape (60, 256, 256) dtype uint8 size 3.8 MB min 0 max 1

Nous convertissons cette image binaire en un ensemble de données de surface.

surface = nppas.all_labels_to_surface(binary)
surface

nppas.SurfaceTuple origin (z/y/x) [0. 0. 0.] center of mass(z/y/x) 34.703,124.973,131.513 scale(z/y/x) 1.000,1.000,1.000 bounds (z/y/x) 16.500...59.000 0.000...255.000 0.000...255.000 average size 97.003 number of vertices 151354 number of faces 301006

En appliquant l’étiquetage des composants connectés à la surface, nous pouvons identifier les sommets/faces qui sont connectés et différencier ceux qui ne le sont pas. Le résultat est également un ensemble de données de surface où les valeurs des sommets correspondent à la nème étiquette à laquelle ces objets appartiennent. Ainsi, vous pouvez conclure du nombre maximum de cette surface qu’il y a 38 noyaux dans cette image.

surface_connected_components = nppas.connected_component_labeling(surface)
surface_connected_components.cmap = 'hsv'
surface_connected_components

nppas.SurfaceTuple origin (z/y/x) [0. 0. 0.] center of mass(z/y/x) 34.703,124.973,131.513 scale(z/y/x) 1.000,1.000,1.000 bounds (z/y/x) 16.500...59.000 0.000...255.000 0.000...255.000 average size 97.003 number of vertices 151354 number of faces 301006 min 0 max 38