Compter les étiquettes proximales dans une autre image d’étiquettes

import numpy as np
import pyclesperanto_prototype as cle

cle.get_device()

<gfx90c on Platform: AMD Accelerated Parallel Processing (2 refs)>

Notre point de départ est une image d’étiquettes et une autre image d’étiquettes, où certaines des étiquettes de la première image sont sélectionnées.

label_image = cle.artificial_tissue_2d()
cle.imshow(label_image, labels=True)

random_vector = np.random.random((1, int(label_image.max() + 1)))
sparse_labels = cle.exclude_labels_with_values_out_of_range(random_vector, label_image, minimum_value_range=0, maximum_value_range=0.3)
cle.imshow(sparse_labels, labels=True)

Nous allons maintenant compter pour chaque étiquette dans label_image, combien d’étiquettes sont proximales dans l’image sparse_labels. Pour mesurer la distance, nous utilisons la distance entre les centroïdes.

count_map = cle.proximal_other_labels_count_map(label_image, sparse_labels, maximum_distance=25)
cle.imshow(count_map)