Propriétés régionales des étiquettes

Propriétés régionales des étiquettes#

Dans ce notebook, nous caractérisons les étiquettes selon la moyenne et l’écart-type de leurs propriétés, telles que la taille. Si des objets de taille similaire sont voisins, l’écart-type de leur taille est faible. Si des étiquettes de tailles différentes sont voisines, l’écart-type de leur taille est plus élevé. Cela pourrait être utilisé pour identifier des régions dans les tissus où des cellules de différentes tailles se rencontrent.

from skimage.io import imread
import pyclesperanto_prototype as cle
import stackview

Les données que nous utilisons ici sont dérivées de maize_clsm.tif et ont été prises ici, une image partagée par David Legland sous la licence CC-BY 4.0

image = imread("../../data/maize_clsm.tif")

stackview.insight(image)

shape	(640, 639)
dtype	uint8
size	399.4 kB
min	0
max	255

Une image étiquetée correspondante ressemble à ceci :

labels = imread("../../data/maize_clsm_labels.tif")
labels = cle.exclude_small_labels(labels, maximum_size=200)
labels = cle.extend_labeling_via_voronoi(labels)
labels

cle._ image

shape	(640, 639)
dtype	uint32
size	1.6 MB
min	1.0
max	254.0

Mesure de la taille#

Tout d’abord, nous devons quantifier la taille des objets. Nous pouvons immédiatement visualiser ces mesures sous forme d’image paramétrique.

size_map_image = cle.pixel_count_map(labels)

size_map_image

cle._ image

shape	(640, 639)
dtype	float32
size	1.6 MB
min	201.0
max	14283.0