Visualisation d’images interactive avec napari

napari est un visualiseur d’images basé sur Python. Ce notebook démontre comment le contrôler à distance depuis Python.

Voir aussi

• Tutoriel sur le visualiseur napari

• Tutoriel sur la couche d’image napari

• Tutoriel sur la couche d’étiquettes napari

• Webinaire sur la visualisation d’images multidimensionnelles en Python avec napari [NEUBIAS Academy@Home]

Pour ouvrir une image, nous utilisons toujours scikit-image :

import napari
from skimage.io import imread
import napari_segment_blobs_and_things_with_membranes as nsbatm
import napari_skimage_regionprops as nsr

# Créer un visualiseur vide
viewer = napari.Viewer()

Tout d’abord, nous chargeons une image et l’affichons dans le visualiseur.

image = imread('../../data/nuclei.tif')

viewer.add_image(image)

<Image layer 'image' at 0x1e423868df0>

Avec cette commande, nous pouvons faire une capture d’écran de napari et la sauvegarder dans notre notebook.

napari.utils.nbscreenshot(viewer)

Segmentation cellulaire

Nous pouvons également segmenter les noyaux et les afficher par-dessus l’image.

label_image = nsbatm.voronoi_otsu_labeling(image, spot_sigma=9)

# ajouter les étiquettes au visualiseur
label_layer = viewer.add_labels(label_image)

Vous pouvez visualiser les objets étiquetés en superposition (par défaut)

napari.utils.nbscreenshot(viewer)

… ou sous forme de contours opaques

label_layer.contour = 2
label_layer.opacity = 1

napari.utils.nbscreenshot(viewer)

Mesures quantitatives

Nous pouvons également dériver des mesures quantitatives et les attacher au visualiseur napari.

nsr.regionprops_table(image, label_image, napari_viewer=viewer)

napari.utils.nbscreenshot(viewer)

Napari status bar display of label properties disabled because https://github.com/napari/napari/issues/5417 and https://github.com/napari/napari/issues/4342