Corte y recorte

Cuando se trabaja con datos de imágenes más grandes, a menudo tiene sentido recortar regiones y enfocarse en ellas para un análisis más detallado. Para recortar imágenes, usamos la misma sintaxis “:”, que utilizamos al indexar en listas y explorar datos de imágenes multidimensionales.

import numpy as np
from skimage.io import imread, imshow

Comenzamos cargando una imagen 3D e imprimiendo su tamaño.

image = imread("../../data/Haase_MRT_tfl3d1.tif")

image.shape

(192, 256, 256)

Corte

Para visualizar imágenes 3D usando imshow de scikit-image, necesitamos seleccionar un corte para visualizar. Por ejemplo, un corte en Z:

slice_image = image[100]

imshow(slice_image)

<matplotlib.image.AxesImage at 0x2b54f73d340>

También podemos seleccionar un plano donde todos los píxeles tengan la misma posición Y. Solo necesitamos especificar que nos gustaría mantener todos los píxeles en Z usando la sintaxis :.

slice_image = image[:, 100]

imshow(slice_image)

<matplotlib.image.AxesImage at 0x2b54f836af0>

Recorte

También podemos seleccionar una sub-pila usando indexación en los corchetes cuadrados.

sub_stack = image[50:150]

sub_stack.shape

(100, 256, 256)

También podemos seleccionar una sub-región en X. Si queremos mantener todos los píxeles a lo largo de Z e Y (las dos primeras dimensiones), simplemente especificamos : para mantener todo.

sub_region_x = image[:, :, 100:200]

imshow(sub_region_x[100])

<matplotlib.image.AxesImage at 0x2b54f8ae850>

Para seleccionar todos los píxeles en una dirección por encima de un valor dado, solo necesitamos especificar el inicio antes de :.

sub_region_y = image[:, 100:]

imshow(sub_region_y[100])

<matplotlib.image.AxesImage at 0x2b54f90ae20>

De manera similar, podemos seleccionar todos los píxeles hasta una posición dada.

sub_region_x2 = image[:, :, :50]

imshow(sub_region_x2[100])

<matplotlib.image.AxesImage at 0x2b550943d30>

Por último, pero no menos importante, así es como se especifica un cubo recortado.

cropped_cube = image[80:130, 120:170, :50]

cropped_cube.shape

(50, 50, 50)

imshow(cropped_cube[20])

<matplotlib.image.AxesImage at 0x2b5509a4a00>

Y así es como se ven las proyecciones de máxima intensidad de este cubo recortado.

maximum_intensity_projection_along_z = np.max(cropped_cube, axis=0) 
imshow(maximum_intensity_projection_along_z)

<matplotlib.image.AxesImage at 0x2b550a03f40>

maximum_intensity_projection_along_y = np.max(cropped_cube, axis=1) 
imshow(maximum_intensity_projection_along_y)

<matplotlib.image.AxesImage at 0x2b550a5e8e0>