Suavizado de etiquetas

En este cuaderno demostraremos cómo afinar los contornos de las etiquetas suavizándolos. La operación está relacionada con la erosión y dilatación de etiquetas. Sin embargo, no es exactamente lo que hace la apertura. Se diferencia en que no deja huecos detrás, sino que los rellena con las etiquetas más cercanas.

import numpy as np
import pyclesperanto_prototype as cle
import matplotlib.pyplot as plt

Un caso de uso potencial es el ajuste fino de los resultados de segmentación celular. Por lo tanto, echamos un vistazo a una segmentación de células basada en membranas.

membranes = cle.imread("../../data/membranes.tif")
membranes

cle._ image shape (256, 256) dtype float32 size 256.0 kB min 277.0 max 44092.0

labels = cle.imread("../../data/membranes_labeled.tif").astype(np.uint32)
labels

cle._ image shape (256, 256) dtype uint32 size 256.0 kB min 1.0 max 28.0

La función smooth_labels permite enderezar los contornos de las etiquetas.

cle.smooth_labels(labels, radius=5)

cle._ image shape (256, 256) dtype uint32 size 256.0 kB min 1.0 max 27.0

El siguiente bloque de código es una versión modificada del código que se utilizó para generar el video en este tweet donde discutimos el nombre del filtro.

# for r in range(20):
for r in range(0, 20, 5):
    print("radius =", r)
    
    fig, ax = plt.subplots(1,3, figsize=(10,10))
    
    cle.imshow(labels, labels=True, plot=ax[0])
    cle.imshow(cle.opening_labels(labels, radius=r), labels=True, plot=ax[1])
    cle.imshow(cle.smooth_labels(labels, radius=r), labels=True, plot=ax[2])
    
    ax[0].set_title("Original")
    ax[1].set_title("Opening r=" + str(r))
    ax[2].set_title("????ing r=" + str(r))
    # plt.savefig("temp/" + str(r).zfill(2) + ".tif", dpi=300)
    plt.show()

radius = 0

radius = 5

radius = 10

radius = 15