Conteo de objetos brillantes en imágenes

Un caso de uso común para el procesamiento de imágenes en el contexto biológico es contar manchas de alta intensidad de señal rodeadas por un fondo de baja intensidad. La umbralización es el método de elección en este escenario. Lo demostramos con el método de umbralización de Otsu (Otsu et al., IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9 (1), 1979)

import pyclesperanto_prototype as cle

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

# initialize GPU
cle.select_device("GTX")

<Apple M1 Max on Platform: Apple (2 refs)>

# load data
image = imread('../../data/blobs.tif')
print("Loaded image size: " + str(image.shape))

cle.imshow(image)

Loaded image size: (254, 256)

Acabamos de configurar un flujo de trabajo simple de procesamiento de imágenes que conduce a una imagen etiquetada.

# process the image
blurred = cle.gaussian_blur(image, sigma_x=1, sigma_y=1)
binary = cle.threshold_otsu(blurred)
labeled = cle.connected_components_labeling_box(binary)

# show result
cle.imshow(labeled, labels=True)

La intensidad máxima en una imagen etiquetada corresponde al número de objetos.

num_labels = cle.maximum_of_all_pixels(labeled)
print("Number of objects in the image: " + str(num_labels))

Number of objects in the image: 62.0

Ejercicio

Elimina las etiquetas que tocan el borde de la imagen y cuenta los objetos nuevamente.