Подсчет объектов в определенных c позициях на изображении - PullRequest
Новая
       10

Подсчет объектов в определенных c позициях на изображении

0 голосов
/ 03 августа 2020

Прежде чем погрузиться в часть моего вопроса, посвященную кодированию, я должен написать введение, чтобы дать вам представление о том, чего я пытаюсь достичь. Также имейте в виду, что у меня очень слабый опыт программирования, и что это мой первый проект Python.

Я работаю над проектом, связанным с микрофлюидикой (µflu) и визуализацией клеток человека. Общая идея проекта состоит в том, чтобы улавливать отдельные клетки в определенных c местах в микрофлюидных c устройствах, чтобы сделать возможным визуализацию отдельных клеток с помощью инновационных методов. Чтобы оценить эффективность моих устройств microfluidi c, у меня есть доступ к имидж-сканеру планшетов . Это позволяет мне делать снимки всего устройства µflu (зона примерно 3x2 см²) с клетками (отмеченными флуоресценцией) в нем. Полученные изображения .tif очень большие (около 20000x10000 пикселей) и весят около 500 МБ каждое. Вот пример изображения (снимок экрана с фактическим изображением):

enter image description here

Th µflu device aims at immobilizing single cells on a regularly spaced grid (which is not really visible on the images), which you can see on some parts of the previous image, or on this close-up view :

enter image description here

However, things are not perfect and as you saw on the first image, a lot of fluorescent signal is leaking in the µflu channels, clogging can happen, etc...

So, here is what I am trying to write code for :

  1. Cleaning the image : removing parasite fluorescent signal
  2. Counting all the cells on the cleaned image
  3. Counting only the cells that are on the designed grid
  4. Discriminating between single cells and cells agglomerates (which you can see one of in the second image)

Regarding the first objective, I managed to obtain this image from the first one (the image is NOT pitch black, the cells are juste really small compared to the whole image) :

enter image description here

Here is the code I wrote for this :

imgArray = imageio.imread(filename)   #Loading the image

#Converting the image from 16bit to 8bit array
imgConvertedArray = (imgArray >> 8).astype('uint8') #Actual conversion

#Thresholding the array and filling small holes
imgThresholdedArray = (imgConvertedArray == 255) * imgConvertedArray   #Actual thresholding (setting all values < 250 to 0)
imgThresholdedArray = morphology.remove_small_holes(imgThresholdedArray, 100, 1)
imgThresholdedArray = imgThresholdedArray.astype('uint8')

#Removing objects too small or too big for a cell from thresholded image
nb_components, output, stats, centroids = cv2.connectedComponentsWithStats(imgThresholdedArray, connectivity=4)   #Find all the connected components
sizes = stats[1:, -1]; nb_components = nb_components - 1
min_size = 10   #Minimum size of component to keep
max_size = 300   #Maximum size of component to keep
imgThresholdedArrayCleaned = numpy.zeros((output.shape))   #Creating an array with the same size as the array to filter
for i in range(0, nb_components):   #Keeping only the components with good size
    if sizes[i] >= min_size and sizes[i]

Now, the results I obtain is not perfect, as there is still some "parasite" signal, and I might have lost some actual cells in the process. Also, the code is slow (about 5 minutes to run on a single image), but this might simply be due to the size of the images.

Here are my questions :

  • how should I go about improving my image "cleaning" code ? Would a "contour finding" method provide better results ?
  • I have no idea how to approach counting the cells that are on the grid. Any idea ?

I will answer questions or provide more images if needed. Thank you.

EDIT 1 - Here is a highlight of the difference between the cells (in green) and the parasitic signal left after I already "cleaned" the image (in red) :

введите описание изображения здесь

...