Python Scikit-凝胶电泳数据的图像处理

Question

我以前从未使用过计算机视觉，我认为我可以使用 python 来分析凝胶电泳。 Here如果您不熟悉该过程，该视频将解释正在发生的情况。

所以我从维基百科上拍了一张凝胶的照片，然后使用灰度滤镜，然后使用双边滤镜来去除污迹和伪影，然后使用大津滤镜来分离出突出的 strip 。

import numpy as np
import matplotlib.pyplot as plt

from skimage import data, io
from skimage.filter import threshold_otsu, denoise_bilateral
from skimage.morphology import closing, square
from skimage.measure import regionprops
from skimage.color import label2rgb, rgb2gray


image = io.imread('http://upload.wikimedia.org/wikipedia/commons/6/60/Gel_electrophoresis_2.jpg')


#grayscaling
gray_image = rgb2gray(image)

# bilateral filtering
bilat=denoise_bilateral(gray_image, sigma_range=0.05, sigma_spatial=20)

# apply threshold Otsu
thresh = threshold_otsu(bilat)
bw = closing(bilat > thresh, square(1))

#print process
def show_images(images,titles=None):
    """Display a list of images"""
    n_ims = len(images)
    if titles is None: titles = ['(%d)' % i for i in range(1,n_ims + 1)]
    fig = plt.figure()
    n = 1
    for image,title in zip(images,titles):
        a = fig.add_subplot(1,n_ims,n) 
        if image.ndim == 2: 
            plt.gray() 
        plt.imshow(image)
        a.set_title(title)
        n += 1
    fig.set_size_inches(np.array(fig.get_size_inches()) * n_ims)
    plt.show()

#print data
show_images(images=[image, bilat, bw], titles=['Normal', 'Bilateral filter', 'Otsu Threshold'])

这是目前的结果

我遇到了 4 个问题:

1. 使用大津阈值会导致浅色波段的一些数据丢失，是否有更好的方法获取波段数据？

2. 有没有办法将每行的结果返回到 numpy/pandas 数组，其中波段显示在矩阵上？ (即 0 表示无 strip ，1 表示轻带，2 表示中带，3 表示重带)这将允许检测与 DNA Ladder(引用行)匹配的 strip 。

3. 可以用什么方法计算孔到 strip 的距离。

4. 如果照片不是直接拍摄的，我需要一个叫做 Image registration 的东西吗？ ？如果是这样，我在 scikit-image 中哪里可以找到它？

我最后一件事是使用 python 3 和 scikit-image 的最后一个稳定版本(如果有的话)。

Answer 1

也许可以与 https://github.com/hugadams/pyparty 的作者取得联系，它构建在 scikit-image 之上。

1. 您可能需要首先均衡图像(请参阅“曝光”子模块)
2. 您首先必须进行某种峰值检测(请参阅“特征”子模块)
3. 我不太清楚你在这里问什么
4. 图像扭曲(请参阅“变换”子模块)