python - 显微镜图像分割 : bacteria segmentation with python

Question

我正在尝试分割一些显示一些 E 的显微明场图像。大肠杆菌。我正在处理的图片类似于这张图片(即使这张图片是通过相差获得的):

我的问题是，在运行我的分割函数(下面的 OtsuMask)后，我无法区分 split 的细菌(您可以在示例图像上尝试下面的代码)。这意味着我得到的是一对末端连接在一起的细菌的单个标记区域，而不是两个不同的标记图像。两个 split 细菌之间的边界太窄，无法通过我对阈值图像执行的形态学操作突出显示，但我想一定有办法实现我的目标。

有什么想法/建议吗？

import scipy as sp
import numpy as np
from scipy import optimize
import mahotas as mht
from scipy import ndimage
import pylab as plt


def OtsuMask(img,dilation_size=2,erosion_size=1,remove_size=500):

    img_thres=np.asarray(img)
    s=np.shape(img)    
    p0=np.array([0,0,0])

    p0[0]=(img[0,0]-img[0,-1])/512.    
    p0[1]=(img[1,0]-img[1,-1])/512.
    p0[2]=img.mean()

    [x,y]=np.meshgrid(np.arange(s[1]),np.arange(s[0]))

    p=fitplane(img,p0)    
    img=img-myplane(p,x,y)    


    m=img.min()
    img=img-m
    img=abs(img)
    img=img.astype(uint16)

    """perform thresholding with Otsu"""
    T = mht.thresholding.otsu(img,2)
    print T
    img_thres=img
    img_thres[img<T*0.9]=0
    img_thres[img>T*0.9]=1


    img_thres=-img_thres+1  

    """morphological operations"""
    diskD=createDisk(dilation_size)
    diskE=createDisk(erosion_size)

    img_thres=ndimage.morphology.binary_dilation(img_thres,diskD)   

    labeled_im,N=mht.label(img_thres)
    label_sizes=mht.labeled.labeled_size(labeled_im)
    labeled_im=mht.labeled.remove_regions(labeled_im,np.where(label_sizes<remove_size))    


    figure();
    imshow(labeled_im)

    return labeled_im

def myplane(p,x,y):

    return p[0]*x+p[1]*y+p[2] 

def res(p,data,x,y):

    a=(data-myplane(p,x,y));

    return array(np.sum(np.abs(a**2)))

def fitplane(data,p0):

    s=shape(data);

    [x,y]=meshgrid(arange(s[1]),arange(s[0]));
    print shape(x), shape(y)

    p=optimize.fmin(res,p0,args=(data,x,y));
    print p
    return p


def createDisk( size ):
    x, y = np.meshgrid( np.arange( -size, size ), np.arange( -size, size ) )
    diskMask = ( ( x + .5 )**2 + ( y + .5 )**2 < size**2)
    return diskMask

OtsuMask 中代码的第一部分由平面拟合和减法组成。

Answer 1

与 this related stackoverflow answer 中描述的方法类似的方法可以在这里使用。

基本上是这样的:

• 像你所做的那样调整你的形象

• 对阈值图像应用距离变换

• 对距离变换设置阈值，以便每个细菌只保留一小部分“种子”

• 给这些种子贴上标签，给每个种子一个不同的灰色阴影
  (还为背景添加一个标记的种子)

• 使用这些种子和距离变换图像执行分水岭算法，以获得细菌的分离轮廓

查看一些图片的链接答案，这些图片将使这一点更加清晰。