python - 来自 df，Python 中像素的复杂形状的平均直径

Question

我有一个包含多个粒子的 DataFrame，它们的组号 (1,2,3,4) 如下所示:

Groups: 
 [[0 0 0 1 1 1 0 0]
 [0 2 0 1 1 1 0 0]
 [0 0 0 1 1 1 0 0]
 [0 0 0 0 1 0 0 0]
 [0 3 3 0 0 4 0 0]
 [0 3 0 0 0 4 0 0]
 [0 0 0 0 0 4 0 0]
 [0 0 0 0 0 4 0 0]]
Number of particles: 4

然后我计算了粒子的面积并创建了一个 DataFrame(假设 1 像素 = 1 纳米):

   Particle #  Size [pixel #]  A [nm2]  
1           1              10       10     
2           2               1        1     
3           3               3        3     
4           4               4        4     

现在我想计算粒子的直径。然而，颗粒的形状很复杂，因此我正在寻找一种方法来计算平均直径(考虑到形状不是完美的圆形)并在 A [nm2] 旁边添加另一列，其中包含平均直径。

这可能吗？

这是我的完整代码:

import numpy as np
from skimage import measure
import pandas as pd

final = [
    [0, 0, 0, 255, 255, 255, 0, 0],
    [0, 255, 0, 255, 255, 255, 0, 0],
    [0, 0, 0, 255, 255, 255, 0, 0, ],
    [0, 0, 0, 0, 255, 0, 0, 0],
    [0, 255, 255, 0, 0, 255, 0, 0],
    [0, 255, 0, 0, 0, 255, 0, 0],
    [0, 0, 0, 0, 0, 255, 0, 0],
    [0, 0, 0, 0, 0, 255, 0, 0]
]

final = np.asarray(final)

groups, group_count = measure.label(final > 0, return_num = True, connectivity = 1)
 
print('Groups: \n', groups)
print(f'Number of particles: {group_count}')

df = (pd.DataFrame(dict(zip(['Particle #', 'Size [pixel #]'],
                            np.unique(groups, return_counts=True))))
        .loc[lambda d: d['Particle #'].ne(0)]
     )

pixel_nm_size = 1*1

df['A [nm2]'] = df['Size [pixel #]'] * pixel_nm_size

感谢任何帮助!

Answer 1

我想你在找regionprops .

具体来说，要么是equivalent_diameter，要么就是perimeter。

props = measure.regionprops_table(groups, properties = ['label', 'equivalent_diameter', 'perimeter'])
df = pd.DataFrame(props)

编辑

来自文档:

equivalent_diameter_area: float
The diameter of a circle with the same area as the region.

因此，该函数获取您标记的区域，测量该区域并用该区域构建一个圆(每个区域只有一个这样的圆)。然后它测量圆的直径。

您还可以查看 major_axis_length 和 minor_axis_length。这些是通过在对象周围拟合一个椭圆并测量定义它的长轴和短轴来计算的。