🎯要点
- 交互式设备控制和图像处理
- 图像背景和阴影校正
- 可视化萤光团位置算法和读取光学图像
- 读写转换显微镜图像
- 生物医学细胞图像分析
- 荧光图像算法计算亮度数据和模拟
- 表征新型染料和缓冲液强度估计
- 细菌图像分析
- 扫描透射和高分辨率透射图像模拟
- 多模态成像分割可视化
- 透射电子显微图像成像动态
Python荧光图像
荧光成像是一种非侵入性成像技术，可帮助观察生物体内发生的生物过程。图像可通过多种方法生成，包括：显微镜、成像探针和光谱学。荧光本身是一种发光形式，是物质吸收电磁辐射后发射一定波长的光而产生的。吸收光后重新发射光的分子称为荧光团。荧光成像通过拍摄荧光染料和荧光蛋白来标记分子机制和结构。它使人们能够通过实验观察活细胞中基因表达、蛋白质表达和分子相互作用的动态。它本质上是一种精确的定量工具，可用于生化应用。
当某种分子吸收光时，分子的能量会短暂地升高到更高的激发态。随后返回基态，导致发射可检测和测量的荧光。发射光是由吸收能量为 h v h v hv 的光子产生的，具有特定的波长。事先知道这个波长很重要，这样在进行实验时，测量设备就知道要将波长设置为什么来检测光的产生。该波长由以下公式确定：
λ 发射 = h c 能量 发射 \lambda_{\text {发射 }}=\frac{h c}{\text { 能量 }_{\text {发射 }}} λ发射 = 能量 发射 hc
其中 h = h= h=普朗克常数， c = c= c=光速。通常，此处使用大型扫描设备或 CCD 来测量强度并以数字方式拍摄图像。
可以采用不同的显微镜技术来改变图像的可视化和对比度。每种方法都有优点和缺点，但都利用相同的荧光机制来观察生物过程。
图像内外段偏差
根据光感受器的输入荧光图像，我们想要计算每个外段（红色部分）相对于其内段（蓝色部分）的偏差。第一步是加载和显示数据。数据由形状为 (1024,1024,4) 的三维数组组成。第一幅图像不是我们应用程序的关注点，所以我们将忽略它。每个 (1024,1024) 数组都表示 uint32 中的荧光图像，第一个是蓝色，第二个是绿色，第三个是红色。
根据给定通道中的荧光强度计算彩色图像。
def gray2color(u,channel):u_color = np.dstack((rescale_intensity(u if channel==0 else np.zeros_like(u), out_range='float'),rescale_intensity(u if channel==1 else np.zeros_like(u), out_range='float'),rescale_intensity(u if channel==2 else np.zeros_like(u), out_range='float'),))return u_colordef display_initial_dataset(u):R = u[:,:,3]G = u [:,:,2]B = u[:,:,1]u_rgb = np.dstack((rescale_intensity(R, out_range='float'),rescale_intensity(G, out_range='float'),rescale_intensity(B, out_range='float')))R_rgb = gray2color(R,0)G_rgb = gray2color(G,1)B_rgb = gray2color(B,2)fig, ax = plt.subplots(1,4,sharex=True,sharey=True)ax[0].imshow(u_rgb)ax[0].set_title('Original color image')ax[1].imshow(R_rgb)ax[1].set_title('Red channel')ax[2].imshow(G_rgb)ax[2].set_title('Green channel')ax[3].imshow(B_rgb)ax[3].set_title('Blue channel')return (ax, fig)
从布尔映射中获取具有属性的形状列表。
def get_cells_from_bool(mask, plot=False):label_image = label(mask)cells = []for region in regionprops(label_image):cells.append(region)if plot:image_label_overlay = label2rgb(label_image, alpha=0.2, bg_label=0)plt.imshow(image_label_overlay)plt.title('Detected cells ' + str(len(cells)))return cells
在此步骤中，您应该将每个外部段放在一个列表中，其中包含由 regionprops 计算的几个属性。现在的目标是循环遍历外部段并要求用户使用 plt.ginput 手动选择一些点。为了帮助用户，您可以绘制描述每个部分方向的不同向量：
然后，计算每对向量之间的角度。为此，我们需要做一些几何工作。给定两个点 a a a 和 b b b 的坐标：
a = ( x 1 y 1 ) b = ( x 2 y 2 ) a=\binom{x_1}{y_1} \quad b=\binom{x_2}{y_2} a=(y1x1)b=(y2x2)
向量 a b → \overrightarrow{a b} ab 可以写成：
a b → = ( x 2 − x 1 y 2 − y 1 ) \overrightarrow{a b}=\binom{x_2-x_1}{y_2-y_1} ab=(y2−y1x2−x1)
计算 a b → \overrightarrow{a b} ab 和 u x → \overrightarrow{u_x} ux 之间的点积，我们有：
a b → ⋅ u x → = ∥ a b → ∥ × ∥ u x → ∥ × cos ( a b → , u x → ) \overrightarrow{a b} \cdot \overrightarrow{u_x}=\|\overrightarrow{a b}\| \times\left\|\overrightarrow{u_x}\right\| \times \cos \left(\overrightarrow{a b}, \overrightarrow{u_x}\right) ab⋅ux=∥ab∥× ux ×cos(ab,ux)
我们将 a b → \overrightarrow{a b} ab 和 u x → \overrightarrow{u_x} ux 之间的角度称为 α \alpha α，我们可以用以下等式计算它：
α = arccos ( x 2 − x 1 ( x 2 − x 1 ) 2 + ( y 2 − y 1 ) 2 ) \alpha=\arccos \left(\frac{x_2-x_1}{\sqrt{\left(x_2-x_1\right)^2+\left(y_2-y_1\right)^2}}\right) α=arccos (x2−x1)2+(y2−y1)2x2−x1
创建一个函数 get_angle ，它计算由两个给定点定义的向量与横坐标酉向量之间的角度。要实现此目的，需要使用 arccos 函数 np.arccos 和平方根函数 np.sqrt。
def get_angle(a,b):return np.arccos((b[0]-a[0])/(np.sqrt((b[0]-a[0])**2+(b[1]-a[1])**2)))
)
