Удаление цветового шума из фрагмента изображения всего слайда

После полудня,

Я занимаюсь глубоким изучением целых изображений слайдов (биомедицинских изображений физических образцов). Я использую openslide, чтобы разбить все изображение слайда (размером 5 ГБ) на более мелкие фрагменты всего изображения, а затем преобразовать его в цветовое пространство RGB (я полагаю, что патч находится в RGBA как объект изображения PIL). Если я использую 5-кратное увеличение, я обнаруживаю, что когда я сохраняю изображение, я обнаруживаю, что в пикселях присутствует странный шум, который выглядит так, как будто многие пиксели флуоресцентны (отсутствуют при более высоких увеличениях). Мой вопрос: кто-нибудь знает, почему функция read_region библиотеки Openslide вызывает это, или знают ли они, как я могу выполнить некоторую постобработку, чтобы удалить этот артефакт из изображения? Я попытался преобразовать изображение, как показано ниже.

1.

for w in range(boundaries[0][0], boundaries[0][1], 500):
        for h in range(boundaries[1][0], boundaries[1][1], 500):
            patch = scan.read_region((w-2000, h-2000), 3, (500, 500))
            img2 = img[h-2000:h+2000, w-2000:w+2000,:]
            patch=np.asarray(patch)
            patchRGB = cv2.cvtColor(patch, cv2.COLOR_RGBA2RGB)
            print(np.mean(patchRGB), img2.shape)
            if (img2.shape == (4000, 4000, 3) and np.mean(patchRGB) < 200) and np.mean(patchRGB) > 50:
                    cv2.imwrite('output/test/images/'+os.path.basename(ndpi)[:-5]+'_'+str(w)+'_'+str(h)+'.png', patchRGB)
                    cv2.imwrite('output/test/masks/'+os.path.basename(ndpi)[:-5]+'_'+str(w)+'_'+str(h)+'_masks.png', img2)

2.

for w in range(boundaries[0][0], boundaries[0][1], 500):
        for h in range(boundaries[1][0], boundaries[1][1], 500):
            patch = scan.read_region((w-2000, h-2000), 3, (500, 500))
            img2 = img[h-2000:h+2000, w-2000:w+2000,:]
            patchRGB = patch.convert('RGB')
            print(np.mean(patchRGB), img2.shape)
            if (img2.shape == (4000, 4000, 3) and np.mean(patchRGB) < 200) and np.mean(patchRGB) > 50:
                    patchRGB.save('output/5x/images/'+os.path.basename(ndpi)[:-5]+'_'+str(w)+'_'+str(h)+'.png')
                    cv2.imwrite('output/5x/masks/'+os.path.basename(ndpi)[:-5]+'_'+str(w)+'_'+str(h)+'_masks.png', img2)

заплатка из всего изображения слайда, содержащая шум


opencv python-imaging-library image-processing noise-reduction openslide
person maracuja    schedule 25.02.2020    source источник
comment
То, как вы задали свой вопрос, делает число людей, которые могут ответить вам, исчезающе малым. Вы ищете кого-то, кто знает OpenSlide, PIL/Pillow, OpenCV, Numpy и кто готов отработать все недостающие операторы импорта, пробраться через все ваши лишние вложенные циклы, ненужную запись файлов и генерацию имен, и угадать, что должно быть в вашем изображении. выглядит как. Если вы удалили циклы и посмотрели на один квадрат, удалили запись в файл, добавили операторы импорта и предоставили изображения до/правильно и после/неправильно, вы, надеюсь, стать удачливее. Удачи.   -  person Mark Setchell    schedule 26.02.2020
comment
Спасибо за отзыв о заголовке - я отредактирую код и сосредоточусь на одном изображении. Я включил запись файла, так как не был уверен, что это происходит во время записи файла.   -  person maracuja    schedule 26.02.2020
comment
Можно уточнить, когда это происходит? После преобразования или после увеличения? Что должно быть вместо этих пикселей?   -  person code-lukas    schedule 29.02.2020
comment
Возможно, это либо ошибка интерполяции при увеличении, либо какое-то переполнение при преобразовании RGB...   -  person code-lukas    schedule 29.02.2020

Ответы (1)


arrow_upward
0
arrow_downward

Я бы начал с того, что разбил вопрос, чтобы выяснить, где возникает проблема.

  1. Начните с проверки файла. Попробуйте открыть его в QuPath и убедитесь, что файл открывается без ошибок и шума нет. Иногда я обнаруживаю шум от сканера слайдов, и мне приходится заново сканировать.
  2. Проверьте, как выглядит патч openslide. Мне нравится использовать для этого блокнот Jupyter, чтобы вы могли быстро позвонить plt.imshow(patch) и посмотреть, как он выглядит.
  3. Затем проверьте преобразование RGB plt.imshow(patchRGB), чтобы визуализировать его, а затем посмотреть, есть ли еще шум.
  4. Если на этом этапе он все еще выглядит изворотливым, я бы попробовал разные методы сохранения и посмотрел, присутствует ли там шум.
person Callum    schedule 10.05.2021