Вот пример, когда авторы сделали это изображение:
и проанализированы с помощью spatstat. Для этого они извлекли координаты, как их можно было увидеть здесь. Я хотел бы сделать то же самое, и мне интересно, как можно получить образец точки образца из такого изображения. Непосредственное преобразование изображения в объект ppp создает множество артефактов.
Руководства в их R-пакете BioC2015Oles, похоже, не существует. Спасибо.
Пакет spatstat предполагает, что вы уже обработали свое изображение и получили список координат и, возможно, некоторые атрибуты (метки), связанные с каждой парой (x, y). В идеале у вас также должно быть окно наблюдения, указывающее, где потенциально могут возникнуть точки. В spatstat есть форматы растра / изображения, называемые im, которые могут хранить изображение / растр, но многие из них используются для хранения вспомогательной информации из эксперимента, которая может использоваться для объяснения появления или отсутствия точек в областях окна наблюдения. и не заниматься обработкой изображений как таковой.
Чтобы преобразовать зашумленное изображение микроскопа в, например, список клеточных центров люди обычно используют различные инструменты и методы обработки изображений (водораздел, морфологическое открытие и закрытие и т. д.). Представление, о котором вы говорите, похоже, построено на пакете R EBimage (который находится на BioConductor и имеет руководство), и вы можете попытаться извлечь ячейки, используя его. В качестве альтернативы есть другие пакеты в R или совершенно другие системы с открытым исходным кодом, ориентированные на анализ изображений, такие как QuPath, ImageJ и многие другие. Я не могу посоветовать вам, какой из них лучше всего подходит для вашей задачи.
spatstat
- person user2167741; 06.09.2018
Ты можешь сделать
library(raster)
x <- brick('tLh2E.jpg')
#plotRGB(x)
Все ячейки с координатами:
xyz = rasterToPoints(x)
head(xyz)
# x y tLh2E.1 tLh2E.2 tLh2E.3
#[1,] 0.5 1103.5 222 222 224
#[2,] 1.5 1103.5 214 214 216
#[3,] 2.5 1103.5 223 223 225
#[4,] 3.5 1103.5 220 220 222
#[5,] 4.5 1103.5 197 197 199
#[6,] 5.5 1103.5 198 198 200
Или образец:
s1 <- sampleRandom(x, 100, xy=TRUE)
s2 <- sampleRegular(x, 100, xy=TRUE)
Посмотреть расположение образцов
plotRGB(x)
points(s1[, 1:2])
points(s2[, 1:2], col='red', pch=20)
Создать образ из обычного образца
r <- sampleRegular(x, 1000, asRaster=TRUE)
plotRGB(r)
Для стратифицированной выборки вам нужно будет определить регионы. Вы можете нарисовать их с помощью raster::drawPoly(), за которым следует rasterize, или смоделировать их, см. raster::predict. Здесь очень простой и, возможно, не очень хороший подход, основанный на зрелище. Оказывается, второй, «зеленый», слой (из красно-зелено-синего изображения) содержит большую часть информации. Это приближает вас:
r <- reclassify(x[[2]], rbind(c(0,100,1), c(100,175,2), c(175,255,3)))
plot(r, col=c('red', 'blue','gray'))
Теперь вы можете сделать следующее, чтобы узнать, какой цвет имеет каждая точка:
extract(r, s1[,1:2])
