把mask文件转换成celpose的格式

Cellpose的安装与使用 网页端:http://www.cellpose.org/ PC端: 安装: 安装anaconda,记得选中添加到环境变量 安装推荐教程 下载https://github.com/MouseLand/cellpose中的environment.yml文件。直接下载 打开一个anaconda prompt命令终端 进入保存environment.yml的目录, 运行 conda env create – f environment.yml 运行conda activate cellpose激活环境 pip 阅读详情

基本用法

import math
import matplotlib.pyplot as plt
from skimage.measure import label, regionprops, regionprops_table
from PIL import Image
import numpy as np

img = Image.open("C429.png")
img = np.array(img)

label_img = label(img)
regions = regionprops(label_img)
print(len(regions))

fig, ax = plt.subplots()
ax.imshow(img, cmap=plt.cm.gray)

for props in regions:
    y0, x0 = props.centroid
    orientation = props.orientation
    x1 = x0 + math.cos(orientation) * 0.5 * props.minor_axis_length
    y1 = y0 - math.sin(orientation) * 0.5 * props.minor_axis_length
    x2 = x0 - math.sin(orientation) * 0.5 * props.major_axis_length
    y2 = y0 - math.cos(orientation) * 0.5 * props.major_axis_length

    ax.plot((x0, x1), (y0, y1), '-r', linewidth=1)
    ax.plot((x0, x2), (y0, y2), '-r', linewidth=1)
    ax.plot(x0, y0, '.g', markersize=5)

    minr, minc, maxr, maxc = props.bbox
    bx = (minc, maxc, maxc, minc, minc)
    by = (minr, minr, maxr, maxr, minr)
    ax.plot(bx, by, '-b', linewidth=2.5)

# ax.axis((0, 2048, 600, 2048))
plt.show()
plt.savefig("test.png")

单个图像处理

from skimage.measure import label, regionprops
from PIL import Image
import numpy as np

img = Image.open("C429.png")
img = np.array(img, dtype=np.uint16)  # for cellpose mask format:uint16

label_img = label(img)
regions = regionprops(label_img)
print(len(regions))

for props in regions:
    minr, minc, maxr, maxc = props.bbox
    img[minr:maxr, minc:maxc][np.where(img[minr:maxr, minc:maxc] != 0)] = props.label

img = Image.fromarray(img)
img.save("test.png")

批量处理

from skimage.measure import label, regionprops
from PIL import Image
import numpy as np
import os

files = os.listdir("masks")
for file in files:
    img = Image.open(os.path.join("masks", file))
    img = np.array(img, dtype=np.uint16)  # for cellpose mask format:uint16

    label_img = label(img)
    regions = regionprops(label_img)
    print(len(regions))

    for props in regions:
        minr, minc, maxr, maxc = props.bbox
        img[minr:maxr, minc:maxc][np.where(img[minr:maxr, minc:maxc] != 0)] = props.label

    img = Image.fromarray(img)
    img.save(os.path.join("D:\cell_segmentation\data\CellData\masks", file.split(".")[0]+"_masks.png"))

以上方法存在的问题

当两个矩形框有重合的部分,赋值时后面的值会把前面的值覆盖,造成赋值错误。

在这里插入图片描述
在这里插入图片描述

解决方法:根据regionprops得到连通区域的属性,找到连通区域的所有像素点,给像素点赋值。而不是给矩阵框中的像素点赋值。

连通区域属性:
在这里插入图片描述

正确的赋值方式

from skimage.measure import label, regionprops
from PIL import Image
import numpy as np
import os

files = os.listdir("masks")
for file in files:
    img = Image.open(os.path.join("masks", file))
    img = np.array(img, dtype=np.uint16)  # for cellpose mask format:uint16

    label_img = label(img)
    regions = regionprops(label_img)
    print(len(regions))

    for props in regions:
        minr, minc, maxr, maxc = props.bbox
        # 为了得到像素点的x,y坐标
        pixel_points = props.coords       # (2704,2) 
        pixel_points = np.transpose(pixel_points, [1, 0])   # (2, 2704)
        img[pixel_points[0], pixel_points[1]] = props.label

    img = Image.fromarray(img)
    img.save(os.path.join("masks", file.split(".")[0]+"_masks.png"))
批量下载 requirements.txt 里面的所有包 批量下载 requirements.txt 里面的所有包一、说明二、代码演示1.用豆瓣源下载单个包2.用豆瓣源批量下载requirements.txt的库三、总结 一、说明 如果大家是零基础入门深度学习,有时候在配置环境这条路上不断踩坑,但是不知道如何解决,特别是在配置环境中的下载库。如果直接pip install package的话会很慢。导致 time out 以及各种错误。为此本文主要讲一下如何利用豆瓣源快速下载库。同时介绍如何批量快速下载配置好环境。 二、代码演示 1.用豆瓣源下载单个包 说明: – 阅读详情

相关推荐

Python库 | cellpose_napari-0.1.1-py3-none-any.whl

资源分类:Python库 所属语言:Python 使用前提:需要解压 资源全名:cellpose_napari-0.1.1-py3-none-any.whl 资源来源:官方 安装方法:https://lanzao.blog.youkuaiyun.com/article/details/101784059

Cellpose: 细胞分割的一站式解决方案

Cellpose: 细胞分割的一站式解决方案 项目地址:https://gitcode.com/gh_mirrors/ce/cellpose 项目介绍 Cellpose是一款强大的开源算法工具,专为细胞分割设计,能够适应多种类型的细胞图像。这款通用算法由Carsen Stringer、Tim Wang、Michalis Michaelos及Marius Pachitariu等人开发,并在《Natu...

gitblog_00135的博客 1647

Python库 | cellpose-0.0.2.4-py3-none-any.whl

python库,解压后可用。 资源全名:cellpose-0.0.2.4-py3-none-any.whl

Cellpose项目中的批量图像分割技术指南

Cellpose作为一款强大的细胞分割工具,在生物医学图像分析领域广受欢迎。本文将详细介绍如何利用Cellpose对大批量图像进行自动化处理,显著提高研究效率。 ## 批量处理的核心原理 Cellpose的批量处理功能基于其命令行接口(CLI)实现,通过预设参数可以一次性处理整个文件夹中的所有图像文件。这种方式避免了图形界面(GUI)中逐个文件处理的繁琐操作,特别适合高通量成像数据的分析需求。...

gitblog_07104的博客 599

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

Cellpose 3.0新特性批量处理指南

Cellpose 3.0版本引入了多项强大的图像处理新功能,包括去噪(Denoising)、去模糊(Deblur)和上采样(Upsample)等。这些功能可以显著提升细胞分割的质量,特别是在处理低质量图像时表现尤为突出。本文将详细介绍如何在批量处理中应用这些新特性。 ## 新功能概述 Cellpose 3.0的三个核心增强功能: 1. **去噪(Denoising)**:有效降低图像中的噪声...

gitblog_07314的博客 453

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

Cellpose模型批量推理优化指南

Cellpose作为一款优秀的细胞分割工具,在实际应用中经常需要处理大量图像。本文将深入探讨如何正确使用Cellpose进行批量图像处理,特别是针对cyto3模型的优化使用方法。 ## 批量处理机制解析 Cellpose的批量处理功能依赖于正确的输入格式和参数设置。核心要点在于: 1. **输入格式选择**:当输入为Python列表时,模型会顺序处理每个图像;而使用NumPy数组作为输入时,...

gitblog_07347的博客 571

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

【保姆级教程】关于在Cellpose3.0绘制masks(蒙版)的详细操作流程

请注意,在模型运行时,GUI 无法进行操作,请不要点击GUI。注意,和上一步相同,cellpose在运行模型时是无法对GUI进行操作的。*如果你觉得模型错误地将其它东西识别成了细胞,可以使用CTRL+鼠标左键单击这个蒙版,这样cellpose就会帮你将其删除。安装好cellpose之后,我们进入Cellpose的图形界面,如果正常启动,那我们应该看到如下窗口。光标绕着细胞转一圈。当我们完成了该图像所有蒙版的绘制之后,我们需要将绘制好的蒙版保存。在弹出的窗口中选择自己的数据集保存的位置,单击文件选择。

Clovertaa的博客 2682

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

生物图像处理软件_细胞分割

mins ilastik

亚当图像处理 3646

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

上一篇: 算法_二分查找&双指针_总结
下一篇: 赋值b=a、浅拷贝copy.copy()、深拷贝copy.deepcopy()
Pythonistas29xs
博客等级 码龄8年 27粉丝 30原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Pythonistas29xs

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值