Подсчет количества ячеек и ядра с использованием водораздела, skikit image

Question

Я пытаюсь количественно определить большой набор данных изображения. Каждое изображение имеет клетки и ядро. Что должно быть сделано представлено в схематической форме, как «то, что мне нужно»:

Пример изображения показан на «необработанного изображения»:

У меня есть нашел программу алгоритмов онлайн-водоразделов для подсчета ячеек, но я не смог подсчитать количество ядер внутри (и снаружи) ячеек.

Вот программа, которую я использовал для подсчета клеток из необработанного изображения

#import packages 

import numpy as np 
import matplotlib.pyplot as plt 
from skimage import io, color, filters as filters 
from scipy import ndimage 
from skimage.morphology import watershed 
from skimage.feature import peak_local_max 
from skimage.measure import regionprops, label 
import numpy as np 
from scipy.ndimage import gaussian_filter 
import matplotlib.pyplot as plt 
from skimage import data 
from skimage import img_as_float 
from skimage.morphology import reconstruction 
import skimage 
from skimage import segmentation 

%matplotlib inline 
import matplotlib 
#import image 
from IPython.core.display import Image 

Image(filename=('/Users/sasi/Desktop/image1.jpeg')) 

# Find number of cells 

image = color.rgb2gray(io.imread('/Users/sasi/Desktop/image1.jpeg')) 
image = image < filters.threshold_otsu(image) 
distance = ndimage.distance_transform_edt(image) 
local_maxi = peak_local_max(distance, indices=False, footprint=np.ones((3, 3)), labels=image) 

markers, num_features = ndimage.label(local_maxi) 
labels = watershed(-distance, markers, mask=image) 
regions = regionprops(labels) 
regions = [r for r in regions if r.area > 60] 

print('Number of cells:', len(regions) - 1) 

Как я должен рассчитывать ядро ​​внутри клетки, а также число ядра в целом изображение? Кроме того, если вы еще одна программа для подсчета ячеек, пожалуйста, дайте мне знать.

Answer 1

import cv2 
    import numpy as np 
    from skimage.feature import peak_local_max 
    from skimage.morphology import watershed 
    from scipy import ndimage 

    image=cv2.imread("Da0003.jpg") 
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) 
    sigma=2 
    gauss_img = cv2.GaussianBlur(gray_image,(0,0),1.6*sigma,0) 
    main_img = cv2.GaussianBlur(gray_image,(0,0),sigma,0) 
    ret,threshold_img = cv2.threshold(main_img,127,255,cv2.THRESH_BINARY) 
    threshold=cv2.bitwise_not(threshold_img) 
    D = ndimage.distance_transform_edt(threshold) 
    localMax = peak_local_max(D, indices=False, min_distance=10, 
     labels=threshold) 

    markers = ndimage.label(localMax, structure=np.ones((3, 3)))[0] 
    labels = watershed(-D, markers, mask=threshold) 
    for label in np.unique(labels): 
     # if the label is zero, we are examining the 'background' 
     # so simply ignore it 
      if label == 0: 
       continue 

      # otherwise, allocate memory for the label region and draw 
      # it on the mask 
      x,y,_=image.shape 
      image_copy=image 
      mask = np.zeros((x,y), dtype="uint8") 
      mask[labels == label] = 255 


      cnts = cv2.findContours(mask.copy(), cv2.RETR_EXTERNAL, 
       cv2.CHAIN_APPROX_SIMPLE)[-2] 
      c = max(cnts, key=cv2.contourArea) 

      cv2.drawContours(image_copy, [c], -1, (0, 255, 255), 1) 
      #print(label) 

    cv2.imwrite("_watershead"+".jpg", image_copy) 
    print("count:"+str(label))