从roi和蒙版创建带标签的阻塞图像

打开实时脚本

此示例显示如何从一组ROI创建带标签的分块图像。

在本例中，您使用两种方法来获取和显示标记数据。一种方法是使用多边形ROI对象存储肿瘤和正常组织区域边界的坐标。的多嵌合体图像函数将ROI坐标转换为带标签的分块图像。第二种方法使用遮罩将图像分为组织和背景。此示例将ROI和遮罩图像中的信息结合起来，以创建一个具有对应于肿瘤、正常组织和背景区域的数字像素标签的单个块图像。

使用CAMELYON16数据集中包含肿瘤组织的淋巴结训练图像的修改版本创建块图像。修改后的图像有三个粗分辨率。空间参考已经被调整，以加强一致的宽高比，并在每个级别注册特征。

bim=块图像(“肿瘤_091R.tif”);

标签数据加载

CAMELYON16数据集提供了肿瘤和正常区域的标签，作为一组坐标，指定了相对于最佳分辨率级别的手工标注区域边界。当像素同时存在于正常区域和肿瘤区域的边界内时，这些像素的正确标记就是正常组织。

为阻塞的图像加载标签数据。的标签的修改版本tumor_091.tifCAMELYON16数据集中的图像。原始标签以XML格式存储。修改后的标签已重新采样并保存为MAT文件。

ROI点=负载(“labelledROIs.mat”）

旋转点=带字段的结构：非癌区：{[46×2双]}癌区：{6×1细胞}

将标签表示为ROI对象

创建多边形ROI对象，存储肿瘤边界和正常组织边界的坐标。

tumorpolyys = cellfun(@(position) images.roi.Polygon(．..位置=位置，可见=“上”颜色=“r”),．..roiPoints.cancerRegions);normalpolyys = cellfun(@(position) images.roi.Polygon(．..位置=位置，可见=“上”颜色=“g”),．..非癌症区域）；

在原始数据上显示roi和标签

显示覆盖多边形roi的图像。由于roi与图像具有相同的坐标系统，因此改变显示图像的分辨率仍然能够准确地呈现roi。

h=bigimageshow（bim）；集合（tumorPolys，父项=gca）；集合（normalPolys，父项=gca）；标题(“分辨率级别：”+ num2str (h.ResolutionLevel));

放大一个ROI。肿瘤区域边界显示为红色，正常组织内部区域周围显示为绿色。

xlim（[3940 4290]）ylim（[2680 3010]）标题(“分辨率级别：”+ num2str (h.ResolutionLevel));

创建ROI数据的标记块图像

使用多嵌合体图像函数创建ROI坐标数据的标记块图像。的多嵌合体图像该函数需要ROI坐标、ROI标签和输出块图像的大小作为输入。

获得xy-协调正常区域和肿瘤区域的数据，并将它们合并为单个roiPositions细胞阵列。

normalRegions = roiPoints.nonCancerRegions;tumorRegions = roiPoints.cancerRegions;roiPositions = [normalRegions;tumorRegions];

找出正常区域和肿瘤区域的数量，并分配标签1到正常组织和标签2去肿瘤组织。按指定的相同顺序指定标签roiPositions。将标签指定为uint8值以减少存储所需的内存。

numNormalRegions=numel（正常区域）；numTumorRegions=numel（肿瘤区域）；roiLabelIDs=[个（numNormalRegions，1，“uint8”); 2*一（numtorregions，1，“uint8”)];

为新阻止的图像选择所需的分辨率级别。此选择是效率和精度之间的折衷。使用较粗的分辨率级别可减少处理时间和存储大小。使用较细的分辨率级别可增加遮罩中保留的细节级别。粗分辨率级别可用于规则ROI（如多边形）s、对于小型徒手ROI，精细分辨率级别可能更合适。对于本例，请使用中间分辨率级别。

maskLevel=2；

指定新阻止图像的图像大小以匹配原始图像的大小，bim，在所需的分辨率级别。

图象尺寸= bim.Size (maskLevel 1:2);

创建一个有标签的阻塞图像。保持原始块图像的空间引用，bim，在所需的分辨率级别。默认情况下，不在任何ROI内的像素被指定为数字标签0．

图象尺寸,bROILabels = polyToBlockedImage (roiPositions roiLabelIDs BlockSize = bim.BlockSize (maskLevel 1:2),．..WorldStart=bim.WorldStart（maskLevel，1:2），worldesend=bim.worldesend（maskLevel，1:2））；

ROI标签和原始数据的叠加显示

显示覆盖在原始图像上的标记阻塞图像。红色显示肿瘤区域，绿色显示完全被肿瘤包围的正常组织区域。背景及与背景相连的正常组织以蓝色显示，说明连接的正常区域被错误地归类为背景。

hbim = bigimageshow (bim);showlabels (hbim bROILabels Colormap = [0 0 1;0 1 0;1 0 0]);

放大显示为绿色的正常组织区域。可视化地验证ROI边界是否有足够的细节表示。

ylim([2680 3010])

使用遮罩分离组织和背景

使用图像分割创建可正确区分正常组织和背景的遮罩。由于阈值化需要将基础图像数据读入内存，且背景和前景区域足够大，因此最粗糙的分辨率级别是合适的。遮罩为1（符合事实的)，用于灰度值小于130的像素。填充小洞的掩模执行形态关闭使用bwmorph函数。

btissueMask=应用（bim，．..@（bs）bwmorph（RGB2GRY）（bs.数据）<130，“关闭”),级别= 3);bigimageshow (btissueMask);

创建单个带标签的分块图像

将组织掩模和感兴趣区域标签数据合并成最终的标记块图像。虽然ROI图像是在比组织掩膜更好的分辨率水平上创建的，但它们可以一起处理，因为它们来自相同的图像，具有相同的世界范围。使用组合带helper函数，在本例末尾定义。

bLabels=apply（bROILabels、@combineLabels、ExtraImages=btissueMask）；

显示覆盖在原始图像上的标记阻塞图像。三个标签(正常、肿瘤和背景)分别以绿色、红色和蓝色显示。

hbim=bigimageshow（bim）；showlabels（hbim、bLabels、Colormap=[0 0 1；0 1 0；1 0 0]）；标题(“背景(蓝色)，正常组织(绿色)，肿瘤(红色)”）

放大感兴趣的区域以更详细地检查。

ylim([2680 3010])

金宝app支持函数

组合带将基于roi的标签图像和基于掩码的标签图像合并为单个标签图像。

作用btissueMask blabel = combineLabels (bs)%纸巾遮罩块尺寸较小btissueMask=imresize（btissueMask，size（bs.Data））；%转换为标签，0是背景，1是前景。blabel=uint8（btissueMask）；%用2个标记肿瘤区域blabel（bs.Data==2）=2；结束

另请参阅

块状图像|bigimageshow|blockedImageDatastore