凝胶电泳数据的 Python Scikit 图像处理答案

【问题标题】：Python Scikit-image processing of Gel electrophoresis data凝胶电泳数据的 Python Scikit 图像处理
【发布时间】：2014-02-06 11:15:36
【问题描述】：

我以前从未使用过计算机视觉的东西，我认为我可以使用 python 来分析凝胶电泳。 Here 是一个视频，解释了如果您不熟悉该过程会发生什么。

所以我从维基百科上拍了一张凝胶的照片，然后使用灰度滤镜，然后使用双边滤镜去除污迹和伪影，然后使用 Otsu 滤镜分离出显着的条带。

import numpy as np
import matplotlib.pyplot as plt

from skimage import data, io
from skimage.filter import threshold_otsu, denoise_bilateral
from skimage.morphology import closing, square
from skimage.measure import regionprops
from skimage.color import label2rgb, rgb2gray


image = io.imread('http://upload.wikimedia.org/wikipedia/commons/6/60/Gel_electrophoresis_2.jpg')


#grayscaling
gray_image = rgb2gray(image)

# bilateral filtering
bilat=denoise_bilateral(gray_image, sigma_range=0.05, sigma_spatial=20)

# apply threshold Otsu
thresh = threshold_otsu(bilat)
bw = closing(bilat > thresh, square(1))

#print process
def show_images(images,titles=None):
    """Display a list of images"""
    n_ims = len(images)
    if titles is None: titles = ['(%d)' % i for i in range(1,n_ims + 1)]
    fig = plt.figure()
    n = 1
    for image,title in zip(images,titles):
        a = fig.add_subplot(1,n_ims,n) 
        if image.ndim == 2: 
            plt.gray() 
        plt.imshow(image)
        a.set_title(title)
        n += 1
    fig.set_size_inches(np.array(fig.get_size_inches()) * n_ims)
    plt.show()

#print data
show_images(images=[image, bilat, bw], titles=['Normal', 'Bilateral filter', 'Otsu Threshold'])

这是目前的结果

我遇到了 4 个问题：

使用 otsu 阈值会导致浅色波段的一些数据丢失，是否有更好的方法获取波段数据？
有没有办法将每行的结果返回到 numpy/pandas 数组，其中波段显示在矩阵上？（即 0 表示无条带，1 表示轻条带，2 表示中等条带，3 表示重条带）这将允许检测与 DNA Ladder（参考行）匹配的条带。
可以用什么方法计算孔到波段的距离。
如果照片不是直接拍的，我需要一个叫做Image registration的东西吗？如果是这样，我在哪里可以找到 scikit-image？

如果重要的话，我使用 python 3 和 scikit-image 的最后一个稳定版本。

【问题讨论】：

标签： python numpy computer-vision scikit-image

【解决方案1】：

也许可以联系https://github.com/hugadams/pyparty 的作者，它是建立在 scikit-image 之上的。

您可能需要先均衡图像（参见“曝光”子模块）
您首先必须进行某种峰值检测（请参阅“功能”子模块）
我不太清楚你在这里问什么
相当的图像变形（参见“变换”子模块）

【讨论】：