（病理图像读写）病理图像（whole slide images，WSI）的读写（.svs, .tiff）,使用openslide,和pyvips以及matlab

今天对病理图像的读写进行一个小介绍。先说结论，如果不需要读很小倍率的图像，pyvips比openslide快很多，写SVS的话用matlab。

病理图像的存储有很多种格式，可以看如下图：

常见的是.svs, .tif，.mrxs。今天就只讲.svs和.tif。.mrxs手上没有数据。但依然可以用openslide读取，以后有机会再展开。
在python上读取.svs和.tif的方式是一样的，因为.svs本质上就是一个tif，采用的数据格式和压缩方式都是一样的。示意图图下：

简单的读取可以如下：

from openslide import OpenSlide
filePath = 'file.tif'
slide   = OpenSlide(filePath)
#查看文件的金字塔结构，从中选取需要读取的层。
print(slide.level_dimensions)
# 输出结果如下：
# ((90624, 214528), (45312, 107264), (22656, 53632), (11328, 26816), (5664, 13408), (2832, 6704), (1416, 3352), (708, 1676), (354, 838), (177, 419))
#假如说需要读取40X的层，那就是第0层，代码如下：img_40X = np.array(location=slide.read_region((0,0),level=0,size=slide.level_dimensions[0]),dtype = np.uint8)[:,:,0:3]
# level表示要读的层数，我们可以从slide.level_dimensions查看需要的层
# location表示读取时图像的起始坐标，需要注意的是，不管我们读取哪个level的图像，这个点都填的是40X的坐标。
#比如说我们读取40X下起始点是(100,100)终点是(324,324)大小的patch，那location=(100,100)，size=(224,224)，level=0
img_40X_small = np.array(location=slide.read_region((100,100),level=0,size=(324,324)),dtype = np.uint8)[:,:,0:3]
#如果需要读取10X的一样视野的图像那个，size就应该是(224//4,224//4), level=2, 但location依然是(100,100)
img_10X_small = np.array(location=slide.read_region((100,100),level=2,size=(224//4,224//4)),dtype = np.uint8)[:,:,0:3]

location的好处是允许我们自定义读取的起始点，有时候我们需要排除wsi中的空白，就可以根据所画的ROI来决定起始点和size。
另一种方式是使用pyvips来读取，这个就简单很多：

import pyvips
svs_file = 'file.svs'
img = pyvips.Image.new_from_file(svs_file)
# crop(起始点x，起始点y，长，宽)
img2 = img.crop(x1, y1, h, w)
img2 = np.asarray(img2, dtype=np.uint8)

pyvips我没有找到如何读取其他level的方法，只能读取level=0，如果知道怎么读取其他层的朋友，请分享我一下代码，万分感谢。

pyvips的读取速度要比openslide快很多，如果不是需要读取level很高的图像，我都推荐用pyvips。我用工作站读取了一个（49821， 93298）大小的WSI，openslide花费162.94秒，pyvips花费42.79秒。越大的图像pyvips就会越快。

如果要写tif的话，我个人推荐用matlab。在python上写多层的tif文件我没有成功过，可能是因为python对tif的支持不好。写的代码如下：

function writesvs(imgdata, file_name)size2 = fix(size(imgdata));img_fist = imresize(imgdata, [size2(1) size2(2)]);size2 = fix(size(imgdata)/2);img_half = imresize(imgdata, [size2(1) size2(2)]);%size3 = fix(size(imgdata)/4);img_third = imresize(imgdata, [size3(1) size3(2)]);size4 = fix(size(imgdata)/8);img_four = imresize(imgdata, [size4(1) size4(2)]);%img_four = imgdata(1:64:end,1:64:end,:);t = Tiff(file_name,'w');%写40X的图像tagstruct.ImageDescription = "Aperio Image Library |AppMag = 40|MPP = 0.265018";tagstruct.ImageLength = size(img_fist ,1);tagstruct.ImageWidth = size(img_fist ,2);tagstruct.Photometric = Tiff.Photometric.RGB;tagstruct.BitsPerSample = 8;tagstruct.SamplesPerPixel = 3;tagstruct.RowsPerStrip = 16;tagstruct.PlanarConfiguration = Tiff.PlanarConfiguration.Chunky;tagstruct.Software = 'MATLAB';tagstruct.TileWidth = 240;tagstruct.TileLength = 240;tagstruct.Compression = 7;tagstruct.JPEGQuality = 80;setTag(t,tagstruct)write(t,img_fist );writeDirectory(t);%写20X的图像tagstruct2.ImageDescription = "Aperio Image Library |AppMag = 20|MPP = 0.51";tagstruct2.ImageLength = size(img_half,1);tagstruct2.ImageWidth = size(img_half,2);tagstruct2.Photometric = Tiff.Photometric.RGB;tagstruct2.BitsPerSample = 8;tagstruct2.SamplesPerPixel = 3;tagstruct2.RowsPerStrip = 16;tagstruct2.PlanarConfiguration = Tiff.PlanarConfiguration.Chunky;tagstruct2.Software = 'MATLAB';tagstruct2.TileWidth = 240;tagstruct2.TileLength = 240;tagstruct2.Compression = 7;tagstruct2.JPEGQuality = 80;setTag(t,tagstruct2)write(t,img_half);writeDirectory(t);%写10X的图像tagstruct3.ImageDescription = "Aperio Image Library";tagstruct3.ImageLength = size(img_third,1);tagstruct3.ImageWidth = size(img_third,2);tagstruct3.Photometric = Tiff.Photometric.RGB;tagstruct3.BitsPerSample = 8;tagstruct3.SamplesPerPixel = 3;tagstruct3.RowsPerStrip = 16;tagstruct3.PlanarConfiguration = Tiff.PlanarConfiguration.Chunky;tagstruct3.Software = 'MATLAB';tagstruct3.TileWidth = 240;tagstruct3.TileLength = 240;tagstruct3.Compression = 7;tagstruct3.JPEGQuality = 80;setTag(t,tagstruct3)write(t,img_third);writeDirectory(t);%写5X的图像tagstruct4.ImageDescription = "Aperio Image Library";tagstruct4.ImageLength = size(img_four,1);tagstruct4.ImageWidth = size(img_four,2);tagstruct4.Photometric = Tiff.Photometric.RGB;tagstruct4.BitsPerSample = 8;tagstruct4.SamplesPerPixel = 3;tagstruct4.RowsPerStrip = 16;tagstruct4.PlanarConfiguration = Tiff.PlanarConfiguration.Chunky;tagstruct4.Software = 'MATLAB';tagstruct4.TileWidth = 240;tagstruct4.TileLength = 240;tagstruct4.Compression = 7;tagstruct4.JPEGQuality = 80;setTag(t,tagstruct4)write(t,img_four);close(t);
end

（病理图像读写）病理图像（whole slide images，WSI）的读写（.svs, .tiff）,使用openslide,和pyvips以及matlab相关推荐

VTK修炼之道13：数据读写_图像数据的读写
1.前言 VTK应用程序所需的数据可以通过两种途径获取: 第一种是生成模型 ;第二种是从外部存储介质里导入相关的数据文件,(如vtkBMPReader读取 BMP图像) .VTK 也可以将程序中处理完 ...
ITK:读写矢量图像
ITK:读写矢量图像内容提要 C++实现代码内容提要本示例说明了如何读取和写入像素类型为Vector的图像. C++实现代码 #include "itkImageFileReader. ...
python 读写16bit图像的四种方法
python 读写16bit图像的四种方法应对超高清.HDR等图像增强类深度学习任务和专业图片处理任务时,我们需要对16bit图像进行读取.转tensor和保存等操作,这里总结出四种python实现 ...
使用OpenCV执行图像算法（加法和减法）以提亮图像或者使图像变暗
使用OpenCV执行图像算法(加法和减法)以提亮图像或者使图像变暗 1. 效果图 2. 源码参考这篇博客将介绍如何使用OpenCV执行图像算术(加法和减法).可以通过俩种方法实现: 1. 使用Op ...
BGR图像与HSV图像互相转换（opencv）
#include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace st ...
【Python】函数图像绘制：二维图像、三维图像、散点图、心形图
[Python]函数图像绘制:二维图像.三维图像.散点图.心形图所有需要用的包二维图像三维图像散点图绘制心形图绘制所有需要用的包 from mpl_toolkits.mplot3d imp ...
利用合成图像对热图像进行鲁棒行人检测
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达小黑导读论文是学术研究的精华和未来发展的明灯.小黑决心每天为大家带来经典或者最新论文的解读和分享,旨 ...
滤波、漫水填充、图像金字塔、图像缩放、阈值化
imgpro 组件是 Image 和 Process 这两个单词的缩写组合,即图像处理模块,这个模块包含了如下内容: 文章目录 1.线性滤波:方框滤波.均值滤波.高斯滤波 1.1 平滑处理 1.2 ...
高斯混合模型图像聚类、图像生成、可视化分析实战
高斯混合模型图像聚类.图像生成.可视化分析实战目录高斯混合模型图像聚类.图像生成.可视化分析实战 PCA图像数据降维

（病理图像读写）病理图像（whole slide images，WSI）的读写（.svs, .tiff）,使用openslide,和pyvips以及matlab

（病理图像读写）病理图像（whole slide images，WSI）的读写（.svs, .tiff）,使用openslide,和pyvips以及matlab相关推荐

最新文章

热门文章