WSI图像分割

0.介绍：

(Whole Slide Image, WSI)图像非常的大，处理起来比较麻烦，在深度学习中的病理切片图像大多数在 10万x10万分辨率，用平常的图像处理库没有办法读取，openslide 提供了一个很好的接口，这里介绍一个可用于处理大型病理切片图像的 python 库 (OpenSlide)。

1.Openslide安装：

pip install openslide-python  #终端输入

OpenSlide官网下载 

配置路径：打开Lib\site-packages下的lowlevel.py文件, 将解压的openslide-win64-20221217文件中的bin文件路径粘贴到如下

此时，进入python的控制台，输入import openslide，无任何异常提示表示opensldie安装好了！

如果这种方法不行，那就在导入openslide前需要导入相关路径！（简单粗暴）

路径为openslide-win64-20221217文件中的bin文件路径 

import os
os.add_dll_directory('D:\\CNN\\openslide-win64-20221217\\openslide-win64-20221217\\bin')
import openslide

2.切割图片

# 注意这里只能切割单张图片，不支持文件夹
import openslide
import numpy as np
import imageio  #用于保存图片

slide = openslide.OpenSlide("D:\Visio_relatation\\111\\") #原始图片文件夹
dst_path = 'D:\Visio_relatation\\222\\' #保存图片文件夹

[m, n] = slide.dimensions   # 得出高倍下的（宽，高）
print(m, n)
N = 1024
ml = N * m//N
nl = N * n//N

for i in range(0, ml, N):   # 这里由于只是想实现剪切功能，暂时忽略边缘不足N*N的部分
    for j in range(0, nl, N):
        im = np.array(slide.read_region((i, j), 0, (N, N)))
                imageio.imwrite(dst_path + '1' + 'a' + str(i) + 'a' + str(j) + '.png', im)  # patch命名为‘x-y’

slide.close()   # 关闭文件

# 这里可以循环遍历文件夹中的所有图片
import os
import openslide
import numpy as np
import imageio  # 用于保存图片

dst_path = 'D:\Visio_relatation\\222\\' #切割后保存地址
img_floder = r'D:\Visio_relatation\\111' #原tif图片文件夹
img_list = os.listdir(img_floder)
print(img_list)

for img_name in img_list:
    name = img_name[:-4]
    slide = openslide.OpenSlide(img_floder + "\\" + img_name)

    [m, n] = slide.dimensions   # 得出高倍级别下的（宽，高）
    print(m, n)
    N = 1024
    ml = N * m//N
    nl = N * n//N

    for i in range(0, ml, N):   # 这里由于只是想实现剪切功能，暂时忽略边缘不足N*N的部分
        for j in range(0, nl, N):
            im = np.array(slide.read_region((i, j), 0, (N, N)))
            imageio.imwrite(dst_path + name + '_' + str(i) + '_' + str(j) + '.png', im)  # patch命名为‘x-y’

    slide.close()   # 关闭文件

注意：Openslide切出来的图片为4通道(RGBA)，如果想得到三通道(RGB)图像请使用下面方法~~

import os
import numpy as np
import cv2 as cv
import PIL.Image as Image
from PIL import ImageFile
ImageFile.LOAD_TRUNCATED_IMAGES = True
Image.MAX_IMAGE_PIXELS = None


clip_img_path = 'D:/CNN/GHHE/zhimi/'  # 切割后保存地址
img_floder = r'D:/CNN/GHHE/zhimi_tif/large'  # 原tif图片文件夹
img_list = os.listdir(img_floder)
print(img_list)


def pixel_equal(image, x, y):
    # 取图片像素点
    piex = image.load()[x, y]
    threshold1 = 250
    threshold2 = 30
    # 比较每个像素点的RGB值是否大于阈值
    if piex[0] > threshold1 and piex[1] > threshold1 and piex[2] > threshold1:
        return 1
    elif piex[0] < threshold2 and piex[1] < threshold2 and piex[2] < threshold2:
        return 2
    else:
        return 3


img_size = 1024
l = 0
right_num1 = 0  # 记录白色像素点个数
right_num2 = 0  # 记录黑色像素点个数
for img_name in img_list:
    name = img_name[:-4]
    # print(img_floder + '/' + img_name)
    img0 = Image.open(img_floder + '/' + img_name) #PIL的形式可以显示size
    img = np.array(Image.open(img_floder + '/' + img_name)) #array的形式才能显示shape
    print(img0.size)

    w, h = img0.size[0], img0.size[1]
    # print(h, w)

    for i in range(0, h, img_size):
        for j in range(0, w, img_size):
            end_i, end_j = i + img_size, j + img_size
            cropped = img[i:end_i, j:end_j]
            # img_orig = Image.fromarray(cv.cvtColor(cropped, cv.COLOR_BGR2RGB)) # bgr 转 rgb
            img_orig = Image.fromarray(cropped)  # 实现array到image的转换
            to_image = Image.new('RGB', (img_size, img_size))  # 创建1024大小图片

            to_image.paste(img_orig, (0, 0))
            # print(to_image.size)
            # to_image.save(clip_img_path + name + '_' + str(m) + '_' + str(n) + ".jpg")


            for m in range(0, to_image.size[0]): 
                for n in range(0, to_image.size[1]):
                    if pixel_equal(to_image, m, n) == 1:
                        right_num1 += 1
                    elif pixel_equal(to_image, m, n) == 2:
                        right_num2 += 1
                    else:
                        continue
            # print(right_num1, right_num2)
            
            # 剔除不符合要求的图片
            if right_num1 / (1024 * 1024) < 0.4 and right_num2 / (1024 * 1024) < 0.05:
                to_image.save(clip_img_path + name + '_' + str(l) + ".jpg")
                right_num1 = 0
                right_num2 = 0
            else:
                right_num1 = 0
                right_num2 = 0
            l += 1
    l = 0