使用 scikit-image 进行图像处理

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

划痕试验时间序列分析。

图像处理在当今非常适用，对于2019冠状病毒疾病，无论是开发治疗方法还是寻找检测病毒的新方法，都给全球的研究人员带来了新的挑战。为了对 2019冠状病毒进行研究，研究人员通常需要对图像进行大量计算，以检测有助于得出新见解和结论的特定元素。

在这篇文章中，我将介绍图像处理的基础知识和一个小教程，详细介绍如何将图像处理用于阈值和分割，这是图像处理中两种非常强大的技术。在文章中，我们将使用 scikit-image，因此可能需要 Python 的基本背景知识和一些高等数学知识才能完全理解该概念。

什么是 scikit-image？

scikit-image 是一个专门用于图像处理的 Python 库，它可以与 Scipy 库和其他可能有助于计算的 Python 库一起使用，为了充分使用 scikit-image，用户还必须使用 Matplotlib 来显示转换后的图像并进行图像分析。在本教程中，我们将使用 scikit-image 库、Matplotlib 和 NumPy 中的特定函数来对划痕检测进行分析。

什么是划痕检测？

除非我们有丰富的生物学经验，否则大多数人可能不知道什么是划痕试验，我将简要概述什么是划痕检测，然后直接进入教程。

划痕试验是生物学家用来跟踪细胞运动和相互作用的一种技术，具体来说，生物学家在培养皿中采集细胞样本，并在细胞平面上制造人工伤口，在开发人造伤口后，生物学家会定期拍摄任何细胞运动的图像，以开发出一系列用于分析的图像。

在下面的教程中，我们将处理下面提供的图像，因此在开始之前下载此图像并将其添加到我们的项目目录中。