napari图像可视化

一、napari 简介

napari 是一个基于 PyQt 的快速、交互式多维图像查看器。

napari: a fast, interactive viewer for multi-dimensional images in Python
🥗napari 官网首页：https://napari.org/0.4.18/index.html#
🥪napari 使用案例：https://napari.org/0.4.18/gallery.html#gallery

• 提供了一个用户友好的界面，允许用户加载、查看、分析和编辑各种类型的图像数据，包括二维图像、三维体积数据以及多通道图像数据。
• napari 的 GUI 图形用户界面是基于 PyQt 库创建的
• 支持自定义界面及数据交互：用户通过 PyQt 自定义组件，然后将其添加到 napari 图层，就可以实现组件自定义以及数据交互。

二、napari 使用指南

2.1、napari安装

• 安装napari：pip install napari
• 更新napari：pip install --upgrade napari

2.2、napari —— 巨巨巨大的一个BUG

• 【BUG】：点击View - Toggle Full Screen将最大化软件界面，且菜单栏和很多按钮都将不可用。
• 【影响】：此时，想要任何操作都无法退出最大化，即使关闭后重试，卸载后重试都无法达到，没有试过关机后重试。
• 【解决方法】：Window + Tab切换窗口，菜单栏可以短暂有效且可点击，瞬间点击View - Toggle Full Screen，可解除BUG。

2.3、napari界面

2.3.1、菜单栏（File + View + Plugins + Window + Help）

File（文件）
1	Open File	打开文件
2	Opencv File as Stack	打开文件（适用于大尺度）
3	Open Sample + napari builtins（提供了很多的内置样本）	初学者可以直接导入后研究
4	Preferences	设置（主题 + 快捷键等等）
5	Save Selected Layer(s)（所有帧图像）	保存选定的单层或多层（指定后缀，修改图像格式）
6	Save All Layers（所有帧图像）	保存所有层（指定后缀，修改图像格式）
7	Save Screenshot（单帧图像）	保存当前窗口内容（不显示界面）
8	Save Screenshot with Viewer（单帧图像）	保存整个视图内容（图像 + 界面）

• Plugins（插件）：安装和卸载插件（也可以自定义）

View（视图）
1	Axes	轴
2	Scale Bar	刻度条
3	Toggle Full Screen	切换全屏
4	Toggle Menubar Visibity	切换菜单可见性
5	Toggle Paly	切换面板
6	Toggle Layer Tooltips	切换图层工具提示
7	Toggle Activity Dock	切换活动区

Window（窗口）
1	console	控制面板（命令行窗口）
2	layer controls	图层控制（点层、形状层、标签层）
3	layer list	图层列表

Help（帮助）	直接跳转官网页面
1	Getting started	开始
2	Tutorials	教程
3	Using Layers Guides	使用图层指南
4	Examples Gallery	示例图库
5	Release Notes	版本说明
6	napari homepage	napari 主页
7	napari Info	napari 信息

2.3.2、Window：layer list（参数详解）

2.3.3、Window：layer controls（点层 + 形状层 + 标签层）

三、项目实战

3.0、启动napari

在命令窗口中，输入指令：napari，将显示 napari 的初始化界面。
可以直接拖拽一个或多个图像到界面中进行图形化显示。

3.1、查看图像层：napari.view_image()

import napari
import numpy as np

if __name__ == '__main__':
    image_data = np.ones(shape=(512, 512))  # 创建示例图像

    napari.view_image(image_data, name='image')  # 查看图像层
    napari.run()  # 启动 napari 事件循环，使得窗口保持打开并可交互。

"""#########################################################################################################
# 函数功能：用于在 napari 视图中快速查看图像。
# 函数说明：napari.view_image(data, *, channel_axis=None, rgb=None, colormap=None, contrast_limits=None, gamma=None, 
#                           interpolation='nearest', rendering='mip', iso_threshold=0.5, attenuation=0.5, name=None, 
#                           metadata=None, scale=None, translate=None, rotate=None, shear=None, affine=None, 
#                           opacity=1.0, blending='translucent', visible=True, path=None, title='napari', **kwargs)
# 输入参数：
#         data:             图像数据，可以是 NumPy 数组。
#         channel_axis:     如果数据有多个通道，可以指定通道轴。
#         rgb:              指定数据是否为 RGB 格式。
#         colormap:         图像的颜色映射。
#         contrast_limits:  图像对比度的上下限。
#         gamma:            应用到颜色映射的伽马校正值。
#         interpolation:    图像显示的插值方法，如 'nearest'、'bilinear' 等。
#         rendering:        图像渲染模式，如 'mip'（最大强度投影）。
#         iso_threshold:    用于等值面渲染的阈值。
#         attenuation:      用于光线投射渲染的衰减系数。
#         name:             图层名称。
#         metadata:         图层的元数据。
#         scale:            图像的比例因子。
#         translate:        图像的平移因子。
#         rotate:           图像的旋转因子。
#         shear:            图像的剪切因子。
#         affine:           图像的仿射变换。
#         opacity:          图层的不透明度。
#         blending:         图层的混合模式。
#         visible:          图层的可见性。
#         path:             图像文件的路径。
#         title:            视图窗口的标题。
#         **kwargs:         其他关键字参数。
#########################################################################################################"""

3.2、添加图像层：viewer.add_image()

import napari
import numpy as np

if __name__ == '__main__':
    image_data = np.ones(shape=(512, 512))  # 创建示例图像

    viewer = napari.Viewer()  # 创建napari视图
    viewer.add_image(image_data, name="image", colormap='red')  # 添加图像（指定红色）
    napari.run()  # 启动 napari 事件循环，使得窗口保持打开并可交互。

################################################################################
# 隐藏面板
# viewer.window.qt_viewer.controls.hide()  # 隐藏后不可使用该功能（重新打开也不行）
# viewer.window.qt_viewer.layers.hide()

# viewer.window.qt_viewer.controls.close()
# viewer.window.qt_viewer.layers.close()
################################################################################

"""
#########################################################################################################
# 函数功能：用于在 napari 视图中添加图像图层，可以添加和编辑多个图像。
# 函数说明：viewer.add_image(data, *, name=None, scale=None, translate=None, contrast_limits=None,
#                          colormap=None, blending=None, visible=True, opacity=1.0, interpolation='bilinear',
#                          rendering='mip', rgb=None, colormap_range=None)
# 输入参数：
#       - data：             必选参数，图像数据。通常是一个 NumPy 数组，表示图像的像素值。可以是 2D 图像、3D 图像或多通道图像，具体取决于您的数据。
#       - name：             可选参数，图像名称，将在napari查看器中显示。
##########################################
#         scale：            可选参数，图像的缩放因子。默认为 None，表示不进行缩放。
#         translate：        可选参数，图像的平移量。默认为 None，表示不进行平移。
#         rotate：           可选参数，图像的旋转角度。默认为 None，表示不进行旋转。
#         interpolation：    可选参数，图像的插值方法。用于在缩放或变换时平滑图像。
                                    默认为 'linear'，表示线性插值。其他可能的值包括 'nearest'（最近邻插值）等。
##########################################
#         rgb：              可选参数，（布尔值）用于指示输入图像是否为RGB彩色图像。
#       - colormap：         可选参数，图像的颜色映射。默认为 'gray'，表示灰度图。可以选择其他颜色映射，如 'viridis'、'cividis' 等。
#         colormap_range：   可选参数，颜色映射的范围。可以是字符串，例如"auto"或"full"，表示自动计算颜色映射范围或使用完整范围。
##########################################
#         blending：         可选参数，图像的混合模式。即图像如何与其他图层叠加。
#                                   默认为 'translucent'，表示半透明。其他可能的值包括 'opaque'（不透明）和 'additive'（叠加）等。
#         visible：          可选参数，图像是否可见。默认为 True，表示图像可见。
#         opacity：          可选参数，图像的不透明度。默认为1.0，表示完全不透明。
##########################################
#       - contrast_limits：  可选参数，调整图像的对比度，默认为 None，表示不进行对比度调整。
#                                   通常是一个包含两个值的元组，表示对比度的最小和最大值。例如 (0, 255)，图像的像素值将线性映射到指定的范围内。
#       - gamma：            可选参数，调整图像的伽马校正。默认为 1.0，表示不进行伽马校正。
#                                   较低的值可以增加图像的亮度，较高的值可以增加图像的对比度。
##########################################
#       - rendering：        可选参数，图像的渲染方法。不同的渲染方法可以影响图像的可视化效果。
                    'mip'（默认值）：     	最大强度渲染。	选择每个像素沿视线方向上的最大值来渲染图像。通常用于显示有深度信息的图像，如体绘图。
                    'minimum'：			 	最小强度渲染。	选择每个像素沿视线方向上的最小值来渲染图像。通常用于查看图像中的最暗特征，如血管。
                    'attenuated_mip'：   	衰减最大强度投影。根据深度进行衰减，距离视线近的像素比远处的像素更容易看到。适用于可视化深度信息的图像。                    
                    'translucent'：      	半透明渲染。		根据像素的亮度来渲染图像，较暗的像素会显示为半透明。适用于需要突出细节的图像。
                    'translucent_no_depth'：半透明但不考虑深度信息渲染。
                    'additive'：         	多通道渲染。		将像素的亮度相加，而不是取最大值。适用于需要将多个图像叠加在一起的情况，如叠加多通道的彩色图像。
                    'iso'：              	等值面渲染。		将图像中所有像素值相同的区域渲染为等值面，适用于可视化等值面数据的图像。
#########################################################################################################
"""

3.2.1、添加图像层：viewer.add_image() —— 添加多张图像，（指定）多通道叠加显示（rendering=“additive”）

import napari
import tifffile


if __name__ == '__main__':
    # 加载两张图像
    image_path1 = r'D:\BIRDS\_coach_path_561temp_BIRDS\registration\coarse\downSampleImage.tif'
    image_path2 = r'D:\BIRDS\_coach_path_561temp_BIRDS\registration\coarse\lineImage.tif'
    SampleImage = tifffile.imread(image_path1)
    lineImage = tifffile.imread(image_path2)

    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(SampleImage[500], name='SampleImage')  # 添加图像
    viewer.add_image(lineImage[500], name='lineImage', colormap='green', rendering="additive")  # 添加图像
    napari.run()  # 显示 napari 视图

3.2.2、添加图像层：viewer.add_image() —— 添加多张图像，（自动）切换到n维显示模式（Toggle ndisplay）

import napari
import tifffile


if __name__ == '__main__':
    # 加载两张图像
    image_path1 = r'C:\Users\Administrator\Desktop\py\SampleImage.tif'
    image_path2 = r'C:\Users\Administrator\Desktop\py\lineImage.tif'
    SampleImage = tifffile.imread(image_path1)
    lineImage = tifffile.imread(image_path2)

    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(SampleImage, name='SampleImage', colormap='red')  # 添加图像
    viewer.add_image(lineImage, name='lineImage', colormap='green')  # 添加图像
    viewer.grid.enabled = not viewer.grid.enabled  # 切换到网格模式
    napari.run()  # 显示 napari 视图

3.2.3、添加图像层：viewer.add_image() —— 添加多张图像，（自动）切换到网格模式（Toggle grid mode）

import napari
import tifffile


if __name__ == '__main__':
    # 加载两张图像
    image_path1 = r'C:\Users\Administrator\Desktop\py\SampleImage.tif'
    image_path2 = r'C:\Users\Administrator\Desktop\py\lineImage.tif'
    image_data1 = tifffile.imread(image_path1)
    image_data2 = tifffile.imread(image_path2)

    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(image_data1, name='Image 1', colormap='red')  # 添加图像
    viewer.add_image(image_data2, name='Image 2', colormap='green')  # 添加图像
    viewer.grid.enabled = not viewer.grid.enabled  # 切换到网格模式
    napari.run()  # 显示 napari 视图

3.2.4、添加图像层：viewer.add_image() —— 获取图像层的slice值

（1）在 napari 中，通过访问 viewer.dims.current_step 属性可以获取当前图像层的属性。其中：viewer.dims.current_step[0] 表示获取 slice 值。
（2）通过slice滑动条可以更改当前slice，但 viewer.dims.current_step 的值不会自动更新，可以使用回调函数来监听 viewer.dims.events 的变化。

import napari
import numpy as np


def update_current_slice(event):
    """获取更新的切片值"""
    current_slice = viewer.dims.current_step[0]  # 获取当前 slice 值
    print(f"Current Slice Value: {current_slice}")


if __name__ == '__main__':
    image_data = np.random.rand(10, 100, 100)

    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(image_data, name='My Image')  # 添加图像图层
    viewer.dims.events.current_step.connect(update_current_slice)  # 监听 dims 的变化
    napari.run()  # 显示 napari 视图

3.2.5、添加图像层：viewer.add_image() —— 获取图像层的参数

import napari
import numpy as np

if __name__ == '__main__':
    image_data = np.random.rand(10, 100, 100)  # 创建一个三维图像数据 (10 slices, 100x100 pixels)

    viewer = napari.Viewer()  # 创建 napari 视图
    image_layer = viewer.add_image(image_data, name='Image', contrast_limits=None, gamma=1)  # 添加图像层
    """（1）获取图层中默认或指定的参数值。"""
    print(f"对比度限制={image_layer.contrast_limits}, 伽马校正={image_layer.gamma}, 不透明度={image_layer.opacity}")
    napari.run()  # 显示 napari 视图

    """（2）若在图层中修改参数，则获取修改后的参数值。"""
    print(f"对比度限制={image_layer.contrast_limits}, 伽马校正={image_layer.gamma}, 不透明度={image_layer.opacity}")

    viewer.layers.clear()  # 清空图层
    """（3）将修改后的参数应用到新的图像上"""
    image_layer_new = viewer.add_image(image_data, name='Image', contrast_limits=image_layer.contrast_limits, gamma=image_layer.gamma)
    print(f"对比度限制={image_layer_new.contrast_limits}, 伽马校正={image_layer_new.gamma}, 不透明度={image_layer_new.opacity}")

"""
对比度限制=[8.243654331385741e-07, 0.9999989837185992], 伽马校正=1, 不透明度=1.0
对比度限制=[8.243654331385741e-07, 0.9999989837185992], 伽马校正=1, 不透明度=0.26573426573426573
对比度限制=[8.243654331385741e-07, 0.9999989837185992], 伽马校正=1, 不透明度=1.0
"""

3.3、添加点云层：viewer.add_points() —— 获取点坐标

import napari
import numpy as np

if __name__ == '__main__':
    viewer = napari.Viewer()  # 创建 napari 视图
    points_layer = viewer.add_points(name='Points')  # 添加点层
    points_layer.data = np.array([[100, 100], [200, 200], [300, 300]])  # 添加指定的点到点层
    points_layer.mode = 'add'  # 设置点层的模式（直接开始绘制点）
    napari.run()  # 启动 napari 事件循环，使得窗口保持打开并可交互。
    
    print(f"Points coordinates:\n {points_layer.data}")


"""#####################################################
模式选项包括：
    points_layer.mode = 'pan_zoom'  # 切换到平移和缩放模式
    points_layer.mode = 'select'  # 切换到选择模式
    points_layer.mode = 'add'  # 切换到添加模式
#####################################################"""


"""#########################################################################################################
# 函数功能：用于在 napari 视图中添加点图层，可以添加和编辑多个点。
# 函数说明：viewer.add_points(data=None, *, name=None, size=10, face_color='white', edge_color='dimgray', 
#                            edge_width=0.05, symbol='o', opacity=1, blending='translucent', visible=True)
# 输入参数：
#       - data：       点的坐标。数组的形状为(N, D)，其中：N表示点的数量，D表示点的维度。若为二维图像，D为2，表示(x,y)坐标
#       - size：       每个点的直径大小
#       - face_color： 每个点的填充颜色
#         edge_color： 每个点的边缘颜色
#       - edge_width： 每个点的边缘宽度
#         symbol：     每个点的符号形状。默认圆形点: 'o'
#                             's'：方形点      '+'：十字形点     'x'：X形点     'd'：菱形点      '>'：朝右箭头    '<'：朝左箭头
#                             '^'：朝上箭头     'v'：朝下箭头     '1'：下箭头    '2'：上箭头      '3'：左箭头      '4'：右箭头
#
#       - name：       图层的名称
#         opacity：    图层的不透明度。取值范围为 0（完全透明）到 1（完全不透明）之间。
#         blending：   图层的混合模式，'translucent'（半透明）、'opaque'（不透明）、'additive'（叠加）
#         visible：    图层的可见性
#########################################################################################################"""

3.3.1、添加点云层：viewer.add_points() —— 绘制3D小球（指定像素值）

viewer.add_points()：在图像上添加点云数据，故需要添加图像层之后再添加点云数据。

import napari
import numpy as np


if __name__ == '__main__':
    # （1）新建图像
    marked_image = np.random.rand(10, 10, 10)
    marked_image[2:3, 1:4, 5:6] = 2
    marked_image[5:8, 4:7, 5:9] = 2

    # （2）提取坐标
    gray_value = 2  # 指定像素
    indices = np.argwhere(marked_image == gray_value)  # 获取像素的坐标

    # （3）绘制点层
    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(marked_image)  # 添加图像
    viewer.add_points(indices[:, [0, 1, 2]], size=1, face_color='red', shading='spherical', edge_width=0)  # 添加点云
    viewer.dims.ndisplay = 3  # 切换到n维显示模式
    napari.run()  # 显示 napari 视图

3.3.2、添加点云层：viewer.add_points() —— 保存3D小球（napari不支持，自定义绘制）

import numpy as np
import tifffile
import napari

if __name__ == '__main__':
    points = np.random.randint(0, 100, size=(50, 3))  # 在[0, 100)内生成随机50个3D坐标
    ##########################################################################################################
    viewer = napari.Viewer()  # 创建 napari 视图
    point_layer = viewer.add_points(points, size=10, shading='spherical', edge_color='red', face_color='blue')
    napari.run()  # 显示 napari 视图
    ##########################################################################################################
    # 保存结果
    image_shape = np.zeros((100, 100, 100), dtype=np.uint8)  # 创建一个100x100x100的空白图像
    blank_image = np.zeros((*image_shape.shape, 3), dtype=np.uint8)
    for point in points:  # 在空白图像上绘制3D圆
        x, y, z = point
        rr, cc, dd = np.meshgrid(range(image_shape.shape[0]), range(image_shape.shape[1]), range(image_shape.shape[2]), indexing='ij')
        distance = np.sqrt((rr - x)**2 + (cc - y)**2 + (dd - z)**2)
        circle_radius = 5  # 3D圆的半径
        circle_mask = distance <= circle_radius
        blank_image[circle_mask, 0] = 255  # 红色通道设置为255，表示红色
        blank_image[circle_mask, 1] = 0    # 绿色通道设置为0，表示绿色
        blank_image[circle_mask, 2] = 0    # 蓝色通道设置为0，表示蓝色
    tifffile.imsave('output_image.tif', blank_image)  # 保存图像

3.4、添加形状层：viewer.add_shapes()

import napari
import numpy as np

if __name__ == '__main__':
    image = np.ones(shape=(512, 512))  # 创建示例图像

    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(image, name='Image')  # 添加图像层
    shapes_layer = viewer.add_shapes(name='Shapes')  # 添加形状层
    shapes_layer.mode = 'select'  # 设置形状层的模式（直接开始绘制线条）
    napari.run()  # 启动 napari 事件循环，使得窗口保持打开并可交互。


"""#####################################################
模式选项包括：
    'select'        ：选择模式，可以选择已有的形状。
    'direct'        ：直接模式，可以直接编辑现有的形状。
    'pan_zoom'      ：平移和缩放模式。
    'add_rectangle' ：绘制矩形模式。
    'add_ellipse'   ：绘制椭圆模式。
    'add_line'      ：绘制线条模式。
    'add_path'      ：绘制路径模式。
    'add_polygon'   ：绘制多边形模式。
#####################################################"""


"""#########################################################################################################
# 函数功能：用于在 napari 视图中添加形状图层，可以添加和编辑多种形状。
# 函数说明：viewer.add_shapes(data=None, *, name=None, shape_type='rectangle', face_color='white', edge_color='black',
#                           edge_width=1, opacity=0.7, blending='translucent', visible=True)
# 输入参数：
#       - data：       形状坐标的数组或列表。每个形状为(N, D)，其中：N表示形状的顶点数量，D表示形状的维度。若为二维图像，D为2，表示(x,y)坐标
#       - shape_type： 形状的类型。默认为 'rectangle'，表示绘制矩形。其他可能的值包括 'line'（线条）、'ellipse'（椭圆）等。
#         face_color： 形状的填充颜色
#         edge_color： 形状的边框颜色
#         edge_width： 形状的边框宽度
#
#       - name：       图层的名称
#         opacity：    图层的不透明度，范围是 0 到 1。默认是 0.7。
#         blending：   图层的混合模式，'translucent'（半透明）、'opaque'（不透明）、'additive'（叠加）
#         visible：    图层的可见性
#########################################################################################################"""

3.4.1、添加形状层：viewer.add_shapes() —— 获取线条坐标（起点和终点）

• 根据绘制线条时的方向，获取线条的起点和终点。
• 切换到n维显示模式，将导致线条绘制无法选定；但切换到网格模式不会有影响。
• shapes层和image_data层是两个独立的层，故线的坐标映射到image_data需要进行高度和宽度限制。

import napari
import numpy as np


def print_coordinate(image=None, shapes_layer=None):
    """打印线条的坐标（检查并截断越界的线条）"""
    if shapes_layer.data:  # 检查图层是否存在数据
        for index, line_coordinates in enumerate(shapes_layer.data):  # 遍历线条坐标
            print(f"line_coordinates{index} = {line_coordinates}")  # 左上角 + 右下角
            # 检查是否越界
            min_x = np.clip(int(np.min(line_coordinates[:, 0])), 0, image.shape[1])  # 若越界，则截断
            max_x = np.clip(int(np.max(line_coordinates[:, 0])), 0, image.shape[1])  # 若越界，则截断
            if min_x == max_x: max_x = min_x + 5  # 0 == 0
            min_y = np.clip(int(np.min(line_coordinates[:, 1])), 0, image.shape[2])  # 若越界，则截断
            max_y = np.clip(int(np.max(line_coordinates[:, 1])), 0, image.shape[2])  # 若越界，则截断
            if min_y == max_y: max_y = min_y + 5  # 0 == 0
            print(f"line_coordinates{index} = {min_x, min_y, max_x, max_y}\n")  # 左上角 + 右下角


if __name__ == '__main__':
    image = np.ones(shape=(100, 512, 512))  # 创建示例图像

    viewer = napari.Viewer()  # 创建 napari 视图
    viewer.add_image(image, name='Random Image')  # 添加图像层
    shapes_layer = viewer.add_shapes(name='Shapes')  # 添加形状层
    shapes_layer.mode = 'add_line'  # 设置形状层的模式（直接开始绘制线条）
    napari.run()  # 启动 napari 事件循环，使得窗口保持打开并可交互。
    print_coordinate(image=image, shapes_layer=shapes_layer)

3.4.1、添加形状层：viewer.add_shapes() —— 获取矩形坐标（左上角+右下角）

import napari
import numpy as np
from PyQt5.QtWidgets import QWidget, QHBoxLayout, QPushButton


def napari_previewImage(image, shapes_layer):
    #####################################################################
    # 打印自定义区域或默认区域的角坐标
    print(f"shapes_layer.data = {shapes_layer.data[0]}")
    # 计算矩形所覆盖的区域
    rectangle_coords = shapes_layer.data[0]
    min_x = np.clip(int(np.min(rectangle_coords[:, 0])), 0, image.shape[1])  # 若越界，则截断
    max_x = np.clip(int(np.max(rectangle_coords[:, 0])), 0, image.shape[1])  # 若越界，则截断
    if min_x == max_x: max_x = min_x + 5  # 0 == 0
    min_y = np.clip(int(np.min(rectangle_coords[:, 1])), 0, image.shape[2])  # 若越界，则截断
    max_y = np.clip(int(np.max(rectangle_coords[:, 1])), 0, image.shape[2])  # 若越界，则截断
    if min_y == max_y: max_y = min_y + 5  # 0 == 0
    print(f"rectangle_coords = {min_x, max_x, min_y, max_y}")  # 左上角 + 右下角
    selected_slice = image[:, min_x:max_x, min_y:max_y]
    #####################################################################
    viewer = napari.Viewer()
    viewer.add_image(selected_slice, name='selected_slice')
    napari.run()
    """
    shapes_layer.data中的矩形由四个顶点定义，顶点的顺序如下：
        左上角（Top-left）、右上角（Top-right）、右下角（Bottom-right）、左下角（Bottom-left）
    """


def napari_image(image):
    viewer = napari.Viewer()
    viewer.add_image(image, name='Image')
    #####################################################################
    # （1）添加固定大小的矩形形状层
    half_height = image.shape[1] // 4
    half_width = image.shape[2] // 4
    # rectangle_points = np.array([[0, 0], [100, 0], [100, 100], [0, 100]])  # 四个角点的坐标
    # shapes_layer = viewer.add_shapes(data=[rectangle_points], shape_type='rectangle', edge_width=10, edge_color='red')
    shapes_layer = viewer.add_shapes(shape_type='rectangle', edge_width=10, edge_color='red')
    shapes_layer.data = np.array([[0, 0], [half_height, 0], [half_height, half_width], [0, half_width]])  # 四个角点的坐标
    shapes_layer.mode = 'select'
    #####################################################################
    # （2）在napari中，新建一个按钮组件。用于提取预览图像
    layout = QHBoxLayout()
    load_button = QPushButton("Extract Image")
    load_button.clicked.connect(lambda: napari_previewImage(image, shapes_layer))
    layout.addWidget(load_button)
    widget = QWidget()
    widget.setLayout(layout)
    viewer.window.add_dock_widget(widget, area='right')
    #####################################################################
    napari.run()


if __name__ == '__main__':
    image = np.random.random((100, 512, 512))
    napari_image(image)

四、扩展功能：使用PyQt自定义组件，并添加到napari界面，且完成数据交互。

• 备注：napari没有提供鼠标点击事件的接口。
• 在napari中自定义组件与PyQt新建组件的方法相同，只需要将组件的主窗口添加到napari界面的控制面板中。
  • viewer.window.add_dock_widget(widget, area='right')
  • 其中：viewer表示指定的napari界面，widget是插件的主窗口。
  • 功能：将自定义组件添加到主窗口中，然后将窗口显示在指定的napari界面的右侧区域。

import tifffile
import napari
import numpy as np
import sys
import os
from PyQt5.QtWidgets import QApplication, QMainWindow, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QLineEdit, \
    QPushButton, QFileDialog, QTextEdit, QSlider, QCheckBox
from PyQt5.QtCore import Qt


class Window(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("Window")
        ##########################################################
        layout = QVBoxLayout()
        button_layout = QHBoxLayout()

        self.load_button = QPushButton("Load Image", self)
        self.load_button.clicked.connect(self.load_image)
        self.image_name_label = QLabel("")

        button_layout.addWidget(self.load_button)
        button_layout.addWidget(self.image_name_label)
        layout.addLayout(button_layout)
        ##########################################################
        widget = QWidget()
        widget.setLayout(layout)
        self.setCentralWidget(widget)
        ##########################################################
        # 初始化参数
        self.image_path = ""
        self.image_name = ""
        ##########################################################

    def load_image(self):
        file_dialog = QFileDialog()
        image_path, _ = file_dialog.getOpenFileName(self, "Select Image", "", "Image Files (*.tif *.png *.jpg *.jpeg)")

        if image_path:
            self.image_path = image_path
            self.image_name = os.path.basename(image_path)
            self.image_name_label.setText(self.image_name)
            self.image_slices = tifffile.imread(image_path)

            self.napari_gray_view()  # 调用napari_gray_view方法来显示第一个切片

    def napari_gray_view(self):
        # （1）napari：创建视图、添加图层、显示视图
        self.viewer = napari.Viewer()  # 创建napari视图
        self.viewer.add_image(self.image_slices, name='image')  # 添加napari图层
	    # napari.run()  # 显示napari图形界面
	    # 备注：若不添加napari.run()，将避免程序阻塞问题（一直等待界面关闭）
        #########################################################################
        # （2）自定义组件
        #########################################################################
        # （2.1）创建滑动条
        self.slider = QSlider()  # 新建滑动条
        self.slider.setMinimum(0)  # 设置滑动条的最小值
        self.slider.setMaximum(np.max(self.image_slices))  # 设置滑动条的最大值
        self.slider.setValue(0)  # 设置滑动条的初始值
        # （2.2）创建标签
        self.slider_label = QLabel(str(self.slider.value()))
        # （2.3）复选框
        self.checkbox = QCheckBox("checkbox")  # 复选框
        self.slider.setEnabled(False)  # 复选框的初始状态：False
        self.input_box = QLineEdit()  # 新建输入框
        self.input_box.setEnabled(True)  # 复选框的初始状态：True
        self.input_label = QLabel("range: " + str(np.min(self.image_slices)) + "/" + str(np.max(self.image_slices)))  # 输入框标签

        # （3）创建布局并将滑动条和标签添加到布局中
        layout = QVBoxLayout()
        layout.addWidget(self.slider)
        layout.addWidget(self.slider_label)
        layout.addWidget(self.checkbox)
        layout.addWidget(self.input_box)
        layout.addWidget(self.input_label)
        # （4）创建一个QWidget作为插件的主窗口
        widget = QWidget()
        widget.setLayout(layout)
        # （5）连接复选框的状态变化信号与槽函数
        self.checkbox.stateChanged.connect(self.onCheckboxStateChanged)
        self.slider.valueChanged.connect(self.napari_update_gray)  # 根据滑动条的值，显示第一个切片
        self.input_box.returnPressed.connect(self.napari_update_gray)  # 根据输入框的值，显示第一个切片

        # （6）将插件的主窗口添加到napari界面的控制面板中
        self.viewer.window.add_dock_widget(widget, area='right')  # 添加到napari的右侧
        #########################################################################
        # （7）napari：显示视图
        self.viewer.window.show()

    def onCheckboxStateChanged(self, state):
        if state == Qt.Checked:
            self.slider.setEnabled(True)
            self.input_box.setEnabled(False)
        else:
            self.slider.setEnabled(False)
            self.input_box.setEnabled(True)

    def napari_update_gray(self):
        # （1）获取napari视图中的图层对象，并获取图像数据
        napari_image = self.image_slices.data
        # （2）获取当前切片滑动条的值
        current_slice = int(self.viewer.dims.current_step[0])
        # （3）获取当前灰度滑动条的值
        self.slider_label.setText(str(self.slider.value()))
        if self.checkbox.isChecked():
            current_gray = self.slider.value()
        else:
            current_gray = int(self.input_box.text())
        print("current_slice:", current_slice, "current_gray:", current_gray)


if __name__ == '__main__':
    app = QApplication(sys.argv)
    window = Window()
    window.show()
    sys.exit(app.exec_())