使用python_openslide剪切大型tif图

已于 2022-04-25 20:51:41 修改
阅读量4k 收藏 12
点赞数 5
分类专栏： 图像处理 文章标签： python 图像处理
于 2022-04-25 19:34:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46050479/article/details/124410265
版权

使用python_openslide剪切大型tif图

全视野图像WSI都比较大，通常为10w×10w左右。为了能用他来训练算法需要将其剪切为瓦片（patch）。之前用GDAL切但是切的很慢。找了好久终于找到了使用python_openslide的用法，记录一下。

效果

目的：将11w×8.5w像素、1.5G的tif图切成512*512大小，切出来应该有3.8w左右个patch。

python_openslide：

把WSI（patch文件夹与WSI在同一目录）放在不同盘处理的速度不同，经过尝试得到数据（初始patch生成速度和最后patch生成速度数值上等于patch文件夹中按patch修改日期排序的第二分钟的文件数量和倒数第二分钟的文件数量）：

WSI及patch位置 初始patch生成速度 最后patch生成速度 全程用时
C盘 3724张/分钟 3280张/分钟 11分钟
D盘 2650张/分钟 1337张/分钟 25分钟
移动硬盘 2092张/分钟 445张/分钟 59分钟

切出来有36.5G。
速度差别还挺大的，应该是硬盘读取速度的原因吧。

上代码：


                

                
                
        

        

    




        

            

                    
                      最低0.47元/天 解锁文章
                        
                    
            

        

    

      

        

            

              
                
                  击飞兔
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                    5
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    12
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
关于金字塔格式转tiff并且openslide能获取到缩略图等标签信息

				
			

			

				

					qq_26611129的博客
				

				

					12-21
					
					1204
					
				

			

		

		

			
				
获取当前目录的描述信息val,将val通过换行符\r和\n进行拆分得到字符串数组lines,如果lines个数大于1，则再将lines[1]通过空格进行拆分得到字符串数组names，如果names不为空则将names[0]作为标签写入tiff。下面是我写的转tiff的工具，支持"thumbnail",“label”,"macro"三种标签的写入。那我们将"thumbnail”,“label”,"macro"写入tiff的时候，如何才能保证openslide能够获取到呢？添加该标签，添加后就能通过。

			
		

	



                

              
                



	

		

			

				
					
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞

				
			

			

				

					qq_64603703的博客
				

				

					07-27
					
					927
					
				

			

		

		

			
				
详细解说数据分析pandas库中的常用方法

			
		

	



                


  
              

                


	

		

			

				
					
WSI病理全片的快速切片，最高可加速60倍，使用openmp，cuda加速

				
			

			

				

					ZHIHUAJIA的博客
				

				

					06-04
					
					883
					
				

			

		

		

			
				
使用cuda和openmp对数十亿像素的wsi大图进行切分，最快4秒完成130000 x 130000像素的wsi大图的切分，c++高效版本

			
		

	





	

		

			

				
					
全网最详细Gradio教程系列5——Gradio Client: python

				
			

			

				

					shao918516的博客
				

				

					07-26
					
					1025
					
				

			

		

		

			
				
程序部署完成后，如何将Gradio App作为API访问使用呢，这就用到Gradio Client。本章讲解Gradio Client的三种使用方式：python、javascript和curl，受字数限制，所以分三篇博客发布。

使用Gradio Python Client非常易于将Gradio应用程序作为API使用，本节讲述gradio_client安装、如何连接Gradio应用程序、查看可用API及其使用方式、job及session等用法。

通过Gradio Python Cli

			
		

	



		

			
		



	

		

			

				
					
全面解析 SnowNLP：中文文本处理、情感分析

				
			

			

				

					有勇气的牛排博客
				

				

					07-24
					
					626
					
				

			

		

		

			
				
SnowNLP 是一个专门用于处理中文文本的 Python库。分词情感分析关键词提取文本分类拼音转换繁体转简体词相似度计算等测试环境：Python3.10.9尚未测出该功能text = "有勇气的牛排写的文章通俗易懂，爱了爱了"文本分类使用的是 SnowNLP 的情感分析模型。

			
		

	





	

		

			

				
					
Chapter 18 Python异常

					
最新发布

				
			

			

				

					2302_80253507的博客
				

				

					07-28
					
					1059
					
				

			

		

		

			
				
在Python中，异常是一种特定的对象，能够在程序运行过程中被抛出和处理。有效地管理异常不仅可以增强程序的稳定性，还可以提高用户体验，使程序能够优雅地处理错误情况。本章详细讲解了异常的基本概念以及如何捕获和处理异常。

			
		

	





	

		

			

				
					
安卓手机部署大模型实战

				
			

			

				

					奇舞周刊
				

				

					07-25
					
					876
					
				

			

		

		

			
				
本文作者系360奇舞团前端开发工程师前言自ChatGPT发布以来，大语言模型（Large language model, LLM)就成了AI乃至整个计算机科学的话题中心。学术界，工业界围绕大语言模型本身及其应用展开了广泛的讨论，大量的新的实践层出不穷。由于LLM对计算资源的需求极大，有能力部署大语言模型的公司和实验室一般通过搭建集群，然后开放API或者网页demo的方式让用户可以使用模型。在人们纷...

			
		

	





	

		

			

				
					
【Python数据增强】图像数据集扩充

				
			

			

				

					阿齐Archie
				

				

					07-25
					
					1949
					
				

			

		

		

			
				
该脚本用于图像数据增强，特别是目标检测任务中的图像和标签数据增强。通过应用一系列数据增强技术（如旋转、平移、裁剪、加噪声、改变亮度、cutout、翻转等），生成多样化的图像数据集，以提高目标检测模型的鲁棒性和准确性。

			
		

	





	

		

			

				
					
python语言利用Tkinter实现GUI计算器|（二）优化计算器：过滤用户不合理的输入

				
			

			

				

					人工智能视觉分析算法学习实践和经验分享。
				

				

					07-27
					
					745
					
				

			

		

		

			
				
python语言利用Tkinter实现GUI计算器|（二）优化计算器python语言利用Tkinter实现GUI计算器|（二）计算器打包。

			
		

	





	

		

			

				
					
【Python】 基于Q-learning 强化学习的贪吃蛇游戏（源码+论文）【独一无二】

				
			

			

				

					测试开发自动化
				

				

					07-26
					
					1476
					
				

			

		

		

			
				
贪吃蛇环境模块：定义了游戏规则、状态空间、动作空间，并实现了环境的重置和步进逻辑。Q-learning 算法代理模块：实现了 Q-learning 算法，用于学习和决策游戏中的动作选择。游戏窗口模块：使用 Tkinter 创建图形界面展示游戏过程，并与环境和 Q-learning 代理进行交互。该设计使得贪吃蛇游戏能够通过强化学习算法进行自动训练，并通过图形界面展示训练过程。👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 强化贪吃蛇 ” 获取，拿来即用。👈👈👈。

			
		

	





	

		

			

				
					
第G2周：人脸图像生成（DCGAN）

				
			

			

				

					lihuhelihu的博客
				

				

					07-23
					
					1026
					
				

			

		

		

			
				
除了生成器模型的输出层和判别器模型的输入层，在整个对抗网络的其它层上都使用了Batch Normalization，原因是Batch Normalization可以稳定学习，有助于优化初始化参数值不良而导致的训练问题。通过这些层的组合，输入的图像逐渐被降维并提取特征，最终输出一个标量值，表示输入图像被判别为真实图像的概率。总体来说，这段代码实现了GAN的训练过程，通过交替更新判别器和生成器的参数，目标是使生成器生成逼真的图像样本，同时判别器能够准确区分真实图像样本和生成图像样本。

			
		

	





	

		

			

				
					
【Python】Python化妆品评论贝叶斯情感分析可视化（源码+数据集）【独一无二】

				
			

			

				

					测试开发自动化
				

				

					07-28
					
					612
					
				

			

		

		

			
				
👉博__主👈：米码收割机👉技__能👈：C++/Python语言👉公众号👈：测试开发自动化【获取源码+商业合作】👉荣__誉👈：阿里云博客专家博主、51CTO技术博主👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

			
		

	





	

		

			

				
					
从0开始搭建vue + flask 旅游景点数据分析系统（四）：编写前端首页【数据驾驶舱】

				
			

			

				

					roccreed的专栏
				

				

					07-28
					
					254
					
				

			

		

		

			
				
- 本期我们编写数据驾驶舱页面(Dashboard)这个页面。
- 主要任务是引入echarts 组件编写数据驾驶舱页面。

			
		

	





	

		

			

				
					
NumPy冷知识 56个

				
			

			

				

					刘念卿的博客
				

				

					07-25
					
					940
					
				

			

		

		

			
				
Numpy冷知识

			
		

	





	

		

			

				
					
【CodinGame】趣味算法（教学用） CLASH OF CODE -20240725

				
			

			

				

					weixin_73002968的博客
				

				

					07-25
					
					365
					
				

			

		

		

			
				
趣味算法

			
		

	





	

		

			

				
					
使用协程实现调用接口 验证抽奖概率

				
			

			

				

					May_JL的博客
				

				

					07-24
					
					515
					
				

			

		

		

			
				
使用协程验证抽奖概率

			
		

	





	

		

			

				
					
python实现接缝雕刻算法

				
			

			

				

					qq_42568323的博客
				

				

					07-25
					
					72
					
				

			

		

		

			
				
接缝雕刻算法（Seam Carving Algorithm）是一种内容感知的图像缩放技术，可以智能地改变图像的尺寸，而不会明显影响其重要内容。它通过动态规划的方式寻找图像中的“接缝”，即在图像中从上到下或从左到右的像素路径，在不显著破坏图像内容的前提下，通过删除或插入这些接缝来缩放图像。接缝雕刻算法的核心思想是通过寻找和删除图像中的“低能量”路径来实现图像的无缝缩放。这些低能量路径被称为。算法的关键步骤包括计算图像的能量函数、动态规划寻找最优接缝，以及通过删除或插入接缝来缩放图像。

			
		

	





	

		

			

				
					
如何安装python

				
			

			

				

					2401_82353459的博客
				

				

					07-27
					
					245
					
				

			

		

		

			
				
以下的安装仅针对Windows10系统。

			
		

	





	

		

			

				
					
动手学大模型应用开发笔记--用dash开发一个大模型知识库

				
			

			

				

					2401_84204413的博客
				

				

					07-27
					
					729
					
				

			

		

		

			
				
动手学，把自己学到的东西动手自己做出来并输出，是最好的学习方式。最近一直在关注和使用各种ai工具，也在学一些ai开发的知识，看到datawhale的开源学习教程，动手学大模型开发( [github.com/datawhalech…])这个教程比较全面，正好可以结合自己常用的数据平台开发工具dash来开发一个web界面，做个简单的demo用起来，可以本地调用各种大模型api来和自己的文本知识库来对话。本来准备报名进群一起学习的，看到的时候报名时间刚好过了半天，就自己来自学一下了。

			
		

	





	

		

			

				
					
python安装 openslide

				
			

			

				

					08-19
				

			

		

		

			
				
要在 Python 中安装 openslide，您可以按照以下步骤进行操作：

1. 首先，确保您已经安装了 Python。可以在命令行中输入以下命令来检查 Python 是否已成功安装：

   ```
   python --version
   ```

   如果成功安装，将显示 Python 的版本号。

2. 接下来，打开命令行或终端，并使用以下命令安装 openslide-python 包：

   ```
   pip install openslide-python
   ```

   这将使用 pip 包管理器自动下载和安装 openslide-python。

3. 安装完成后，您可以在 Python 脚本中导入 openslide 模块并使用它。以下是一个简单的示例：

   ```python
   import openslide

   # 打开图像文件
   slide = openslide.OpenSlide('path/to/your/image')

   # 获取图像的宽度和高度
   width = slide.dimensions[0]
   height = slide.dimensions[1]

   # 获取图像的级别数量
   levels = slide.level_count

   # 关闭图像文件
   slide.close()
   ```

   请确保将 `'path/to/your/image'` 替换为您实际的图像文件路径。

请注意，openslide-python 是一个包装器，依赖于本地系统上已安装的 openslide 库。因此，在安装 openslide-python 之前，需要先安装 openslide 库。有关详细安装说明，请参阅 openslide 官方文档或相应的操作系统文档。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值