图像处理与渲染

# 图像处理与渲染 本参考指南涵盖了访问原始像素数据、图像渲染以及在 OMERO 中创建新图像的相关内容。 ## 访问原始像素数据 ### 获取单个平面 python # 获取图像 image = conn.getObject("Image", image_id) # 获取维度 size_z = image.getSizeZ() size_c = image.getSizeC() size_t = image.getSizeT() # 获取像素对象 pixels = image.getPrimaryPixels() # 获取单个平面（返回 NumPy 数组） z, c, t = 0, 0, 0 # 第一个 Z 轴切片、通道和时间点 plane = pixels.getPlane(z, c, t) print(f"形状: {plane.shape}") print(f"数据类型: {plane.dtype.name}") print(f"最小值: {plane.min()}, 最大值: {plane.max()}") ### 获取多个平面 python import numpy as np # 获取特定通道和时间点的 Z 轴堆栈 pixels = image.getPrimaryPixels() c, t = 0, 0 # 第一个通道和时间点 # 构建 (z, c, t) 坐标列表 zct_list = [(z, c, t) for z in range(size_z)] # 一次获取所有平面 planes = pixels.getPlanes(zct_list) # 堆叠为 3D 数组 z_stack = np.array([p for p in planes]) print(f"Z 轴堆栈形状: {z_stack.shape}") ### 获取超立方体（5D 数据的子集） python # 获取 5D 数据的子集 (Z, C, T) zct_list = [] for z in range(size_z // 2, size_z): # Z 轴的后半部分 for c in range(size_c): # 所有通道 for t in range(size_t): # 所有时间点 zct_list.append((z, c, t)) # 获取平面 planes = pixels.getPlanes(zct_list) # 处理每个平面 for i, plane in enumerate(planes): z, c, t = zct_list[i] print(f"平面 Z={z}, C={c}, T={t}: 最小值={plane.min()}, 最大值={plane.max()}") ### 获取切片（感兴趣区域） python # 定义切片坐标 x, y = 50, 50 # 左上角 width, height = 100, 100 # 切片大小 tile = (x, y, width, height) # 获取特定 Z, C, T 的切片 z, c, t = 0, 0, 0 zct_list = [(z, c, t, tile)] tiles = pixels.getTiles(zct_list) tile_data = tiles[0] print(f"切片形状: {tile_data.shape}") # 应为 (height, width) ### 获取多个切片 python # 从 Z 轴堆栈获取切片 c, t = 0, 0 tile = (50, 50, 100, 100) # x, y, width, height # 构建带切片的列表 zct_list = [(z, c, t, tile) for z in range(size_z)] tiles = pixels.getTiles(zct_list) for i, tile_data in enumerate(tiles): print(f"切片 Z={i}: {tile_data.shape}, 最小值={tile_data.min()}") ## 图像直方图 ### 获取直方图 python # 获取第一个通道的直方图 channel_index = 0 num_bins = 256 z, t = 0, 0 histogram = image.getHi