Histolab 可视化

# 可视化 ## 概述 Histolab 提供了几种内置的可视化方法，以帮助检查切片、预览切片位置、可视化掩码并评估提取质量。适当的可视化对于验证预处理工作流、调试提取问题以及展示结果至关重要。 ## 切片可视化 ### 缩略图显示 python from histolab.slide import Slide import matplotlib.pyplot as plt slide = Slide("slide.svs", processed_path="output/") # 显示缩略图 plt.figure(figsize=(10, 10)) plt.imshow(slide.thumbnail) plt.title(f"Slide: {slide.name}") plt.axis('off') plt.show() ### 将缩略图保存到磁盘 python # 将缩略图保存为图像文件 slide.save_thumbnail() # 保存到 processed_path/thumbnails/slide_name_thumb.png ### 缩放图像 python # 获取特定下采样因子的切片缩放版本 scaled_img = slide.scaled_image(scale_factor=32) plt.imshow(scaled_img) plt.title(f"Slide at 32x downsample") plt.show() ## 掩码可视化 ### 使用 locate_mask() python from histolab.masks import TissueMask, BiggestTissueBoxMask # 可视化 TissueMask tissue_mask = TissueMask() slide.locate_mask(tissue_mask) # 可视化 BiggestTissueBoxMask biggest_mask = BiggestTissueBoxMask() slide.locate_mask(biggest_mask) 这会显示带有红色覆盖掩码边界的切片缩略图。 ### 手动掩码可视化 python import matplotlib.pyplot as plt from histolab.masks import TissueMask slide = Slide("slide.svs", processed_path="output/") mask = TissueMask() # 生成掩码 mask_array = mask(slide) # 创建并排比较 fig, axes = plt.subplots(1, 3, figsize=(20, 7)) # 原始缩略图 axes[0].imshow(slide.thumbnail) axes[0].set_title("Original Slide") axes[0].axis('off') # 二值掩码 axes[1].imshow(mask_array, cmap='gray') axes[1].set_title("Tissue Mask") axes[1].axis('off') # 在缩略图上叠加掩码 from matplotlib.colors import ListedColormap overlay = slide.thumbnail.copy() axes[2].imshow(overlay) axes[2].imshow(mask_array, cmap=ListedColormap(['none', 'red']), alpha=0.3) axes[2].set_title("Mask Overlay") axes[2].axis('off') plt.tight_layout() plt.show() ### 比较多个掩码 python from histolab.masks import TissueMask, BiggestTissueBoxMask masks = { 'TissueMask': TissueMask(), 'BiggestTissueBoxMask': BiggestTissueBoxMask() } fig, axes = plt.subplots(1, len(masks) + 1, figsize=(20, 6)) # 原始 axes[0].imshow(slide.t