cd /home/liusn/00apps
conda activate 環(huán)境名
pip install openslide_bin-4.0.0.5-py3-none-manylinux_2_27_x86_64.whl
pip install openslide-python==1.3.1

import openslide  
# 打開顯微鏡圖像 
slide = openslide.OpenSlide(wsi_path)  
# 獲取特定金字塔層級的圖像尺寸 
# level從0開始，0表示最高分辨率 
# w, h表示指定層級的圖像寬度和高度 
w, h = slide.level_dimensions[level]  
# 獲取level層的下采樣比例 
# 下采樣比例: 特定層級的像素大小與最高分辨率像素大小的比例關(guān)系 
# 如果下采樣比例為(2,2), 圖像的寬和高都被縮小為原來的1/2 
factor = slide.level_downsamples[level]  
# 從顯微鏡圖像中讀取指定區(qū)域 
# location: tuple, 左上角坐標(biāo); level: 金字塔層級 
# size: (w, h), 要讀取的區(qū)域大小; 返回一個PIL對象 
image = slide.read_region(location, level, size)

import cv2  
# 在圖像上繪制多邊形 
# img: 要在其上繪制的圖像; pts: 一個包含多邊形頂點的ndarray; 
# color: 填充的顏色, (255)表示白色 
cv2.fillPoly(img, pts, color)  
# 在圖像上繪制文本 
# img: 要繪制文本的圖像; text: 要繪制的文本字符串 
cv2.putText(img, text)

import numpy as np  
# 找到數(shù)組中滿足條件的元組索引 
# condition: bool數(shù)組, 返回所有為True的行, 列索引 
X_idx, Y_idx = np.where(condition)  
# 根據(jù)條件condition進行數(shù)組的元素選擇和替換 
# condition為True時, 返回value1, 否則返回value2 inst_map = np.where(condition, value1, value2)  
# 將數(shù)組按行的方向堆疊起來 
# tup: 一個列表/元組, 返回一個新數(shù)組(總行數(shù), 列數(shù)) 
# 總行數(shù) = 所有輸入數(shù)組的行數(shù)之和 np.vstack(tup)  
selected_x[..., 0:1] # ...表示前面所有的維度

PYTHONPATH="/opt/ASAP/bin":"${PYTHONPATH}" 
export PYTHONPATH

import multiresolutionimageinterface as mir  
# 創(chuàng)建圖像接口 
reader = mir.MultiResolutionImageReader()  
# 打開和加載多分辨率圖像文件 
mr_image = reader.open(path) 
# 獲取level 6的圖像尺寸 level=2 
w, h = mr_image.getLevelDimensions(level) 
ds = mr_image.getLevelDownsample(level) 
# 從level 6獲取一個patch, patch左上角的坐標(biāo)為(0,0), 返回的tile是一個numpy對象 
tile = image.getUCharPatch(0, 0, w, h, 6) 
# 讀取一個 300 像素寬、200 像素高的圖像塊，從level=2 的 (568, 732) XY 坐標(biāo)開始 
# ds是下采樣倍數(shù), 在level=2的坐標(biāo)乘以ds, 得到level=0的坐標(biāo) 
tile = image.getUCharPatch(int(568 * ds), int(732 * ds), 300, 200, level)  
# 存儲和管理多分辨率圖像相關(guān)的注釋數(shù)據(jù) 
annotation_list = mir.AnnotationList() 
# 將注釋數(shù)據(jù)轉(zhuǎn)換以xml格式存儲 
xml_repository = mir.XmlRepository(annotation_list) 
# 設(shè)置or更新xml文件的源路徑 xml_repository.setSource(path) 
# 從xml文件加載數(shù)據(jù) xml_repository.load() 
# 將注釋數(shù)據(jù)轉(zhuǎn)換為二值掩碼 
annotation_mask = mir.AnnotationToMask() 
# 將提供的注釋annotation_list轉(zhuǎn)換為二值掩碼 
annotation_mask.convert(annotation_list, output_path,image_dimensions, image_spacing)

from concurrent.futures import ThreadPoolExecutor  
# 創(chuàng)建對象, max_workers指定最大線程數(shù), 如果沒有指定, python根據(jù)系統(tǒng)的線程數(shù)進行調(diào)整 
executor = ThreadPoolExecutor(max_workers=3)  
# 使用map()提交多個任務(wù) 
executor.map(task, range(5))  
# 關(guān)閉線程池 
executor.shutdown(wait=True)

import xml.etree.ElementTree as ET  
# 從指定文件中讀取xml數(shù)據(jù), 并解析為一個樹結(jié)構(gòu) ElementTree對象 
tree = ET.parse(annot_path)  
# 獲取根元素: xml文檔最外層的元素 
root = tree.getroot()

import skimage  
# 生成多邊形的像素坐標(biāo) 
# x: 一維數(shù)組, 多邊形的列坐標(biāo); y: 一維數(shù)組, 多邊形的行坐標(biāo) 
# shape: 指定輸出坐標(biāo)的圖像形狀 
# rows, cols: 多邊形內(nèi)部像素的行和列坐標(biāo) 
# 多邊形內(nèi)部是指，所有的多邊形都被填充好了 
rows, cols = skimage.draw.polygon(x, y, shape)

from PIL import Image  
image = Image.open(path)  
# 查看image的mode和channel nums 
print(f"Image mode: {image.mode}") 
print(f"Number of channels: {len(image.getbands())}")  
# 轉(zhuǎn)換mode mask = mask.convert("P")