[MATLAB 영상처리 활용] 검출된 cell(세포) 컬러 하이라이트 주기 - cell extraction

 

 

IBA1_EDF_ #2_SN_L_3_Image 3_EDF_ch00 (출처1)

 

위의 이미지는 Anwer et al., (출처 1) 의 페이퍼에서 제시하는 microglial cell을 기록한 영상파일

입니다. ( 자세한 사항은 본 블로그의 [MATLAB 영상처리 활용] Microglial cell segmentation review를

참조해 주시고, 위의 이미지는 본 블로그 맨밑 출처 1에서 제시하는 이미지로써 이곳에 가셔서 다운로드 

받을 수 있습니다.  )

 

만일 이미지 프로세싱의 목적이 위의 영상에서 microglial cell을 검출(extraction) 하는것이라면,

최종결과 중의 하나로써 검출된 cell(세포)의 위치를 지정된 색상으로 덧입혀 표시하는 결과 이미지일

것입니다. 보통 cell(세포)의 검출에는 black & white mask가 활용되므로 이를 이용해 간단한 예시를

보이겠습니다.

 

우선 위의 이미지에서 임의로 cell(세포) 하나를 선택하겠습니다 - 이미지의 빨간색 dash 라인의 네모상자

참조. 그리고 임의로 선택한 cell(세포)을 상대로 기본값의 Otsu thesholding을 수행합니다. 

( 코드에서 쓰인 이미지는 이곳에 가셔서 다운로드 받을 수 있습니다. )

 

 

좌: 입력 이미지, 우: Otsu thresholding을 이용한 BW mask

 

 

img = imread('IBA1_EDF_#2_SN_L_3_Image 3_EDF_ch00.tif');

% image region selection 
% [x:769, y:827] -> [x:985, y:1007]
img_cell = img(827:1007, 769:985,:);
img_gray = rgb2gray(img_cell);          % convert from RGB to grayscale image data
img_gray = im2double(img_gray);         % convert from uint8 to double type data

% BW by Otsu algorithm
level = graythresh(img_gray);
img_BW = ~imbinarize(img_gray,level);
out = imtile({img_cell,img_BW});
figure; imshow(out);

 

 

앞서 말한대로 원본 이미지상에 임의의 구역을 ROI (region of interest) 로 지정하였고, 

x, y 좌표값을 직접 입력하여 crop 하였습니다. 그리고 이것을 이진화 하기위해 grayscale 변환 ->

변수의 double 형 변환 -> Otsu level 연산 -> 이미지의 binarization 순으로 명령을 수행하였습니다. 

 

이진화를 거친 이미지에서 cell(세포) 영역을 하얀색(픽셀값 'logical' 1)으로 지정하기 위해 imbinarize( )

명령어 앞에 반전(inverse) 기호 ' ~ '  를 주었습니다.

마지막으로 원본 이미지와 이진화된 BW 이미지를 함께 표시하기 위해 imtile( ) 명령어를 사용하였습니다.

( montage( ) 또한 imtile( ) 과 동일한 명령을 수행 합니다. )

 

 

이제는 3차원의 RGB컬러 원본 이미지를 채널별로 분리하여 이진화된 BW 이미지와 겹치기를 통해 

컬러 하이라이트를 적용할 영역을 지정합니다. 

즉, 이진화된 BW 이미지의 cell(세포) 영역은 픽셀값 'logical' 1 을 갖고 배경은 'logical' 0 을 갖기 때문에

이를 원본 이미지의 픽셀 matrix에 적용 한다면 cell(세포) 영역만이 true 로써  

- '&' 연산: 픽셀값 & logical 1 - 직접적인 픽셀 (x, y) 좌표를 선택할 수 있고, 따라서 특정 색상값을 지정할

수 있습니다. 밑의 결과 이미지는 cell(세포) 영역에 초록색으로 컬러 하이라이트를 준 모습입니다.

 

 

MATLAB 코드의 순서는,

1) 먼저 RGB컬러 이미지를 3개의 색상채널로 분리 ( imsplit( ) 이용 ) 하였으며,

2) 분리된 각 채널 이미지에 " img_BW " 가 입력 파라메터로써 픽셀 범위지정을 하고,    

3) G 채널(초록색) 에만 최대값 255를, 나머지 색상채널에는 최소값 0을 대입 하였습니다.

4) 마지막으로 분리되었던 3개의 채널 이미지를 다시 하나의 RGB컬러 이미지로 합쳤습니다.

 

 

좌: 입력 이미지, 우: BW mask에 초록색을 적용한 결과

 

 

% bit-wise computation
[img_cell_R,img_cell_G,img_cell_B] = imsplit(img_cell);
img_cell_R(img_BW) = 0;    
img_cell_G(img_BW) = 255;  
img_cell_B(img_BW) = 0;    
img_cell_highlighted = cat(3,img_cell_R,img_cell_G,img_cell_B);

out = imtile({img_cell,img_cell_highlighted});
figure; imshow(out);

 

본 포스트에서는 임의로 선택한 cell(세포)에 대해 컬러 하이라이트를 주었지만, 일반적으로

사용되는 cell extraction (세포 검출) 프로그램/알고리즘에서는 대상 이미지에서 자동으로

cell(세포)를 검출하고, 검출된 결과에 컬러 하이라이트를 적용합니다. 

이러한 자동화된 cell extraction (세포 검출) 프로그램/알고리즘은 앞으로 중급과정에서 

다루도록 하겠습니다.

 

 

 

마지막으로 본 글에 쓰인 모든 MATLAB 코드는 밑에 표시해 두었습니다.

 

img = imread('IBA1_EDF_#2_SN_L_3_Image 3_EDF_ch00.tif');

% image region selection 
% [x:769, y:827] -> [x:985, y:1007]
img_cell = img(827:1007, 769:985,:);
img_gray = rgb2gray(img_cell);          % convert from RGB to grayscale image data
img_gray = im2double(img_gray);         % convert from uint8 to double type data

% BW by Otsu algorithm
level = graythresh(img_gray);
img_BW = ~imbinarize(img_gray,level);
out = imtile({img_cell,img_BW});
figure; imshow(out);

% bit-wise computation
[img_cell_R,img_cell_G,img_cell_B] = imsplit(img_cell);
img_cell_R(img_BW) = 0;    
img_cell_G(img_BW) = 255;  
img_cell_B(img_BW) = 0;    
img_cell_highlighted = cat(3,img_cell_R,img_cell_G,img_cell_B);

out = imtile({img_cell,img_cell_highlighted});
figure; imshow(out);

 

 

 

 

출처1: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0284480#

A comparison of machine learning approaches for the quantification of microglial cells in the brain of mice, rats and non-human