病理组织图像染色标准化_vahadane

一、vahadane方法

这个是比较推荐的方法，源码文末有。这个方法是用非负矩阵分解得到两个染料矩阵，然后将reference和source的进行配准，然后再合成新的图像。这个方法比较稳定，得到的图像颜色比较真实。实际的标化速度也可以接受。

二、使用步骤

1.引用已经封装好的函数

代码如下（示例）：

import numpy as np
import cv2
import matplotlib.pyplot as plt
from macenko import MacenkoNormalizer
from vahadane import VahadaneNormalizer
1
2
3
4
5

2.方法的接口函数

在这里我们主要使用vahadane方法，其他方法大家可以自行尝试。
代码如下（示例）：

def standard_transfrom(standard_img,method = 'M'):
    if method == 'V':
        stain_method = VahadaneNormalizer()
        stain_method.fit(standard_img)
    else:
        stain_method = MacenkoNormalizer()
        stain_method.fit(standard_img)
    return stain_method
1
2
3
4
5
6
7
8
'
运行
运行

这里根据自己结果比较和其他博主推荐，综合来看比较推荐V方法。

3.数据输入

def read_image(path):
    img = cv2.imread(path)
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # opencv default color space is BGR, change it to RGB
    p = np.percentile(img, 90)
    img = np.clip(img * 255.0 / p, 0, 255).astype(np.uint8)
    return img
1
2
3
4
5
6
'
运行
运行

这个大家可以自己写一下，我是为了方便，因为输入的染色模板图像是np类型的，所以我就写了一个这种返回的img就是np类型的，仅供参考。

4.函数功能实现

    path='sttd_path'
    sttd=read_image(path)
    # plt.imshow(sttd)
    # plt.show()path
    stain_method = standard_transfrom(sttd, method='M')
    img=cv2.imread('input_path')
    img2 = stain_method.transform(img)
1
2
3
4
5
6
7

sttd就是你想设定的染色模板图像。

5.结果

---

总结

提示：本文章参考于此处。
完整代码已上传网盘，下载即用：
链接：网盘
提取码：16ew