科 / 研 / 图 / 像 / 处 / 理
对不形状规则、粘连重叠的细胞进行分割，是一类较为困难的图像分割问题。
传统的图像处理方法，例如阈值、watershed，并不能很好地处理这种情况。
Cellpose，是一种 通用的、基于深度学习的细胞分割方法。它可以从各种图像类型中精确地分割细胞，并且不需要模型重新训练或参数调整：
Example Cellpose segmentations
利用 cellpose，我们可以对不规则、重叠严重的细胞进行较为准确的细胞分割。Cellpose 本身是 Python 的一个库，可以参考之前的文章：
点击跳转《Cellpose | 细胞分割神器》
Cellpose 同时也推出了网页版，可以在线进行细胞分割操作：
https://www.cellpose.org/www.cellpose.org/
这篇文章会以这幅图为例，介绍怎样利用 cellpose，配合 ImageJ 的操作，无需编程来实现准确的细胞分割：
一、利用cellpose进行细胞分割
（1）打开cellpose官网（cellpose）：
网页版的 cellpose 只支持 PNG 或者 JPG 格式，所以首先需要把要分割的图片在 ImageJ 保存为 PNG 或者 JPG 格式 (File -> Save as -> jpeg)
点击绿色的虚线框，就可以上传图像了。
（2）设定参数
上传图像之后，需要设定分割参数：
这里需要注意红框中的参数；
如果你染的是细胞质，需要做细胞质的分割，What to segment 选择 cytoplasm；
这里我上次的是单通道的图像，没有细胞核通道所以 Channel to segment 选择 gray，Nuclear channel 选择 None。
当然也可以上传多通道的图像，选择你想分割的那个 channel 即可，如果有染细胞核，需要设置 Nuclear channel。
这里最重要的是设置细胞的 平均直径（pixel为单位），可以根据图像上的标尺，大概估算一下，这里估算细胞直径大概在 50 个 pixel。
设置完参数后点击 submit，即可得到分割结果：
（3）结果导出
点击 Download masks as PNG，下载分割好的 Mask：
如果想直接得到统计结果，不需要得到每个细胞的 ROI，可以直接借助 MorphoLibJ 这个插件。
之前这篇文章提到过插件的安装：
点击跳转《ImageJ | 细胞膜荧光强度检测》
打开下载好的 Mask（Mask 应该是 16-bit）后，打开 MorphoLibJ 中的分析功能（Plugins -> MorphoLibJ -> Analyze Regions）：
点击 OK 后即可得到结果：
二、获取分割 Mask 的 ROI
分割好的每一个细胞的 Mask 都有一个特定的灰度值，通过 MATLAB 或者 Python 脚本，可以得到每个细胞的 ROI。
但这种方法需要安装 cellpose 或者写一些代码，参考之前的文章：
点击跳转《细胞分割神器 Cellpose（自动计数篇）》
这里提供一种不需要写 code，直接用 ImageJ 获取细胞的 ROI 的方法。
（1）获取 Mask 边界 (Process -> Find Edges)
（2）二值化边界（Image -> Adjust -> Threshold）
调整阈值，使得边界都被选中，然后 Apply 转成二值化图像。
（3）二值化原图（Image -> Adjust -> Threshold）
二值化后，Process -> BInary -> Fill holes
（4）原图和边界相减（Process - Image calculator）
这样就把原本粘连的 Mask 分割开来。
（5）获得分割结果（Analyze -> Analyze Particles）
设置 Size 的下限以过滤掉一些小的 noise：
最后结果：
END
往期回顾
