用于处理大型、多分辨率图像的Python模块。
项目描述
用于处理大型、多分辨率图像的Python模块。
Large Image是由Kitware, Inc.的数据与分析小组开发和维护的，用于处理大型地理空间和医学图像。这为我们的一些图像分析平台提供了基础，包括Resonant GeoData、HistomicsUI和Digital Slide Archive。
亮点
简化瓦片服务
支持多种地理空间和医学图像格式
转换为瓦片优化的（地理）Tiffs（也称为金字塔Tiffs）
Python方法用于高效重瓦片或访问图像区域
瓦片重样选项，例如动态应用颜色和波段转换
安装
除了安装基础large-image包外，您还需要至少一个与您的目标文件格式相对应的瓦片源（一个large-image-source-xxx包）。您可以使用以下命令之一从主项目安装所有内容
Pip
在linux、OSX或Windows上安装常用瓦片源
pip install large-image[common]
在linux上安装所有瓦片源
pip install large-image[all] --find-links https://girder.github.io/large_image_wheels
当使用与Girder实例一起的大图时，请将Linux上的所有瓦片源和Girder插件安装完毕。
pip install large-image[all] girder-large-image-annotation[tasks] --find-links https://girder.github.io/large_image_wheels
Conda
如果不在Linux上，Conda可以让依赖管理变得稍微容易一些。基本模块、转换模块和两个源模块都在conda-forge上可用。您可以安装以下内容
conda install -c conda-forge large-image conda install -c conda-forge large-image-source-gdal conda install -c conda-forge large-image-source-tiff conda install -c conda-forge large-image-converter
Docker镜像
此存储库的包中包含一个预构建的Docker镜像，该镜像包含读取任何支持的图像格式的所有依赖项。
如果您不希望在系统上安装GDAL等一些较重的依赖项，或者希望为处理大图像创建一个专用和隔离的环境，这将特别有用。
要使用，请拉取镜像并通过挂载存储图像的本地卷来运行它
docker pull ghcr.io/girder/large_image:latest docker run -v /path/to/images:/opt/images ghcr.io/girder/large_image:latest
模块
大图由几个Python模块组成，旨在协同工作。这些包括
large-image：核心模块。
您可以为该存储库中包含的任何瓦片源指定 extras_require。例如，您可以进行 pip install large-image[tiff]。还有额外的 extras_require 选项
sources：存储库中的所有瓦片源，特定源名称（例如，tiff）
memcached：使用memcached进行瓦片缓存
converter：包含转换模块
colormaps：使用matplotlib用于样式中的命名调色板
tiledoutput：支持以瓦片tiff的形式发出大区域
performance：包含可选模块，可以提高性能
common：所有瓦片源和上述包，这些包可以直接从pypi安装，无需在Linux、OSX和Windows上安装其他外部库。
all：对于所有上述内容
large-image-converter：一个实用工具，用于使用pyvips和其他库将图像转换为pyramid tiff文件，这些文件可以被large_image有效地读取。您可以指定 extras_require jp2k 以包括允许输出JPEG2000压缩的模块，sources 以包括所有源，stats 以包括允许计算压缩噪声统计信息的模块，geospatial 以包括支持将地理空间源转换为的模块，或者 all 以包括所有可选的 extras_require。
瓦片源
large-image-source-bioformats：一个用于读取Java Bioformats库处理的任何文件的瓦片源。
large-image-source-deepzoom：一个用于读取Deepzoom瓦片的瓦片源。
large-image-source-dicom：一个用于读取DICOM Whole Slide Images (WSI) 的瓦片源。
large-image-source-gdal：一个通过GDAL读取geotiff文件的瓦片源。它处理比mapnik瓦片源更复杂的变换的源数据。
large-image-source-mapnik：一个通过Mapnik和GDAL读取geotiff和netcdf文件的瓦片源。它处理比gdal瓦片源更多的矢量问题。
large-image-source-multi：一个用于将其他瓦片源组合成一个单独的多帧源的瓦片源。
large-image-source-nd2：一个用于读取nd2（NIS Element）图像的瓦片源。
large-image-source-ometiff：一个使用tiff库的瓦片源，可以处理大多数符合规范的multi-frame OMETiff文件。
large-image-source-openjpeg：一个使用Glymur库读取jp2（JPEG 2000）文件的瓦片源。
large-image-source-openslide：使用 OpenSlide 库的瓦片源。它支持 svs、ndpi、Mirax、tiff、vms 等多种文件格式。
large-image-source-pil：通过 Python Imaging Library（Pillow）实现的小图像瓦片源。默认最大尺寸为 4096，但最大尺寸可以配置。
large-image-source-tiff：用于读取常用压缩格式的金字塔 tiff 文件的瓦片源。
large-image-source-tifffile：使用 tifffile 库的瓦片源，可以处理各种类似 tiff 的文件。
large-image-source-vips：读取由 libvips 处理的任何文件的瓦片源。也可以用于将 numpy 数组（最多 4 维）写入瓦片图像。
large-image-source-zarr：使用 zarr 库的瓦片源，可以处理 OME-Zarr（OME-NGFF）文件以及一些其他 zarr 文件。也可以用于从 numpy 数组写入 N 维瓦片图像。写入的图像可以保存为任何支持的格式。
large-image-source-test：生成测试瓦片，包括简单的分形图案。用于测试极端缩放级别非常有用。
large-image-source-dummy：不执行任何操作的瓦片源。这是瓦片源的最小实现，用于测试。如果您想创建自定义瓦片源，请从这个实现开始。
作为 Girder 插件，large-image 添加了端点以访问它可以读取的所有图像格式，包括获取元数据和作为瓦片服务器。在 Girder UI 中，large-image 在项目页面显示图像，并在浏览文件夹时在项目列表中显示缩略图。当 large-image 作为瓦片服务器使用时，还有缓存管理来平衡 Girder 的内存使用和响应速度。
大多数瓦片源都可以与 Girder Large Image 一起使用。您可以通过指定 girder 的 extras_require 来安装以下软件包
girder-large-image：作为 Girder 3.x 插件的大图像。您可以通过安装 large-image[tasks] 来安装一个 Girder Worker 任务，该任务可以将其他无法读取的图像转换为金字塔 tiff 文件。
girder-large-image-annotation：向 Girder 数据库添加模型以支持注释大图像。这些注释可以在图像上显示。注释可以包括多边形、点、图像叠加和其他类型。每个注释都可以有一个标签和元数据。
large-image-tasks：通过 Girder Worker 运行转换器的实用程序。您可以通过指定 girder 的 extras_require 来包含与 Girder 远程工作器一起工作的模块或包含与 Girder 远程工作器远程端一起工作的模块。如果没有指定，某些转换任务可以使用 Girder 本地作业运行。
下载文件
下载您平台的文件。如果您不确定选择哪个，请了解有关安装包的更多信息。
源分布
构建分布
large_image-1.29.11.tar.gz的哈希值
| 算法 | 哈希值摘要 | |
|---|---|---|
| SHA256 | a3adfe4150b6985e22df94ec6407cd0383f77bf047c63b78ff9085d80cb8f391 |
|
| MD5 | 5e327b0896650339540d524a4156a579 |
|
| BLAKE2b-256 | 978316b07fda17a38e34395fcacf154d69b2b23c45d7377b8f2350f0720d8505 |
large_image-1.29.11-py3-none-any.whl 的哈希值
| 算法 | 哈希值摘要 | |
|---|---|---|
| SHA256 | 0115277ba108860f1e0d9b6dc3a26830105cda592cb47bfc1859db32691f9b79 |
|
| MD5 | 8a2ab7ad80a9b4e0a69abbbe4322bc33 |
|
| BLAKE2b-256 | 4fe24a72c0e54f2fb506b6b3ff12275fa52a02f42c354a8f50e837ce9d54371e |