注意：这是一个已退役的napari插件

该项目已停止开发。您仍然可以安装和使用它（最后测试与napari 0.4.11一起），但该项目不再维护和支持。

查看 napari-accelerated-pixel-and-object-classification (APOC) 了解此插件的后续插件。

napari-oclrfc

py-clEsperanto 与 scikit-learn 相遇

一个用于在 napari 中进行像素和标记对象分类的实验性基于OpenCL的随机森林分类器。

处理示例图像 maize_clsm.tif 由David Legland根据 CC-BY 4.0许可证 许可

有关使用Python中的基于OpenCL的随机森林分类器进行像素分类的信息，请参阅 oclrfc。

此 napari 插件是用 Cookiecutter 和 @napari 的 cookiecutter-napari-plugin 模板生成的。

安装

您可以通过 pip 安装 napari-oclrfc。注意：您还需要 pyopencl。

conda install pyopencl
pip install napari-oclrfc

如果 napari 中出现问题，请确保已正确安装这些依赖项。

pip install pyclesperanto_prototype
pip install oclrfc

用法

在 napari 中打开一张图片并添加一个标签层。使用两个不同的标签标识符标注前景和背景。您还可以添加第三个，例如，在之间添加一个类似膜的区域以提高分割质量。

点击菜单 插件 > OpenCL 随机森林分类器 > 训练像素分类器。考虑更改 featureset。有三种选择用于选择小（约 1 像素大小）对象、中（约 5 像素大小）对象和大（约 25 像素大小）对象。确保选择正确的图像和标注层，然后点击 运行。

分类器已保存为 temp.cl 到磁盘。您可以通过点击菜单 插件 > OpenCL 随机森林分类器 > 预测像素分类器 来稍后重用它。

可选：隐藏标注层。

点击菜单 插件 > OpenCL 随机森林分类器 > 连通组件标注。确保选择正确的标签层。它应该是像素分类的结果层。选择您用于标注对象的 对象类别标识符，即您在标注层中绘制在对象上的强度。提示：如果您稍后想分析接触的邻居，请激活 填充标签之间的间隙 复选框。点击 运行 按钮。

可选：隐藏像素分类结果层。更改连通组件标签层的透明度。

添加一个新的标签层，通过画线来标注不同的对象类别。在下面的例子中，不同大小和形状的对象被标注为三个类别

• 圆形，小
• 圆形，大
• 细长的

点击菜单 插件 > OpenCL 随机森林分类器 > 训练标签分类器。选择正确的训练层。标签层应该是连通组件标注的结果。标注层应该是刚刚标注的对象类别层。选择正确的训练特征。点击 运行 按钮。训练后，分类器将被存储到您指定的文件中。您可以通过点击菜单 插件 > OpenCL 随机森林分类器 > 预测标签分类器 来稍后重用它。

这是一个实验性的 napari 插件。欢迎反馈！

贡献

欢迎贡献。可以使用 tox 运行测试，请在提交拉取请求之前确保覆盖率至少保持不变。

许可证

在 BSD-3 许可证下分发，“napari-oclrfc”是免费和开源软件。

问题

如果您遇到任何问题，请在 image.sc 上打开一个线程，并附上详细描述和标记 @haesleinhuepf。