科学色谱的图像分析

Question

我正在寻找一种从GC或HPLC色谱图中提取信息的方法。色谱图如下所示：

​

​

我对图像处理/分析不是很感兴趣，所以我正在寻找一种工具/算法来从这些色谱图中提取峰的长度(如果可能的话，还有峰下的表面)。解决方案可以是Python，也可以是C#。

提前谢谢。

Answer 1

我已经编写了一些快速的python代码，可以从图像文件中提取色谱图(或任何单值)数据。

它有以下要求：

• 图像是干净的(没有文本或其他数据)。
• 曲线是单值的，即。曲线像素宽度为1(没有该值仍可用，但始终取上限值)。
• Scale是线性的。

它非常简单，只是迭代图像的每一列，并将第一个黑值作为数据点。它使用PIL。这些数据点最初是在image坐标系统中，因此需要重新缩放到数据坐标系统，如果所有图像共享相同的轴，这是直接的，否则需要手动完成每个图像(自动化将涉及更多)。

下图显示了我提取您的图像(我删除了文本)进行处理(非粉色区域)的位置，因此，为了重新缩放，我们只使用数据坐标系中的白盒区域：x_range = 4.4 - 0.55、x_offset = 0.55、y_range = 23000 - 2500和y_offset = 2500。

​

​

以下是使用pyplot重新绘制的提取数据：

​

代码如下：

import Image
import numpy as np

def get_data(im, x_range, x_offset, y_range, y_offset):
    x_data = np.array([])
    y_data = np.array([])
    width, height = im.size
    im = im.convert('1')
    for x in xrange(width):
        for y in xrange(height):
            if im.getpixel((x, y)) == 0:
                x_data = np.append(x_data, x)
                y_data = np.append(y_data, height - y)
                break
    x_data = (x_data / width) * x_range + x_offset
    y_data = (y_data / height) * y_range + y_offset
    return x_data, y_data

im = Image.open('clean_data_2.png')
x_data, y_data = get_data(im,4.4-0.55,0.55,23000-2500,2500)

from pylab import *
plot(x_data, y_data)
grid(True)
savefig('new_data.png')
show()

一旦您有了numpy数组形式的数据，您就可以使用许多选项来查找峰值和它们下面的相应区域(有关一些方法，请参阅this讨论)。噪声是一个很大的问题，所以一般的方法是对数据进行卷积，以平滑噪声(或者，如果您的峰值很尖锐，则可以设置阈值)，然后进行微分以找到峰值。要找到峰值下的区域，可以对峰值区域进行数值积分。

我做了几个假设，并编写了一些简单的代码(如下所示)，以说明一种可能的方法。我给数据设置了阈值，这样只有5000以上的峰才能存活下来，然后我们迭代数据，找到峰，并使用梯形规则np.trapz，找到每个峰下的面积。在峰重叠的地方，区域在重叠点处被分割(我怀疑这是标准的..)。此外，此代码将仅识别属于局部最大值的峰值(不会检测到肩部)。我已经绘制了结果图，在相应的峰值位置写下了每个峰值的面积值：

​

def find_peak(start, grad):
    for index, gr in enumerate(grad[start:]):
        if gr < 0:
            return index + start

def find_end(peak, grad):
    for index, gr in enumerate(grad[peak:]):
        if gr >= 0:
            return index + peak + 1

def find_peaks(grad):
    peaks=[]
    i = 0
    while i < len(grad[:-1]):
        if grad[i] > 0:
            start = i
            peak_index = find_peak(start, grad)
            end = find_end(peak_index, grad)
            area = np.trapz(y_data[start:end], x_data[start:end])
            peaks.append((x_data[peak_index], y_data[peak_index], area))
            i = end - 1
        else:
            i+=1
    return peaks

y_data = np.where(y_data > 5000, y_data, 0)

grad = np.diff(y_data)

peaks = find_peaks(grad)

from pylab import *
plot(x_data, y_data)    
for peak in peaks:
    text(peak[0], 1.01*peak[1], '%d'%int(peak[2]))
grid(True)
show()

无论您在这一点上采取什么方法，都需要对您的数据进行假设(我真的不能这样做！虽然我在上面做了几个！)，但你如何处理重叠的峰值？等等。我相信在色谱中有标准的方法，所以你真的需要先检查一下。希望这能有所帮助！

Answer 2

当我使用这段代码时，我得到了以下图像

​

​

代码同上(稍加修改)

from PIL import Image
import numpy as np



def get_data(im, x_range, x_offset, y_range, y_offset):
    x_data = np.array([])
    y_data = np.array([])
    width, height = im.size
    im = im.convert('1')
    for x in range(width):
        for y in range(height):
            if im.getpixel((x, y)) == 0:
                x_data = np.append(x_data, x)
                y_data = np.append(y_data, height - y)
                break
    x_data = (x_data / width) * x_range + x_offset
    y_data = (y_data / height) * y_range + y_offset
    return x_data, y_data

im = Image.open('C:\Python\HPLC.png')
x_data, y_data = get_data(im,4.4-0.55,0.55,23000-2500,2500)

from pylab import *
plot(x_data, y_data)
grid(True)
savefig('new_data.png')
show()

I am not quite sure what the problem might be.