将AI图像分割mask转换为roi

本文介绍如何使用ImageJ将最常见的AI分割所得到的mask图像转换为ROI，方便后续分析。

图像分割最常见的结果输出形式是 mask。mask 也是一张图像，不过分割后的不同区域，使用不同的数值来表示。比如原图中分割出的第一个细胞区域，在 mask 中这个区域的像素就被全部填充为 1（这就是按 Label 填充区域），以此类推，第十个细胞区域的像素在 mask 中就都是 10。

各种图像检测分割的AI模型，输出的结果形式可能会非常不一样。做得比较好的例如 cellpose 直接可以输出 ImageJ 的 RoiSet。但是另外一个 SAM 模型分割的结果，并没有这个便捷的功能，只能是用户先保存一张 mask 图像。

Pasted-image-20240922121202.png-78dde7510d.png

如上图所示，我们使用 SAM 模型交互式快速完成实例分割后，可以将 Labels 图层保存为 mask 图像。

Pasted-image-20240922122312.png-137154fe74.png

需要注意的是，为了方便后面使用 ImageJ 打开 mask 图像并进行后续处理，这里需要将 Labels 图层的数据类型转换为 uint8，uint16 或者 uint32。一般来说，如果你一张图像中的实例个数不超过 255，就可以使用 uint8，依次类推，不超过 $2^{16}\ -\ 1$ 就可以使用 uint16。转换后再按 Ctrl+S 保存 Labels 图层。

Pasted-image-20240922122704.png-9c5034c58d.png

然后使用 ImageJ 打开这张 mask 图像，如上图所示，可以通过 Threshold ，Create Selection 等命令将 mask 图像中不同区域快速转换为 ROI。完整具体代码如下：

1
img = getTitle();
2
wks = getDirectory("image");
3

4

5
getMinAndMax(vmin, vmax);
6
for (i = 0; i < vmax; i++) {
7
  n = i+1;
8
  mask2roi(n);
9
}
10
selectWindow(img);
11
close();
12

13

14
fname = img+"_rois.zip";
15
fpath = wks + "/" + fname;
16
roiManager("deselect");
17
roiManager("save", fpath);
18
// 清空roi管理器方便下一次处理
19
roiManager("delete");
20

21

22
function mask2roi(idx) {
23
  // 将最常见的图像分割输出的mask图像转换为roi
24
  setThreshold(idx, idx);
25
  run("Create Selection");
26
  roiManager("add");
27
}

这段代码能够自动转换mask图像为 roiset并保存，然后就可以类似之前介绍的👇进行后续分析了。