这里介绍使用 AICSImage 和 roifile 来读取从 ImageJ 中保存的 TIFF 高维图像和 ROI 记录。

读取TIFF图像文件，之前我常用的是 scikit-image 中提供的方法：

from skimage import io
img = io.imread('something.tif', plugin='pil')

读取的数据其实就是一个 np.array，可以使用 numpy 这个强大的库进行各种矩阵计算，这样就很方便。但最近不知道是什么原因，读取的矩阵的 shape 会变化。比如有些数据是 (1000, 1000,3)，有些就成了 (3,1000,1000)，这会给我批量处理图像带来错误。所以我后来更换为了 AICSImage 这个模块来作为读取各种科研方面成像数据的主要工具。另外 imageio 也是不错的选择，支持的数据格式也相当丰富。

使用AICSImage读取图像的方法，官方文档给了很好的说明。摘抄如下：

from aicsimageio import AICSImage

# Get an AICSImage object
img = AICSImage("my_file.tiff")  # selects the first scene found
img.data  # returns 5D TCZYX numpy array
img.xarray_data  # returns 5D TCZYX xarray data array backed by numpy
img.dims  # returns a Dimensions object
img.dims.order  # returns string "TCZYX"
img.dims.X  # returns size of X dimension
img.shape  # returns tuple of dimension sizes in TCZYX order
img.get_image_data("CZYX", T=0)  # returns 4D CZYX numpy array

最常用的就是 get_mage_data 方法，第一个参数是指定返回的数值矩阵的 dimension。以上示例代码为例，注意CZYX分别代表通道，Z轴，Y轴（对应row）和X轴（对应 col）。这个参数可以修改为 YX，那么就是返回一张二维的矩阵了。

读取 ImageJ 中保存的 ROI 记录，我选择使用的 roifile 这个模块，也是非常简单好用。

from roifile import roiread 
rois = roiread(item['roi_fp'])

注意这里的 roiread 方法，既可以读取单个 roi 文件，也可以读取多个 roi 的 zip 文件。如果是读取 zip 文件，返回的是一个列表。

我这里主要是针对 xyc 类型的成像数据，想提取其中 FAM 荧光通道和 BF 明场通道的数据。代码如下所示：

for idx, item in enumerate(box):
    item['img'] = AICSImage(item['img_fp'])
    if item['group']=='ctrl':
        item['FAM'] = item['img'].get_image_data("YX", C=1)
        item['BF'] = item['img'].get_image_data("YX", C=0)
    else:
        item['FAM'] = item['img'].get_image_data("YX", C=0)
        item['BF'] = item['img'].get_image_data("YX", C=1)
    item['rois'] = roiread(item['roi_fp'])

之前我们已经使用 box 这个列表变量，收集好了各个数据。每个数据 item 是一个字典，记录了相关的信息。然后就可以对 box 进行遍历。

这里有个特殊情况，由于 ctrl 这个组的数据中，明场通道在第一个，FAM在第二个；而其它组的数据，FAM是第一个通道。所以循环过程中，可以根据组别，调整需要提取的通道数据。

提取的指定通道的图像，我们可以直接在这个 item 字典中新增键值对，和之前保留的信息放到一起。这就是字典的妙用之一。

最后，可以查看下图像和ROI，由于我ROI是矩形，所以遍历得到ROI的所有锚点xy坐标后，可以选择 matplotlib 中的 polygon 来绘制。代码如下：