western blot蛋白条带灰度值扫描——python

一、原理与思路

图像由无数的像数构成，python读取图片每一像数点的灰度值，从黑-白的灰度值为0~255，即越黑的地方灰度值越小，越白的地方灰度值越大。显然，我们希望越黑的地方灰度值越大，因此需要做一个反转，即用255减去各个像数点灰度值。接着，将所有非条带部分的像数点灰度值改为0，而蛋白条带部分灰度值保持不变。最后，只要识别出每个蛋白条带的区域，将其中所有像数点灰度值和。

图1  示例图像

二、python代码

# 导入模块

from numpy import *

from PIL import Image

# 构建一个函数读取灰度值图像

def pictureRead(path):  # path为图片文件路径

    im = array(Image.open(path).convert('L'))

    im = 255 - im  # 黑白灰度值转换

    # 白色部分灰度值转换为0，黑色部分保持原值

    row, col = im.shape

    for i in range(row):

        for j in range(col):

            if im[i,j] < 128:

                im[i,j] = 0

    return im

# 构建一个函数识别蛋白条带区域

def discern(array):

    list = []

    array = 1 * (array > 128) # 转换为二值图像,白色为0，黑色为1

    # 对每一列像素值求和，若与前一列结果不一致则判断为条带边缘

    row, col = array.shape

    for i in range(col):

        if (sum(array[:,i]) == 0) != (sum(array[:,i-1])==0):

            list.append(i)

    return list

# 构建一个函数求和各条带灰度值

def greySum(array, list):

    sumlist = []

    for i in range(len(list)):

        if i % 2 ==0:

            sum = array[:,list[i]:list[i+1]].sum()

            sumlist.append(sum)

    return sumlist

#  运行

if __name__ == '__main__':

    path = r'C:\test.png'

    im = pictureRead(path)

    list = discern(im)

    area = greySum(im,list)

    print(area)
           

三、代码解析

1）导入模块

程序运行需要导入numpy和PIL模块，如果你的python还未安装这两个模块，程序出错。

2）pictureRead（）函数

pictureRead()函数用于读取图像，并进行一些转换操作。这个函数需要您提供一个图像文件路径的字符串参数path(如示例所示），经这一步处理后图像如下：

图2  

图2中，蛋白条带轮廓清晰可见，但是示例图像中第一条很浅的条带消失了，这是函数中把灰度值小于128的像数点都改为0了，所以太浅的条带，此程序可能无法扫描，或者您可以试着把128调低，看看能否把较浅的条带识别出来。

3）discern()函数

discern()函数先将灰度图像转换成二值图像，用于识别条带左右边缘，转换后的二值图像如下：

图3

此函数返回一个列表，此例为：[76, 128, 134, 183, 194, 245, 249, 302]，第1、2个值为第一个条带左右边缘的列下标，第3、4个为第二个条带左右边缘的列下标，依次类推。

4）greySum()函数

根据discern（）函数获得的列表信息，对图2的灰度图像的蛋白条带区域灰度值求和。

最后结果返回一个列表：[166251, 100107, 129382, 158781]即表示各条带灰度值

四、局限性

1）扫描灰度值的图像，蛋白条带间不要连在一块，否则将视为一个条带。

2）蛋白条带灰度太低无法识别，需做修改。

3）结果可靠性有待评价，可与其他工具相比较。