使用R计算栅格图像离散区域面积：无maptools的替代方案求助

方案一：使用spatstat原生工具转换栅格为owin对象 #

无需依赖已下架的maptools，spatstat支持直接从二值矩阵转换为owin对象，后续可沿用你原有的分析流程：

library(spatstat)
library(png)

# 读取图像（JPG/BMP可改用jpeg/bmp包的对应函数）
img <- readPNG("20231031_110019.png")
# 彩色图转为灰度矩阵
gray_img <- rowMeans(img, dims = 2)
# 二值化：根据图像明暗调整阈值，这里假设真菌区域灰度值更低
binary_mat <- gray_img < 0.5

# 直接将二值矩阵转为owin对象
my_owin <- as.owin(binary_mat)

# 执行区域分析流程
dd <- dilation(my_owin, 0.5, polygonal = FALSE)
P <- connected(dd)
B <- tess(image = P)
area_list <- tile.areas(B)

方案二：用raster包直接计算离散区域面积 #

raster包专注栅格数据处理，无需转换为owin，直接标记连通区域并统计面积：

library(raster)
library(png)

# 读取图像并转为灰度栅格
img <- readPNG("20231031_110019.png")
gray_img <- rowMeans(img, dims = 2)
r <- raster(gray_img)

# 二值化分割真菌区域
r_binary <- r < 0.5

# 标记连通区域（directions=8表示8邻接，含对角线；可选4邻接）
regions <- clump(r_binary, directions = 8)

# 统计每个区域的像素数（若需实际面积，需乘以单像素对应物理面积）
area_table <- zonal(r_binary, regions, fun = "sum")
colnames(area_table) <- c("区域ID", "像素数量")
# 示例：若单像素对应0.01mm²，计算实际面积
# area_table$实际面积 <- area_table$像素数量 * 0.01

方案三：用EBImage包（生物图像专用） #

EBImage是Bioconductor的生物图像处理工具，自带自动阈值分割功能，更适配真菌培养皿图像：

library(EBImage)

# 读取图像（支持多种格式）
img <- readImage("20231031_110019.png")
# 转为灰度图
img_gray <- channel(img, "gray")
# 使用Otsu自动阈值分割二值图像
img_binary <- img_gray < otsu(img_gray)

# 标记连通区域（neighbors=8为8邻接）
regions <- bwlabel(img_binary, neighbors = 8)

# 统计每个区域的像素数（排除背景ID=0）
area_stats <- table(regions)
area_stats <- area_stats[names(area_stats) != "0"]

关键注意事项 #

• 二值化阈值：需根据图像实际明暗调整，若自动阈值（如Otsu）效果不佳，可手动调整或尝试其他分割方法
• 连通性选择：4邻接仅识别上下左右连通的区域，8邻接包含对角线，需根据你的“岛屿”定义选择
• 实际面积转换：若需要物理面积，需提前获取图像的空间分辨率（如每个像素对应多少mm²），用像素数乘以该值即可

内容的提问来源于stack exchange，提问作者Emily Rowlands