如何获取多标签阈值图像目标坐标 Cellpose分割结果单细胞坐标提取

首先明确：你拿到的4通道分割图是RGBA格式的可视化结果，不是CMYK图，图中每个独立的纯色连通块就对应一个分割出的单细胞，不需要做色彩空间转换，直接按以下步骤提取即可。

• 前置依赖安装
  用到opencv-python和numpy两个库，没装的话先执行安装：

  pip install opencv-python numpy
  

• 方法1：连通域快速提取（适合色块无粘连的场景）
  步骤和代码如下：
  1. 读取图像时保留全部4通道信息，过滤纯黑背景

     import cv2
     import numpy as np
     
     # 替换成你的标签图路径
     img = cv2.imread("seg_label.png", cv2.IMREAD_UNCHANGED)
     # 提取非背景区域：Cellpose可视化的背景是纯黑(RGB=0,0,0)
     non_bg_mask = ~np.all(img[:, :, :3] == 0, axis=2)
     

  2. 对非背景区域做8邻域连通域标记，每个独立色块会被分配唯一ID

     label_num, label_map, stats, centroids = cv2.connectedComponentsWithStats(
         non_bg_mask.astype(np.uint8), 
         connectivity=8
     )
     

  3. 遍历所有标记结果（跳过ID=0的背景），提取每个细胞的像素坐标

     cell_result = []
     for cell_id in range(1, label_num):
         # 拿到当前细胞所有像素的(y, x)坐标
         y_coords, x_coords = np.where(label_map == cell_id)
         cell_result.append({
             "cell_id": cell_id,
             "pixel_coords": np.stack([y_coords, x_coords], axis=1),
             "cell_area": stats[cell_id, cv2.CC_STAT_AREA],
             "centroid": centroids[cell_id]
         })
     

• 方法2：颜色编码提取（适合存在轻微色块粘连的场景，准确率更高）
  Cellpose给每个细胞分配的可视化颜色是唯一的，可以直接把每个像素的RGBA值编码为唯一标签ID，不需要依赖连通域判断，避免粘连区域识别错误：

  # 将4通道RGBA值编码为32位唯一整数，每个颜色对应唯一ID
  encoded_label = (
      img[:, :, 0].astype(np.uint32) 
      | (img[:, :, 1].astype(np.uint32) << 8)
      | (img[:, :, 2].astype(np.uint32) << 16)
      | (img[:, :, 3].astype(np.uint32) << 24)
  )
  # 把背景区域ID设为0
  encoded_label[~non_bg_mask] = 0
  
  cell_result = []
  # 遍历所有非0的唯一ID，对应每个独立细胞
  for idx, cell_id in enumerate(np.unique(encoded_label)[1:], start=1):
      y_coords, x_coords = np.where(encoded_label == cell_id)
      cell_result.append({
          "cell_id": idx,
          "pixel_coords": np.stack([y_coords, x_coords], axis=1)
      })
  

提取出的pixel_coords数组里，每一行都是对应细胞的一个像素点坐标，格式为(y轴行号, x轴列号)，和图像数组的索引规则完全一致，可以直接用来做后续的像素值提取、形态学计算等操作。

内容的提问来源于stack exchange，提问作者Mark Zurbrügg