具有 3 个或更多空间维度的数据集

大多数 scikit-image 函数与 3D 数据集兼容，即具有 3 个空间维度的图像（与 2D 多通道图像区分，2D 多通道图像也是具有三个轴的数组）。 skimage.data.cells3d() 返回细胞的 3D 荧光显微镜图像。 返回的数据集是 3D 多通道图像，其维度以 (z, c, y, x) 顺序提供。 通道 0 包含细胞膜，而通道 1 包含细胞核。

以下示例展示了如何探索此数据集。 此 3D 图像可用于测试 scikit-image 的各种功能。

from skimage import data
import plotly
import plotly.express as px
import numpy as np

img = data.cells3d()[20:]

# omit some slices that are partially empty
img = img[5:26]

upper_limit = 1.5 * np.percentile(img, q=99)
img = np.clip(img, 0, upper_limit)

fig = px.imshow(
    img,
    facet_col=1,
    animation_frame=0,
    binary_string=True,
    binary_format="jpg",
)
fig.layout.annotations[0]["text"] = "Cell membranes"
fig.layout.annotations[1]["text"] = "Nuclei"
plotly.io.show(fig)