用 Python 实现 Sebutape Patches 图像自动分割与数据可视化（含完整代码）

原创

Scivaro_科采通

发布于 2025-07-02 17:19:23

1970

作者：科采通｜标签：Sebutape、生物图像处理、Python、OpenCV、皮脂量化分析

一、引言

在皮肤科学和化妆品功效评估中，Sebutape Patches 是标准化的皮脂采样工具。以往分析这些贴片上的油脂分泌斑点，往往依赖 ImageJ 等手动图像软件。

但对于需要处理大量图像的科研项目或产品测试团队而言，Python 自动批量处理和数据分析更高效、更灵活。

本文将手把手带你用 Python 完成如下目标：

🎯 分析目标

自动读取 Sebutape 图像
提取皮脂斑点区域（图像分割）
统计斑点数量、面积分布等指标
可视化输出分析图表与标记图像

二、环境准备

安装依赖：

bash复制编辑pip install opencv-python numpy matplotlib pandas

三、图像自动处理完整代码

python复制编辑import cv2
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import os

# === 参数设置 ===
input_path = 'images/'  # 存放 Sebutape 图像的文件夹
output_path = 'results/'  # 保存处理结果的文件夹
os.makedirs(output_path, exist_ok=True)

# 结果保存表格
results = []

# === 图像处理函数 ===
def process_image(file_path):
    img = cv2.imread(file_path, cv2.IMREAD_GRAYSCALE)
    blurred = cv2.GaussianBlur(img, (5, 5), 0)

    # 自动阈值分割（Otsu）
    _, thresh = cv2.threshold(blurred, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

    # 找轮廓
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    areas = []
    img_out = cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)

    for cnt in contours:
        area = cv2.contourArea(cnt)
        if area > 50:  # 去除小噪点
            areas.append(area)
            cv2.drawContours(img_out, [cnt], -1, (0, 255, 0), 1)

    return areas, img_out

# === 主循环处理 ===
for file in os.listdir(input_path):
    if file.lower().endswith(('.jpg', '.png', '.tif')):
        filepath = os.path.join(input_path, file)
        areas, marked_img = process_image(filepath)

        # 保存标注图
        out_img_path = os.path.join(output_path, f"marked_{file}")
        cv2.imwrite(out_img_path, marked_img)

        # 结果记录
        total_area = sum(areas)
        count = len(areas)
        avg_area = total_area / count if count > 0 else 0

        results.append({
            'filename': file,
            'count': count,
            'total_area': round(total_area, 2),
            'avg_area': round(avg_area, 2)
        })

        print(f"处理完成：{file}，识别皮脂点 {count} 个")

# === 保存 CSV 统计结果 ===
df = pd.DataFrame(results)
df.to_csv(os.path.join(output_path, 'sebutape_analysis.csv'), index=False)
print("所有图像处理完成，结果已保存至 CSV。")

四、分析结果示例（截图）

你将获得：

带轮廓标记的输出图（marked_*.png）
分析表格 sebutape_analysis.csv，包含每张图的：
- 斑点数量（count）
- 总斑点面积（总皮脂量 proxy）
- 平均斑点面积（反映单个油脂单位产量）

五、数据可视化扩展（选做）

python复制编辑# 加载结果
df = pd.read_csv(os.path.join(output_path, 'sebutape_analysis.csv'))

# 绘制斑点数量条形图
plt.figure(figsize=(10, 5))
plt.bar(df['filename'], df['count'], color='steelblue')
plt.title("Sebutape 每张图的皮脂点数量")
plt.xticks(rotation=45)
plt.ylabel("斑点数量")
plt.tight_layout()
plt.show()

你也可以画出 total_area、avg_area 的箱线图、直方图、热图等。