Root Quantify：用 Python 交互式预处理根系图像

Root Quantify 是一个用于准备根系图像的小型 OpenCV 桌面工具。它引导用户完成多边形选择、背景校正、二值化和手动清理，然后保存校正后的区域以便在另一个工具中分析。

准确描述其边界很重要：当前程序创建的是清理后的二值图像；它本身不会计算经过验证的根长、密度、直径或架构性状。

当前工具的功能

阶段	操作	结果
文件夹扫描	查找 JPG、JPEG、PNG、BMP、TIF 和 TIFF 文件	一批源图像队列
ROI 选择	记录有用根系区域周围的多边形顶点	一个掩膜裁剪
预处理	估计背景、减轻不均匀光照、阈值化并反转裁剪	浅色背景上的深色根系
手动校正	用可调画笔绘制或擦除像素	一张经审查的二值图像
导出	保存校正后的图像，并把原图移入归档文件夹	下次运行不会意外重复处理

这套工作流最适合在骨架化或测量之前使用，配合 RhizoVision Explorer、WinRHIZO、ImageJ 或经过验证的实验流程等软件。

安装

源码可在 Root Quantify GitHub 仓库 获取。

git clone https://github.com/smiler488/RootQuantify.git
cd RootQuantify

python -m venv .venv
source .venv/bin/activate
python -m pip install --upgrade pip
python -m pip install -r requirements.txt

在 Windows 上，用以下命令激活环境：

.venv\Scripts\activate

该界面需要图形桌面。无头服务器或 notebook 会话在不额外配置显示的情况下无法显示 OpenCV 选择窗口。

配置输入目录

当前 RootImager.py 修订版在脚本中包含一个 folder_path 值。运行前把它设为包含图像的目录。请保留该目录的备份，因为已完成的原图会被移入 processed_original。

运行工作流

python RootImager.py

使用两个窗口：一个保持原图可见，另一个处理 ROI 选择和校正。

键盘控制

按键	场景	操作
c	ROI 选择	确认一个至少有三个顶点的多边形
r	ROI 选择	重置多边形
d	手动校正	绘制深色根系像素
e	手动校正	擦除为浅色背景
+ / -	手动校正	增大或减小画笔尺寸
u	手动校正	撤销上一次完成的笔触
q	手动校正	完成当前图像

确认多边形后，仔细检查自动阈值。只校正明显的分割错误；过度的人工编辑会降低可重复性，并应记录在实验日志中。

输入与输出

程序把校正后的图像写入 output 目录，文件名带 processed- 前缀。它把每张已完成的源图像移入 processed_original。

对于可复现的工作，连同输出一起保存以下内容：

• 未经修改的原图，存放在单独的只读备份中；
• Root Quantify 的提交哈希；
• 脚本中使用的预处理参数；
• 操作者身份和校正日期；
• 一段描述任何困难或被排除图像的说明。

不要把被移动的副本作为原始数据的唯一归档。

质量控制清单

• 根系和背景有可见的不同强度。
• ROI 排除了标签、标尺、盆边和无关物体。
• 细小的侧根在阈值化后被保留。
• 阴影没有被误认为根。
• 人工校正最少且有记录。
• 当测量将用于发表论文时，由第二位审查者抽查样本。
• 下游测量已对照已知物体或人工参考数据验证。

已知局限

• 基于阈值的分割对阴影、反光、基质和重叠根系敏感。
• 二值图像丢弃了原图中的颜色和强度信息。
• 人工校正引入操作者间变异。
• 移动源文件便于批处理，但需要有意的备份策略。
• 桌面交互不是为无人值守或高通量服务器处理设计的。
• 输出是预处理结果，不是生物学结论或定标后的表型表。

如需一种具有不同限制的浏览器端预处理工作流，请参见 根系图像预处理器 及其 App Lab 教程。

工作流审阅：2026 年 7 月。使用前请查阅仓库 README 和源码，因为界面可能变化。