在R中只打开图像的一部分(JPEG/TIFF等)

如果你正在处理非常大的图像, libvips 可能是你最好的选择。你可以从 R 使用 system() .

你的问题不是很具体,但是让我们用 图像魔术

convert -size 10000x10000 gradient: -depth 8 a.tif

现在以50%的门槛 vips 并检查所需内存:

vips im_thresh a.tif b.tif 128 --vips-leak
memory: high-water mark 292.21 MB

图像魔术 命令需要1.6GB的RAM:

/usr/bin/time -l convert a.tif -threshold 50% b.tif

样本输出

...
1603895296  maximum resident set size
...

使用 im_gadd 其中:

usage: vips im_gadd a in1 b in2 c out
where:
    a is of type "double"
    in1 is of type "image"
    b is of type "double"
    in2 is of type "image"
    c is of type "double"
    out is of type "image"
calculate a*in1 + b*in2 + c = outfile

所以我们使用:

vips im_gadd 1 a.tif 0 b.tif 64 c.tif --vips-leak
memory: high-water mark 584.41 MB

vips im_stats c.tif
band    minimum     maximum         sum       sum^2        mean   deviation
all          64         319   1.915e+10 4.20922e+12       191.5     73.6206
 1           64         319   1.915e+10 4.20922e+12       191.5     73.6206

结果是,有一个R包- RBioFormats

source("https://bioconductor.org/biocLite.R")
biocLite("aoles/RBioFormats") # You might need to first run `install.packages("devtools")`
library(RBioFormats)

无需打开图像,即可从元数据中读取图像的维度:

metadata <- read.metadata('image.tiff')
xdim <- metadata@.Data[[1]]$sizeX
ydim <- metadata@.Data[[1]]$sizeY

假设我们要加载左上角的512 x 512像素,我们使用 subset 功能:

image <- read.image('image.tiff', subset = list(X = 1:512, y = 1:512))

因此,编写循环以迭代方式处理整个大型图像是很简单的。R BioFormats是Java生物格式库的一个R接口,它将打开tiff、PNGs、jpeg以及许多专有的图像格式。