ASHLAR：通过层/邻接配准的同时协调进行对齐

概述

ASHLAR是一个基于Python的全切片显微镜图像拼接与配准工具，可执行快速、高质量的显微镜图像拼接，同时支持CyCIF、CODEX等循环成像方法的多轮共配准。它能直接读取BioFormats支持的显微镜厂商文件格式以及包含未拼接图像的TIFF文件目录，输出结果保存为金字塔式、分块OME-TIFF。注意，ASHLAR要求未拼接的单个"tile"图像作为输入，因此不适用于仅提供预拼接图像的显微镜或切片扫描仪。

访问 labsyspharm.github.io/ashlar/ 获取ASHLAR的最新信息。

核心功能与特性

• 快速高质量拼接：实现显微镜图像的快速、高精度拼接处理
• 循环成像共配准：支持CyCIF、CODEX等循环成像技术的多轮图像共配准
• 多输入格式支持：直接读取BioFormats兼容的显微镜厂商文件或TIFF图像目录
• 灵活输出选项：生成金字塔式、分块OME-TIFF格式输出，便于后续分析和查看
• 校正功能：支持平场（FFP）和暗场（DFP）照明校正，提升图像质量
• 参数可调：提供丰富的配置参数，如对齐通道选择、位移限制、滤波参数等，适应不同成像需求

使用场景与适用范围

• 循环成像处理：适用于CyCIF、CODEX等需要多轮成像共配准的实验场景
• 显微镜图像拼接：处理未拼接的单个tile图像，生成完整的拼接结果
• 高质量图像输出：需要金字塔式OME-TIFF格式输出的显微镜图像处理任务
• 注意：不适用于仅提供预拼接图像的显微镜或切片扫描仪

使用方法与配置说明

命令行参数

位置参数

• FILE：待处理的图像文件，每个循环对应一个文件

可选参数

安装方法

Pip安装

在Python环境中通过pip直接安装：

pip install ashlar

Conda环境安装

1. 创建并激活conda环境：

   conda create -y -n ashlar python=3.12
   conda activate ashlar
   

2. 安装依赖与ASHLAR：

   conda install -y -c conda-forge numpy scipy matplotlib networkx scikit-image scikit-learn tifffile zarr pyjnius blessed
   pip install ashlar
   

Docker镜像

Docker镜像托管于DockerHub：labsyspharm/ashlar，适用于多种使用场景。

Docker部署示例

基本使用

挂载本地数据目录并运行拼接：

docker run --rm -v /本地数据路径:/data labsyspharm/ashlar ashlar /data/input_cycle1.tif /data/input_cycle2.tif -o /data/output.ome.tif

指定对齐通道和输出通道

docker run --rm -v /本地数据路径:/data labsyspharm/ashlar ashlar /data/input_files -o /data/output.ome.tif -c 2 --output-channels 0 1 2

使用平场校正

docker run --rm -v /本地数据路径:/data labsyspharm/ashlar ashlar /data/input_cycles.tif --ffp /data/flatfield.tif -o /data/corrected_output.ome.tif

注：/本地数据路径需替换为实际存放输入文件的本地目录路径，容器内通过/data目录访问该路径下的文件。