图像查看和分析软件napari填补了Python编程语言科学生态系统里的空缺。

撰文 | Jeffrey M. Perkel

翻译 | 施普林格·自然上海办公室

Josh Dorrington在观测急流（jet stream）上已经相当娴熟了。他绘制出不同高空海拔下快速移动的气流，然后将气流图一个挨一个的摆放。“你学会善于观察这所有的横切面，解开背后的含义。”Dorrington说，他是英国牛津大学的大气物理学家。不过与计算机可视化相比，这种“手动”方法比较慢，并且“缺乏交互”。

因此，当遇到大气阻塞事件（急流由于高压静止气团发生偏转而导致极端天气事件）时，Dorrington转而使用另一种方法进行可视化。他用图像查看软件napari，将在北半球上空运动的急流以三维动画的形式展现——气流通常彼此同步，但也不总是如此。“我只花了一个下午的时间，就制作出了大西洋低空及高空急流的简短可视化资料！”去年8月，他在推特上写道。

插图：The Project Twins

napari是一个免费、开源并且可扩展的图像查看器，适用于任意复杂（“n维”）数据，与Python生态系统紧密结合（见napari.org）。napari是三位科学家的心血结晶：加州旧金山陈·扎克伯格生物中心的显微镜专家Loïc Royer；澳大利亚墨尔本莫纳什大学从事图像分析开发的Juan Nunez-Iglesias；加州雷德伍德城的陈-扎克伯格倡议（CZI）的成像技术团队负责人Nicholas Sofroniew。
 

该团队于2018年创建了napari，以填补Python科学生态系统中的空缺。尽管Python是科学计算中的通用语言，但它并不具备能够处理n维数据集的可视化工具。因此，数据分析时通常要在python和其他工具（例如基于Java语言的图像分析库ImageJ）间进行繁琐的来回操作，因为研究人员要交替操作他们的数据，然后将其可视化以查看发生了什么。

napari得名于一个太平洋岛屿上的村庄，它位于开发者所在的美国旧金山与澳大利亚墨尔本的中间。它有一个简单的图形界面，并内置Python控制台。在这个图形界面中，你可以用二维或三维方式渲染、旋转和操控图像，还可以通过图像窗口下面的滑块来操作一些别的维度，例如时间序列数据中时间“切片”的连续。如果条件允许，你可以使用图形处理单元（GPU）加速该软件。“我们确保计算机开足马力。”Royer解释说。（ImageJ用户可以使用PyImageJ实现在Python环境中的工作，见pypi.org/project/pyimagej）napari有类似于Adobe Photoshop的图层，允许用户叠加点、矢量、轨迹、表面、多边形、注释或其他图像。

例如，研究人员可以在napari中打开一个组织的图像，点击鼠标识别细胞核，然后在Python中检索这些点，并使用它们作为细胞图像分割算法（用于识别细胞的边界）的“种子点”。然后通过将结果作为原始图像上的新图层推送到napari中，研究人员就可以评估这次分割的效果如何。斯德哥尔摩皇家理工学院的应用物理学家Xavier Casas Moreno将napari嵌入到名为ImSwitch的仪器控制系统中，该系统是他为控制实验室里的超分辨率显微镜所打造的。利用图层功能，研究人员可以叠加由多个相机和传感器从不同角度拍摄的图像。“之前这是个一直解决不了的难题。”Moreno说。ImSwitch还内置了定制的napari控制面板（或称“部件”），允许用户将两幅图像进行相对移动，以实现对齐。

用户还可以使用插件来扩展napari。在napari hub，有超过100种插件可供选择（见napari-hub.org），例如用于文件读写、显微镜控制和细胞分割。霍华德·休斯医学研究所珍妮利亚研究基地的计算神经科学家Carsen Stringer开发了一款名为CellPose的细胞分割插件，它通过简单的图形界面，展现出Python深度学习算法的威力。Stringer和她的同事使用CellPose来测量神经组织中逐个细胞的基因表达和钙信号传导。

德国德累斯顿科技大学的生物图像分析开发人员Robert Haase则为napari开发了多款插件。其中有一个插件用于他的py-clEsperanto助手，后者用来加速图像处理流程，消除不同图像查看系统的编程语言障碍；还有一款插件是natari，源于napari和Atari（电子游戏开发商）的谐音——其中用户可以玩游戏射击细胞，将其移出视野。

Nunez-Iglesias甚至制作了一个插件，让用户通过乐器数字接口（MIDI）板（常用于定制数字音频输出）来控制napari。在视频演示中，Nunez-Iglesias结合MIDI控制器和Apple iPad，用Apple触控笔在平板显示的图像上绘制，然后通过MIDI控制器的旋钮逐层移动napari中的图层，以手动分割细胞。“相比虚拟的用户界面，我就是更喜欢硬件控制和物理反馈。”他解释说。Napari现为0.4.12版本，尚处于开发阶段。CZI科学成像计划（CZI science imaging programme）为其提供了支持，该计划托管了napari hub网站，并为项目提供了一些人手，科学界的许多开发者也贡献了代码。

CZI还留出100万美元用于支持napari插件加速器资助计划，并于去年11月揭晓了41个奖项。napari的关键开发目标包括改进安装、文档、插件界面，和提升对大型3维数据集的处理能力。Nunez-Iglesias说，在神经连接组研究之类的实验中，由于生产的数据集规模过大，以至于软件处理速度降至“龟速”，“延迟加载（Lazy-loading）”方案，即按需加载数据，应该可以缓解这一瓶颈。Nunez-Iglesias预计，napari的用户基数为“数千人”。而这一群体即使在显微镜专家以外的社群中也正迅速增长。例如，有用户展示了napari在地球物理学和结构生物学中也有所应用。而DeepLabCut（用于捕捉动物移动姿态的一个流行工具）已宣布了用napari取代其查看器的计划。2020年，当时在哈佛医学院的系统生物学家Hung-Yi Wu用一条推特总结了自己的兴奋心情：“@napari_imaging真是太棒了，我感觉就好像用上了第一部iPhone。”

本文经授权转载自微信公众号“Nature Portfolio”，原文以Python power-up: new image tool visualizes complex data为标题发表在2021年12月6日《自然》的技术特写版块上。

原文链接：https://www.nature.com/articles/d41586-021-03628-7