matlab计数重叠细胞,医学图像处理案例(三)——用分水岭算法分割重叠细胞

针对重叠的图像分割是非常具有挑战的,正好之前一起工作过的同事跟我一起讨论了关于这方面的问题,我首先想到的就是用分水岭来进行分割。

下面我将结合他提供的细胞图像来实现分水岭分割算法的实现。

37151cb8af202e91c1702498e6e913c7.png

1、RGB2HSV空间变换

首先我们观察图像可以看到背景是白色,而我们期望的目标颜色有深有浅,而且颜色也不一样,所以直接将RGB转成HSV,分割出白色区域然后再取反即可。关于白色在HSV中范围,我之前的文章中有分享过,这里就不给出来了。代码实现:

cv::Mat hsvimage, thresholdimage;

cv::cvtColor(src, hsvimage, CV_BGR2HSV);

cv::inRange(hsvimage, cv::Scalar(0, 0, 221), cv::Scalar(180, 30, 255), thresholdimage);

result = ~thresholdimage.clone();

1f1c6c9e413de9569b7a1901f42e947a.png

2、形态学闭操作

因为分割的图像中间会有一些空洞,我们用形态学闭操作来弥补这个缺陷。

代码实现:

cv::M

  • 0
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
细胞图像的分割计数医学图像处理中的一个重要问题,这里介绍一种MATLAB实现细胞分割的方法。以下是具体步骤: 1. 读取图像和预处理 使用MATLAB中的imread函数读取细胞图像,并将其转换为灰度图像。然后,可以使用函数imadjust来调整图像的对比度和亮度,以便更好地分割细胞。 2. 去除噪声 使用MATLAB中的medfilt2函数对图像进行中值滤波,以去除图像中的噪声。 3. 分割细胞 使用MATLAB中的阈值分割函数imbinarize对图像进行二值化。可以使用MATLAB中的otsu方法自动确定二值化的阈值。对于某些图像,可能需要手动调整阈值。 4. 去除小的对象 使用MATLAB中的bwareaopen函数去除二值图像中的小的对象,以便只保留细胞。 5. 计数细胞 使用MATLAB中的bwlabel函数标记二值图像中的对象,并使用MATLAB中的regionprops函数计算每个对象的中心位置。通过计算对象的数量,可以得到细胞的数量。 下面是MATLAB代码实现: ``` % 读取图像并转换为灰度图像 img = imread('cell_image.png'); gray_img = rgb2gray(img); % 调整图像对比度和亮度 adj_img = imadjust(gray_img); % 去除噪声 filt_img = medfilt2(adj_img); % 二值化图像 thresh_img = imbinarize(filt_img, 'otsu'); % 去除小的对象 clean_img = bwareaopen(thresh_img, 100); % 计数细胞 label_img = bwlabel(clean_img); cell_props = regionprops(label_img, 'Centroid'); cell_count = length(cell_props); % 显示结果 imshow(clean_img); title(['Cell Count: ', num2str(cell_count)]); ``` 在这个例子中,我们假设输入图像为cell_image.png。在实际应用中,可能需要针对不同的细胞图像进行参数调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值