你试过吗？图像（细胞）分割

生物医药领域当中，涉及到的细胞分割问题一直是视觉研究的重点和难点之一，虽然以深度学习为代表的分割模型取得了一定的效果，但分割网络会涉及到人工标注和GPU等高成本的资源占用，所以探索便捷、高效的分割算法进行一直是解决细胞分割的核心。今天我就基于自己的尝试，分享两种方法。

1. 生物细胞图像

src = cv2.imread(img_Path)

src = cv2.resize(src, dsize=None, fy=0.5, fx=0.5)

cv2pil(src)

如图，动物细胞主要由细胞质（浅蓝色或浅红色）和细胞核（深蓝色）构成。我们看到的生物细胞颜色会有所不同，有浅蓝色的和浅红色的，颜色不同是由于细胞质和染色液结合后发生了不同的显色反应（主要是由于细胞内环境及PH差异引起），这也反应了细胞所处的阶段或生理转态不同，中间的深蓝色小点就是细胞核。

2.细胞核分割1：

针对这样的细胞图像，我们通过单一方法完成细胞分割，即便分割成功也不太可能有很强的的鲁棒性，由于时间关系，我本次简单分享2种细胞核分割方法。

细胞区域分割：

我们先拿到hsv图像, 完成细胞区域分离：

img_gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

img_hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)

img_gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

img_hsv = cv2.cvtColor(src, cv2.COLOR_BGR2HSV)

cell_threshold, bw_cell = cv2.threshold(img_gray, 0, 255, cv2.THRESH_OTSU | cv2.THRESH_BINARY_INV)

img_mask_mean = max(cv2.mean(img_gray, bw_cell)[0], 180.0)

fig = plt.figure(figsize=(15,8))

plt.subplot(131), plt.imshow(img_gray, 'gray'), plt.xticks([]), plt.yticks([])

plt.subplot(132), plt.imshow(img_hsv, 'gray'), plt.xticks([]), plt.yticks([])

plt.subplot(133), plt.imshow(bw_cell, 'gray'), plt.xticks([]), plt.yticks([])

plt.show()

 

### 获取细胞区域

my_threshold = img_mask_mean - bg_gray_r

_, bw_cell1 = cv2.threshold(img_gray, my_threshold, 1, cv2.THRESH_BINARY_INV)

element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))

bw_cell2 = cv2.morphologyEx(bw_cell1, cv2.MORPH_OPEN, element)

fig = plt.figure(figsize=(15,8))

plt.subplot(131), plt.imshow(bw_cell, 'gray'), plt.xticks([]), plt.yticks([])

plt.subplot(132), plt.imshow(bw_cell1, 'gray'), plt.xticks([]), plt.yticks([])

plt.subplot(133), plt.imshow(bw_cell2, 'gray'), plt.xticks([]), plt.yticks([])

plt.show()

 

 

 

细胞区域初步分割结果：

_,bw_nucleus_s = cv2.threshold(img_s, 10, 255, cv2.THRESH_BINARY)

bw_nucleus = cv2.bitwise_and(bw_nucleus, bw_nucleus_s))

 

fig = plt.figure(figsize=(15,8))

plt.subplot(121),plt.imshow(bw_nucleus_s, 'gray') , plt.xticks([]),plt.yticks([])

plt.subplot(122),plt.imshow(bw_nucleus, 'gray'), plt.xticks([]),plt.yticks([])

plt.show()

最终细胞核分割定位效果：左边是原图，右边是细胞核行为结果：

例子1：

 

例子2：

 

可以看到效果很得不错的。当然这里面还有很大的优化空间。

2.细胞核分割方法2：

img_gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)

b,g,r = cv2.split(src)

cv2pil(np.hstack((img_gray, g)))

左边为原始灰度图像， 右侧为g通道图像，由于图像本身的特征，我们选择g通道进行处理。