如何使用matlab正確地鑲嵌細胞圖像？

的照片，我想什麼做的是能夠得到每個細胞（紅色長絲）的膜，然後做一個細分，以得到一個想法長絲的長度。到目前爲止，我曾嘗試使用MATLAB的網站上給出的例子，但結果是不是真的好...

I = imread('picture.tiff'); 
I_gray = rgb2gray(I); 
[~, threshold] = edge(I_gray, 'sobel'); 
fudgeFactor = .5; 
BWs = edge(I_gray,'sobel', threshold * fudgeFactor); 
se90 = strel('line', 3, 90); 
se0 = strel('line', 3, 0); 
BWsdil = imdilate(BWs, [se90 se0]);

我一直在尋找了幾個小時等方式做到這一點，但沒有任何滿意的結果...有沒有辦法做到這一點？也許除matlab之外的其他軟件可能更高效。先謝謝您！

來源

2017-03-06 Hyppolite

幾個小時？只* *小時*？所以，你想實現一個研究水平的方法來自動分割細胞，你搜索*小時*？我的意思是，人們有4年的博士學位才能正確地做這件事。你的第一步應該是一個圖像處理書/課程。 –

長絲似乎很紅，如果我是你，我會嘗試利用這些信息。 – UJIN

我知道這很複雜，我不會給我個人的情況，但是我正在研究的這個項目是我博士學位（我是物理學家，而不是生物學家）的一個側面項目部分，我沒有太多時間專注於。我試圖使用這樣一個事實，即燈絲非常紅，但它永遠不會結束那麼好... – Hyppolite

我不知道任何關於單元格或鑲嵌或其他任何東西。但是如果你想在非統一背景中檢測到這些斑點，那麼我可能會提供幫助。由於背景不均勻，您需要單獨分析這些斑點。您不能只設置一個固定閾值來一次檢測所有斑點。首先，您將分別檢測每個斑點，然後使用單個閾值。這裏是例子

原始圖像

im=imread('gxGkH.jpg'); 
figure,imagesc(im);axis image;

我只選擇藍色，分析

imb=im(:,:,3); 
figure,imagesc(imb);axis image;

1）模糊化圖像，因爲模糊的斑點後會有在其中心

sigma=7; 
kernel = fspecial('gaussian',4*sigma+1,sigma); 
im2=imfilter(imb,kernel,'symmetric'); 

figure,imagesc(im2);axis image;

2）局部最大值/最小值使用分水嶺變換來分隔每個斑區域

% L = watershed(im2); 
L = watershed(max(im2(:))-im2); 
[x,y]=find(L==0);

繪製邊界

figure,imagesc(im2),axis image 
hold on, plot(y,x,'r.')

3）在這裏，我單獨分析每個斑，找到一個大津閾值各一滴，然後我發現了斑點，並結合所有檢測

tmp=zeros(size(imb)); 

for i=1:max(L(:)) 
    ind=find(L==i); 
    mask=L==i; 
    [thr,metric] =multithresh(imb(ind),1); 
    if metric>0.7 
    tmp(ind)=imb(ind)>thr; 
    end 
end

刪除一些噪音

tmp=imopen(tmp,strel('disk',1)); 
figure,imagesc(tmp),axis image

如果背景具有較高的對比度，那麼斑點，那麼你將不需要在分水嶺變換中反轉圖像。

來源

2017-03-09 20:57:47 Ozcan

我不確定這是否會讓你更接近問題的解決方案，但是我會做的就是這樣。你要知道，這是一個非常簡單和原始的方法：

image = imread('picture.tiff'); % load image 
image = rgb2hsv(image); % convert to hsv colorspace 
image = image(:,:,1); % take the hue channel 

binary_im = imbinarize(image); % make binary image

二進制圖像看起來應該是這樣：

現在你可以使用數學形態學的噪音消除。首先創建一個結構化元素，然後你用二進制圖像卷積它：

現在

str_el = strel('disk', 5, 0); % create a round, 5px radius, str_el 
closed_im = imclose(binary_im, str_el); % close image with str_el

你的新形象應該是這樣的：

在這一點上，你可以用另一種形態操作該發現骨架：

skeleton = bwmorph(closed_im, 'skel', Inf); % Find skeleton image

的骨幹圖像應該是這樣的：

當然，這種方法是遠遠準確，但可以給你長絲長度的整體信息，特別是如果你能擺脫最終的噪聲（骨架的附錄）。

來源

2017-03-06 16:25:41 UJIN

這確實不準確，但因爲我可以重複處理大量圖像，所以可能就足夠了。我會努力的！非常感謝你！ – Hyppolite

如何使用matlab正確地鑲嵌細胞圖像？

回答

相關問題