【细胞分割】基于matlab中值滤波+分水岭法细胞计数【含Matlab源码 640期】

一、图像分割简介

理论知识参考：【基础教程】基于matlab图像处理图像分割【含Matlab源码 191期】

二、部分源代码

clear;
close all;
%------------------
%程序中定义图像变量说明
%Image->原图变量;
%Image_BW->二值化图象;
%Image_BW_medfilt->中值滤波后的二值化图像;
%Optimized_Image_BW-〉通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果；
%Reverse_Image_BW-〉优化后二值化图象取反；
%Filled_Image_BW-〉已填充背景色的二进制图像；
%Open_Image_BW-〉开运算后的图像。
%------------------
%--------------------------------------
%-------图片前期处理-------------------
%--------------------------------------
%第一步：读取原图,并显示
a= imread('b1.bmp');
subplot(331)
imshow(a);
title('原图');
Image=rgb2gray(a);
%第二步：进行二值化
Theshold = graythresh(Image);%取得图象的全局域值
Image_BW = im2bw(Image,Theshold);%二值化图象
subplot(332)
imshow(Image_BW);
title('初次二值化图像');

%第三步二值化图像进行
Image_BW_medfilt= medfilt2(Image_BW,[13 13]);
subplot(333)
imshow(Image_BW_medfilt);
title('中值滤波后的二值化图像');

%第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果
Optimized_Image_BW = Image_BW_medfilt|Image_BW;
subplot(334)
imshow(Optimized_Image_BW);
title('进行“或”运算优化图像效果');
%第五步：优化后二值化图象取反，保证：‘1’-〉‘白色’，‘0’-〉‘黑色’
%方便下面的操作
Reverse_Image_BW = ~Optimized_Image_BW;
subplot(335)
imshow(Reverse_Image_BW);
title('优化后二值化图象取反');

%第六步：填充二进制图像的背景色，去掉细胞内的黑色空隙

Filled_Image_BW = bwfill(Reverse_Image_BW,'holes');
subplot(336) 
imshow(Filled_Image_BW);
title('已填充背景色的二进制图像');
%第七步：对图像进行开运算，去掉细胞与细胞之间相粘连的部分
SE = strel('disk',10);
BW = imopen(Filled_Image_BW,SE);
subplot(337)
imshow(BW);
title('开运算后的图像');

subplot(338),imhist(Image);

%-----------------------------------------------

%-------------开始计算细胞数--------------------

%-----------------------------------------------

[Label Number]=bwlabel(BW,8)%初步取得细胞个数
Array = bwlabel(BW,8);%取得贴标签处理后的图像
Sum = [];
%依次统计贴标签后数组
for i=1:Number
[r,c] = find(Array==i);%获取相同标签号的位置，将位置信息存入[r,c]
rc = [r c];
Num = length(rc);%取得vc数组的元素的个数
Sum([i])=Num;%将元素个数存入Sum数组
end
Sum
N = 0;
%假如Sum数组中的元素大于了1500，表示有两个细胞相连，像素点较多，即分为两个细胞数
ss=0;
for i=1:length(Sum)
    ss=ss+Sum([i]); 

end
dd=ss/length(Sum);
dd
for i=1:length(Sum)
if(Sum([i]))>dd
N = N+1;
end
if(Sum([i])) >(dd*2)
N = N+2;
end
function [cen,copy]=Kmeans(I,k)       % K均值聚类函数
mm=max(max(I));                   % mm为I的最大灰度值
copy=I;   
cen=(1:k)*mm/k;                    % 求出首次中心值
cen1=zeros(1,k);
d=ones(1,k)./255;
[m,n]=size(I);
J=zeros(m,n);
while(1)
    for i=1:m
        for j=1:n
            c=abs(I(i,j)-cen);          % c为I中元素与各中心点的差值数组
            cc=find(min(c)==c);       % cc为距中心值最近的元素下标
            J(i,j)=cc;
        end
    end
    % 求新的中心点
    for r=1:k
        h=0;
        [J1,J2]=find(J==r);
        p=length(J1);
        for s=1:p
            h=h+I(J1(s),J2(s));
            copy(J1(s),J2(s))=cen(r);    % 按中心值，把原图像灰度分为K类
        end
        cen1(r)=h/p;
    end
    if (abs(cen1-cen)<=d)
        break;
    else cen=cen1;
    end
end


I=imread('b.bmp');       % 读入处理图像
R=I(:,:,1);                 % 分离R分量
G=I(:,:,2);
B=I(:,:,3);
clc;                      % 清屏
close all;                 % 关闭图像窗口
figure,                   % 开辟图像显示窗口
subplot(2,3,1),imshow(R),title('R分量');
subplot(2,3,2),imshow(G),title('G分量');
subplot(2,3,3),imshow(B),title('B分量');
K=rgb2hsv(I);            % RGB图像转换成HSV图像
H=K(:,:,1);
S=K(:,:,2);
V=K(:,:,3);
subplot(2,3,4),imshow(H),title('H分量');
subplot(2,3,5),imshow(S),title('S分量');
subplot(2,3,6),imshow(V),title('V分量');

%****************************** 白细胞计数 ******************************
% 分割出只有白细胞的二值图像 
[cenwhite,copywhite]=Kmeans(H,3);      % K均值聚类函数调用       
cenwhite                     % 查看聚类后的中心值
figure,
subplot(1,3,1),imshow(copywhite,[ ]),title('H分量K均值聚类结果');
A=copywhite;
[m,n]=size(A);                % 把聚类后图像二值化
for i=1:m
    for j=1:n
        if  A(i,j)==cenwhite(2)
           A(i,j)=1;
        else A(i,j)=0;
        end
    end
end
subplot(1,3,2),imshow(A,[ ]),title('白细胞二值化结果');
C1=imdilate(A,ones(5));        % 对二值化图像腐蚀膨胀处理达到去噪效果
C2=imerode(C1,ones(11));
C=imdilate(C2,ones(6));
subplot(1,3,3),imshow(C,[ ]),title('白细胞去噪结果');

% 下面两种方法中任选一种作为白细胞计数输出：
% 方法一：用4连通分割图像计算白细胞个数 
L4=bwlabel(C,4);          % 4连通运算
figure,subplot(1,2,1),imshow(L4,[ ]),title('法一：白细胞4连通结果');
Numwhite=max(max(L4));   % 计算4连通后图像中的最大值，即为白细胞个数
Numwhite                % Numwhite为4连通计数结果，显示结果

% 方法二：用分水岭算法分割图像计算白细胞个数 %
E=bwdist(~C);
E=-E;
E(~C)=-Inf;
L0=watershed(E);
rgb=label2rgb(L0,'jet');
subplot(1,2,2),imshow(rgb,[ ]),title('法二：白细胞分水岭结果');
NumWhite=max(max(L0))-1;               
NumWhite             % NumWhite为分水岭算法计数结果，显示结果

%****************************** 红细胞计数 ******************************
% 分割出只有红细胞的二值图像，并对其做必需处理
I1(:,:,1)=double(I(:,:,1)).*C;        % 把二值图像还原为彩色图像
I1(:,:,2)=double(I(:,:,2)).*C;
I1(:,:,3)=double(I(:,:,3)).*C;
figure,subplot(1,2,1),imshow(uint8(I1)),title('白细胞');
J=double(I)-double(I1);           % 原图减去白细胞图得红细胞彩图 
subplot(1,2,2),imshow(uint8(J)),title('红细胞');
J=rgb2hsv(J);                   % 红细胞图转换成HSV图
HH=J(:,:,1);
SS=J(:,:,2);                     % 提取S分量
VV=J(:,:,3);
figure,
subplot(1,3,1),imshow(HH),title('红细胞图H分量');
subplot(1,3,2),imshow(SS),title('红细胞图S分量');
subplot(1,3,3),imshow(VV),title('红细胞图V分量');
[cenred,copyred]=Kmeans(SS,2);  % 对S分量图均值聚类
cenred                        % 查看聚类后的中心值
figure,subplot(2,2,1),imshow(copyred,[ ]),title('S分量K均值聚类结果');
H=copyred;
[m,n]=size(H);                 % 把聚类后图像二值化
for i=1:m
    for j=1:n
        if  H(i,j)==cenred(2)
           H(i,j)=1;
        else H(i,j)=0;
        end
    end
end
subplot(2,2,2),imshow(H,[ ]),title('红细胞二值化结果');
G=imfill(H,'holes');         % 红细胞图填充孔洞
subplot(2,2,3),imshow(G,[ ]),title('红细胞填洞结果');
C1=imerode(G,ones(9));     % 开运算去除噪声
G=imdilate(C1,ones(9));
subplot(2,2,4),imshow(G,[ ]),title('红细胞去噪结果');

% 方法一：通过判断面积大小计算红细胞个数 
[J,num]=bwlabel(G,8);    % 8连通运算，保存区域个数num
figure,subplot(1,2,1),imshow(J,[ ]),title('红细胞8连通结果');
sum=0;              % 定义sum为总面积变量
numred1=0;          % 定义numred1为红细胞个数变量
for i=1:num
    [J1,J2]=find(J==i);    % 找出J中值为i的像素坐标分别存入J1,J2中
    area(i)=length(J1);    % area(i)为第i个红细胞的面积
    sum=sum+area(i);    % 面积累加
end
ave=sum/num;           % 求红细胞的平均面积ave
for i=1:num             % 通过面积比较，判断个数的增加值
    if 0.5*ave<area(i) && area(i)<=1.5*ave
        numred1=numred1+1;    % 如果细胞区域的面积在0.5～1.5倍之间，视为一个细胞
    end
    if 1.5*ave<area(i) && area(i)<=2.5*ave
        numred1=numred1+2;    % 如果细胞区域的面积在1.5～2.5倍之间，视为两个细胞
    end
    if 2.5*ave<area(i) && area(i)<=3.5*ave
        numred1=numred1+3;    % 如果细胞区域的面积在2.5～3.5倍之间，视为三个细胞
    end

  

 

  
 
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
  
130
  
131
  
132
  
133
  
134
  
135
  
136
  
137
  
138
  
139
  
140
  
141
  
142
  
143
  
144
  
145
  
146
  
147
  
148
  
149
  
150
  
151
  
152
  
153
  
154
  
155
  
156
  
157
  
158
  
159
  
160
  
161
  
162
  
163
  
164
  
165
  
166
  
167
  
168
  
169
  
170
  
171
  
172
  
173
  
174
  
175
  
176
  
177
  
178
  
179
  
180
  
181
  
182
  
183
  
184
  
185
  
186
  
187
  
188
  
189
  
190
  
191
  
192
  
193
  
194
  
195
  
196
  
197
  
198
  
199
  
200
  
201
  
202
  
203
  
204
  
205
  
206
  
207
  
208
  
209
  
210
  
211
  
212
  
213
  
214
  
215
  
216
  
217
  
218
  
219
  
220
  
221
  
222
  
223
  
224
  
225
  
226
  
227
  
228
  
229
  
230
  
231
  
232
  
233
  
234
  
235
  
236
  
237
  
238
  
239
  
240
  
241
  
242
 

三、运行结果

四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.
[5]赵勇,方宗德,庞辉,王侃伟.基于量子粒子群优化算法的最小交叉熵多阈值图像分割[J].计算机应用研究. 2008,(04)

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/115267588