欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

生物细胞计数软件MATLAB代码实现

程序员文章站 2024-03-08 12:58:04
...

    之前因为工作原因一直没将代码贴上来,这次我比较详细介绍下MATLAB的代码实现,有时间的话可能会出个****。

    首先说下界面设计,我这里只是说下都用了什么组件以及一些参数,具体的GUI怎么设计的我这里就不详细介绍,又需要介绍的可以给我留言我可以抽出点时间来简单介绍。

    这里为了使参数可以灵活的调整,我在界面中将图像处理的每个关键的步骤都显现出来,根据图像来灵活的调整参数,使结果更加精确。

生物细胞计数软件MATLAB代码实现

                                                                                       图1:界面设计图

生物细胞计数软件MATLAB代码实现

                                                                                     图2:运行界面图

    根据图来看效果还是可以的,然后接下来就说下每一部分的程序设计。

    点击打开图片的时候需要打开需要计算细胞的图片,则可以使用下面的代码来打开图片,

function pushbutton1_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
[filename,pathname]=uigetfile({'*.jpg';'*.bmp, *.jpg, *.tif';'*.bmp';'*.jpg';'*.tif';},'选择图像');
if isequal(filename,0)||isequal(pathname,0)
  errordlg('您还没有选取图片!!','温馨提示');%如果没有输入,则创建错误对话框 
  return;
else
    global im; %定义全局变量将打开的照片放在该变量中。
    image=[pathname,filename];%合成路径+文件名
    im=imread(image);%读取图像
    [x,y] = size(im); %读取图片的大小
    if x>y %根据照片的长宽不同来改变图片的大小,这里定义600*800是为了减轻程序运行时电脑的压力,以及该大小取得的效果也不错。
        im = imresize(im,[600 800]);
    else
        im = imresize(im,[800 600]);
    end
    set(handles.axes1,'HandleVisibility','ON');%打开坐标,方便操作
    axes(handles.axes1);%%使用图像,操作在坐标1
    imshow(im);%在坐标axes1显示原图像 
    title('原始图像');

    本设计是使用的是灰度图以及高斯模糊的图来实现USM锐化的,因此需要将RGB三色图转换为灰度图,而MATLAB中自带的RGB转GRAY的函数十分方便,下面是代码实现。

    global gray %定义灰度图的全局变量,方便后面的函数调用
    gray= rgb2gray(im); %将RGB三色图转换成gray
    gray = imadjust(gray); %该函数是用来增强图像
    set(handles.axes2,'HandleVisibility','ON');%打开坐标,方便操作
    axes(handles.axes2);%%使用图像,操作在坐标1
    imshow(gray);%在坐标axes1显示原图像 
    title('灰度图像');

    根据上一篇博文matlab实现生物细胞数目统计方案原理中介绍的USM原理可以知道我们需要的到高斯模糊的图像,高斯模糊图像的原理在之前的博文基于opencv2利用卷积算子实现高斯模糊也介绍了,但是这篇博文是用的MATLAB,因此我们直接用MATLAB自带的函数即可。

    global Gauss 
    global filter
    Gauss = fspecial('gaussian',[10 10],20);%获取高斯模糊算子
    filter = imfilter(gray, Gauss); %获得高斯模糊图像
    set(handles.axes3,'HandleVisibility','ON');%打开坐标,方便操作
    axes(handles.axes3);%%使用图像,操作在坐标1
    imshow(filter);%在坐标axes1显示原图像 
    title('模糊图像');

    有了高斯模糊和灰度图像,就可以求出USM图像,原理也不再介绍,直接放代码。

    global USM 
    weight = 0.8; 
    USM = uint8((double(gray)-weight.*double(filter))./(1-weight)); %获取USM锐化图像
    set(handles.axes4,'HandleVisibility','ON'); %打开坐标,方便操作
    axes(handles.axes4); %使用图像,操作在坐标1
    imshow(USM);%在坐标axes1显示原图像 
    title('锐化图像');

   有了USM图像,对比度增强了许多,因此使用将图像二值化后的效果将会很好,下面是二值化函数:

function getbw(handles)
    global bw%将bw变量定义为全局变量
    global USM
    level = get(handles.slider4,'value');%获取滑杆4的值,该滑杆是控制阈值
    bw = im2bw(USM, level); %将USM锐化后图像转换为二值化图像
    imorph(3, get(handles.slider5,'value'), 
    get(handles.slider6,'value'));%该函数是自己编写的用来腐蚀或膨胀图像
    set(handles.axes5,'HandleVisibility','ON');%打开坐标,方便操作
    axes(handles.axes5);%%使用图像,操作在坐标1
    imshow(bw);%在坐标axes1显示原图像 
    title('二值化图像');

     下面是获取细胞个数的函数,该函数的原理是计算连通区域个数来获取细胞个数,由于经过以上的步骤,已将细胞核分离出来,因此只用计算连通域便可得到细胞个数,下面是代码:

function area(handles)
    global bw
    global USM
    bw_img = ~bw; %将原本的二值化取反。

    L = bwlabel(bw_img, 8);%
    S = regionprops(L, 'area', 'boundingbox');
    bw2 = ismember(L, find([S.Area] >= (get(handles.slider7,'value'))));
    img_reg = regionprops(bw2, 'area', 'boundingbox');
    
    areas = [img_reg.Area];
    rects = cat(1,  img_reg.BoundingBox);
    
    [x, y] = size(areas);
    set(handles.edit3, 'string', num2str(y));%这里的Y便是细胞个数
    
    global im;
    temp = im;
    
    set(handles.axes6,'HandleVisibility','ON');%打开坐标,方便操作
    axes(handles.axes6);%%使用图像,操作在坐标1
    imshow(temp);%在坐标axes1显示原图像 
    title('连通域图像');
% show all the largest connected region
    for i = 1:size(rects, 1)
        rectangle('position',rects(i, :), 'EdgeColor', 'r');
    end

百度网盘地址:https://pan.baidu.com/s/1qgk1Aaeph7OWEipp2Bxp4A,密码:3ccb