MATLAB图像处理实验——细胞图像的分割和计数

1. 实验内容

本实验为使用MATLAB编写的细胞图像分割及计数系统，实现了对图像内细胞的计数，以及对每个细胞周长和面积的测量，并分别展示了分割后的每个细胞的图像。

实验步骤共分为图像预处理、图像预分割、空洞填充、黏连细胞分割、细胞个数统计、细胞特征统计及显示。

实验所用图像如下图所示：

2. 图像预处理

使用滤波对细胞图像进行保边去噪的处理，这步的主要作用是去除图像噪声，系统中提供了中值滤波、均值滤波、维纳滤波、锐化滤波，经过测试发现中值滤波的效果最好，因此以中值滤波为例进行下面的实验。

部分代码如下：

global original_img show_img;
str=get(hObject,'string');
axes(handles.axes1);
[m,n,k]=size(original_img);
switch str
    case '原图'
        show_img=original_img;
        imshow(show_img);
    case '中值滤波'  
        show_img=original_img;
        for i=1:3
            show_img(:,:,i)=medfilt2(show_img(:,:,i));
        end
        imshow(show_img);
    case '均值滤波'
        show_img=original_img;
        h=ones(3,3)/9;
        for i=1:3
            show_img(:,:,i)=imfilter(show_img(:,:,i),h);
        end
        imshow(show_img);
    case '维纳滤波'
        show_img=original_img;
        for i=1:3
            show_img(:,:,i)=wiener2(show_img(:,:,i),[5 5]);
        end
        imshow(show_img);
    case '锐化滤波'
        show_img=original_img;
        h=[0 1 0;1 -4 1;0 1 0];
        for i=1:3
            J=conv2(im2double(show_img(:,:,i)),h,'same');
            show_img(:,:,i)=show_img(:,:,i)-uint8(J);
        end
        imshow(show_img);  
end

中值滤波图像如下：

3. 预分割

选择彩色细胞图像的蓝色通道，并对该通道的灰度图，用大津法Otsu进行二值化预分割，将细胞作为前景分割出来。

global show_img;
B=show_img(:,:,3);
B_gray=im2double(B);
level=graythresh(B_gray);
B_bw=im2bw(B_gray,level);
axes(handles.axes1);
show_img=B_bw;
imshow(show_img);

预分割图像如下：

4. 孔洞填充

对分割后的二值图，实施开运算，填充细胞中的孔洞，使轻微粘连细胞分开及细小的细胞消失。

global show_img;
se=strel('disk',5);
Spot_filled=imopen(show_img,se);
axes(handles.axes1);
show_img=Spot_filled;
imshow(show_img);

填充孔洞后的图像如下：

5. 黏连细胞分割

使用分水岭分割，将图像中粘连严重的细胞分割开来，对于仍难以分离的细胞，使用手动分割，用鼠标作为笔，将划过的像素点的值设为0，鼠标松开后，再进行一次分水岭分割。

分水岭分割代码：

global show_img;
D=-bwdist(~show_img);
mask=imextendedmin(D,2);
D2=imimposemin(D,mask);
Ld=watershed(D2);
Water_splited=show_img;
Water_splited(Ld==0)=0;
axes(handles.axes1);
show_img=Water_splited;
imshow(show_img);

手动分割代码：

global ButtonDown  show_img;  
if ButtonDown == 1  
    pos = get(handles.axes1, 'CurrentPoint');
    row=floor(pos(1,2));
    col=floor(pos(1,1));
    Diy_splited=show_img;
    Diy_splited(row,col)=0;
    show_img=Diy_splited;
    axes(handles.axes1);
    imshow(show_img);
end  

分割后的图像如下：

6. 细胞个数统计及显示

首先删除掉边缘上的细胞，再利用四连通区域标记算法统计分割后非粘连细胞的个数，最后在原图上标记出分割好的细胞，并标号。

细胞个数统计代码：

global N show_img original_img img_group perimeter_group area_group;
[B,L,N]=bwboundaries(show_img,'noholes');
[m,n]=size(show_img);
counted_img=zeros(m,n);
for i=1:N
    %显示边缘
    for j=1:size(B{i},1)
        counted_img(B{i}(j,1),B{i}(j,2))=1;
    end
    %标号
    med_row=floor(mean(B{i}(:,1)));
    med_col=floor(mean(B{i}(:,2)));
    if floor(i/10)==0
        str=[num2str(i) '.png'];
        I=imread(str);
    else
        str1=[num2str(floor(i/10)) '.png'];
        str2=[num2str(rem(i,10)) '.png'];
        I1=imread(str1);
        I2=imread(str2);
        I=[I1 I2];
    end
    [number_row,number_col]=size(I);
    counted_img((med_row - (number_row/2)):(med_row + (number_row/2) - 1),(med_col - (number_col/2)):(med_col + (number_col/2) - 1))=I;
    %截取每个细胞图像
    item_img=original_img(med_row - 45:med_row +44,med_col - 45:med_col + 44,:);
    item_img_index=L(med_row - 45:med_row +44,med_col - 45:med_col + 44);
    index=find(item_img_index~=i);
    r=item_img(:,:,1);
    g=item_img(:,:,2);
    b=item_img(:,:,3);
    r(index)=255;
    g(index)=255;
    b(index)=255;
    item_img=cat(3,r,g,b);
    img_group{i}=item_img;
    %每个细胞周长
    item_perimeter=size(B{i},1);
    perimeter_group{i}=item_perimeter;
    %每个细胞面积
    item_area=length(find(L==i));
    area_group{i}=item_area;
end

原图细胞标号代码：

R=original_img(:,:,1)+uint8(counted_img*255);
G=original_img(:,:,2)+uint8(counted_img*255);
B=original_img(:,:,3)+uint8(counted_img*255);
show_img=cat(3,R,G,B);
axes(handles.axes1);
imshow(show_img);

统计结果图如下：

7. 细胞特征统计与显示

对每个细胞，统计其面积，并用提取细胞边缘，统计边缘轮廓上的像素个数即细胞周长，将每个细胞的图像及相关信息分别显示出来。

global N img_group perimeter_group area_group page pages;
page=1;
pages=ceil(N/6);
str=['第' num2str(page) '/' num2str(pages) '页'];
set(handles.page_num,'string',str);
if page~=pages
    axes(handles.item1);imshow(img_group{1});
    axes(handles.item2);imshow(img_group{2});
    axes(handles.item3);imshow(img_group{3});
    axes(handles.item4);imshow(img_group{4});
    axes(handles.item5);imshow(img_group{5});
    axes(handles.item6);imshow(img_group{6});
    for i=1:6
        strs{i}=['No.' num2str(i) ' ' '周长：' num2str(perimeter_group{i}) ' ' '面积：' num2str(area_group{i})];
    end
    set(handles.detail_info1,'string',strs{1});
    set(handles.detail_info2,'string',strs{2});
    set(handles.detail_info3,'string',strs{3});
    set(handles.detail_info4,'string',strs{4});
    set(handles.detail_info5,'string',strs{5});
    set(handles.detail_info6,'string',strs{6});
else
    item_img=ones(size(img_group{1}));
    item_img(:,:,:)=255;
    item_imgs{1:6}=item_img;
    item_strs{1:6}='';
    for i=1:N
        item_imgs{i}=img_group{i};
        item_strs{i}=['No.' num2str(i) '   ' '周长：' num2str(perimeter_group{i}) '   ' '面积：' num2str(area_group{i})];
    end
    axes(handles.item1);imshow(item_imgs{1});
    axes(handles.item2);imshow(item_imgs{2});
    axes(handles.item3);imshow(item_imgs{3});
    axes(handles.item4);imshow(item_imgs{4});
    axes(handles.item5);imshow(item_imgs{5});
    axes(handles.item6);imshow(item_imgs{6});
    
    set(handles.detail_info1,'string',item_strs{1});
    set(handles.detail_info2,'string',item_strs{2});
    set(handles.detail_info3,'string',item_strs{3});
    set(handles.detail_info4,'string',item_strs{4});
    set(handles.detail_info5,'string',item_strs{5});
    set(handles.detail_info6,'string',item_strs{6});
end

分页显示结果如下：

8. 实验心得

本次实验耗时3天完成，实现了实验要求的所有功能，但由于时间仓促，仍有不少细节地方需要完善。在实验过程中，有一些功能在代码实现上比较有难度，所幸最终找到了解决办法，以下是我认为在编码实现过程中遇到的最有难度的三个问题及详细解决办法。

（1）手动分割

使用分水岭分割后，仍有细胞没有被分割开，需要进行手动分割。方法为通过GUI鼠标响应，当鼠标按下和移动时，获取当前光标所在像素的横纵坐标，将图像中对应位置处的数值改为0，再显示新的图像。在鼠标移动过程中，对图像的修改速度远远小于鼠标滑动速度，这样只会在鼠标划过的路径上面留下一些黑点，而不是一条线。在鼠标松开时，对图像再进行一次分水岭分割，就会沿着黑点的路径生成一条分割线，从而实现对黏连严重细胞的手动分割。

（2）原图细胞标号

首先通过绘图软件作出0到9共10个数字的图像，使用MATLAB处理得到每个数字的二值图用于之后的标号。通过bwboundaries对图像进行标记后，得到每个细胞的边缘像素点的横纵坐标，再计算得出每个细胞的中心位置坐标，将该坐标与对应数字图像的中心坐标对应，将数字图像加到原图上，从而实现对原图细胞的标号。对于标号是两位数的细胞，需首先将十位上的数字和各位上的数字拼接，生成新的图像用于标号。

（3）结果分页显示

由于对GUI对象的操作无法通过循环结构实现，因此首先生成6张全白的图像，再根据这一页上要显示的细胞个数，对相应的图像进行修改，最后将这6张图像全部显示出来，是细胞图像的就显示细胞图像，不是细胞图像的则显示全白的图像。