在显微镜研究中绘制围绕异质纹理组织的边界

Question

我正在整理一个OpenCV脚本来分析免疫组织化学染色的心脏组织。我们的染色程序使细胞类型在其质膜中表达某些蛋白质，并在光学显微镜下可见颜料，我们用它来拍摄图像。

到目前为止，我已成功使用OpenCV社区（http://opencv-python-tutroals.readthedocs.org/en/latest/py_tutorials/py_imgproc/py_colorspaces/py_colorspaces.html）提供的经常引用的颜色分段脚本的修改版本，根据颜色范围将图像分割到不同的图层。

原始图像的屏幕截图：

显示B-Cell层：

此时，我想计算B细胞面积与未染色组织的比率。此操作根据颜色范围提示提取背景单元层：

显然，这些结果还有很多不足之处。

有没有人知道如何解决这个问题？再次，我想分割背景组织（透明）层，不幸的是，它在纹理上相当海绵状。我的目标是创建一个代表未染色组织区域的面罩。似乎模糊技术是填补组织间隙所必需的，但这种方法所带来的准确性损失是显而易见的。

Answer 1

在样本图像中，通道看起来高度相关。如果对图像应用去相关拉伸，您应该能够看到更多细节。 Here在我的博客文章中，我用C ++实现了解相关 - 拉伸（不幸的是不是Python）。

使用博客中的示例代码，我执行以下操作来细分单元格区域：

• 使用以下targetMean和tergetSigma来扩展CIE Lab图像。

  float mu[3] = {128.0f, 128.0f, 128.0f};
  float sd[3] = {128.0f, 5.0f, 5.0f};
  Mat mean = Mat(3, 1, CV_32F, mu);
  Mat sigma = Mat(3, 1, CV_32F, sd);
  

• 将dstretched CIE Lab图像转换回BGR。
• 使用3x3矩形结构元素侵蚀此BGR图像一次。
• 使用k = 2将kmeans聚类应用于此侵蚀图像。

我不知道这种细分有多好。我认为通过尝试上述参数的不同值（平均值，sigma，结构元素大小和图像被侵蚀的次数）可以获得更好的分割。

（以下图片未达到原始比例）

原件： 将CIE实验室转换回BGR： 侵蚀： k = 2的kmeans：