Question

我的下图是胰腺细胞照片

我想做的是能够获得每个细胞的膜（红色细丝），然后进行镶嵌以了解细丝的长度。到目前为止，我已经尝试使用matlab网站上给出的示例，但结果并不是很好......

 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]);

我一直在寻找其他方式来做它，但没有任何令人满意的结果......有没有办法这样做？也许除了matlab之外的其他软件可能更有效。提前谢谢你！

Answer 1

我对细胞或曲面细分等一无所知。但是如果你想在非均匀背景中检测到这些斑点，那么我可能会帮忙。由于背景不均匀，您需要单独分析blob。您不能只设置一个固定的阈值来立即检测所有blob。首先，您将单独检测每个blob，然后使用单个阈值。这是示例

原始图片

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

我只选择蓝色来分析

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

figure,imagesc(im2);axis image;

1）模糊图像，因为在模糊之后，斑点将具有局部性最大/最小值在他们的中心

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

2）使用分水岭变换来分隔每个斑点区域

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

绘制边界

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

3）在这里，我分别分析每个blob并找到一个otsu阈值每个blob，然后我检测blob并结合所有检测

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

删除一些噪音

m.LINEAS_DOWNSTREAM_BARRA = Set(m.BARRAS, dimen=2, initialize=your_lambda_fcn)

如果背景的对比度高于blob，那么你不需要在分水岭变换中反转图像。

Answer 2

我不确定这是否可以让您更接近问题的解决方案，但我会做的是这样的事情。请注意，这是一种非常简单和天真的方法：

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

二进制图像应如下所示：

现在您可以使用数学形态学来消除噪音。首先创建一个结构元素，然后将其与二进制图像进行卷积：

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

现在您的新图片应如下所示：

此时，您可以使用另一个找到骨架的形态学操作：

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

骨架图像如下所示：

当然这种方法远非精确，但可能会为您提供有关灯丝长度的总体信息，特别是如果您可以摆脱最终的噪音（骨架的那些附录）。

如何使用matlab正确地检测细胞图像？

2 个答案: