红细胞数目检测重点.doc

数字图像处理大作业 题目：红细胞数目检测 组员：陈宏尘 游晓康 陈林禾 张红双一、主要内容 1、现实意义 2、设计步骤 3、算法分析 4、实例分析 二、现实意义： 细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。 三、设计步骤： 1、读入红细胞图片 2、中值滤波 3、闭运算 4、开运算 5、贴标签 6、得到细胞个数 四、算法分析 （1）中值滤波 利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 而且中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。能更好的区别开每一个红细胞。 （2）开运算　　先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。（消除细胞碎片）　　 （3）闭运算 先膨胀后腐蚀的过程称为闭运算。用来填充物体内细 小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。 （3）贴标签 bwlabel函数是用来标记二维的二值图像中的connected components的，简言之，就是黑背景下面有多少白的块（连通组件？真别扭），反正就是从黑背景甄别白块块的。就这么理解吧。 五、实例分析： 第一步：读取原图，并显示 Image = imread('红细胞5.jpg'); figure,imshow(Image); title(' 【原图】'); 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 figure,imshow(Image_BW); title(' 【初次二值化图像】'); 第三步：进行二值化图像 Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,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; figure,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'为'白色',0'为'黑色' Reverse_Image_BW = ~Optimized_Image_BW; figure,imshow(Reverse_Image_BW); title(' 【优化后二值化图象取反】'); 第六步：闭运算，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'); figure, 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',4); Open_Image_BW = imopen(Filled_Image_BW,SE); figure, imshow(Open_Image_BW); title(' 【开运算后的图像】'); 第八步：开始计算细胞数 [Label Number]=bwlabel(Open_Image_BW,8)%初步取得细胞个数 Array = bwlabel(Open_Image_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1