数字图像处理课程设计对Blood图进行细胞个数统计

《数字图像处理课程设计对Blood图进行细胞个数统计》由会员分享，可在线阅读，更多相关《数字图像处理课程设计对Blood图进行细胞个数统计（9页珍藏版）》请在装配图网上搜索。

1、数字图象处理实 验 报 告实验题目：对Blood图进行细胞个数统计系 （院）： 专 业： 班 级： 学生姓名： 学 号： 指导教师： 对Blood图进行细胞个数统计一、实验图片如下：二、 实验分析：图片中含有很多噪声，在图片二值化后应该进行图片的去噪。怎样获得良好的去噪效果，选取适合的去噪方法是本实验关键。同时该图中有部分细胞相连程度较深，运用“开运算”或者“腐蚀”可能很难将细胞分开，影响“贴标签”对细胞的个数统计，应该找到一个更适合的方法来获取较准确的细胞个数。实验的大致过程：三、 实验过程：1、显示图象Image = imread(blood.tif);figure,imshow(Imag

2、e);title(原图);运行结果如下：2、 图像的二值化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);运行结果如下：3、 图像去噪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);运行结果如下：4、 二值图像逻辑运算Optimized_Image_BW = Image_

3、BW_medfilt|Image_BW;figure,imshow(Optimized_Image_BW);title(进行“或”运算优化图像效果);运行结果如下：5、 图像取反Reverse_Image_BW = Optimized_Image_BW;figure,imshow(Reverse_Image_BW);title(优化后二值化图象取反);运行结果如下：6、 填充细胞中心黑色的部分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);程

4、序代码：运行结果如下：7、 二值图像“开运算”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);运行结果如下：8、统计细胞个数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:Numberr,c = find(Array=i); %获取相同标签号

5、的位置，将位置信息存入r,crc = 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endSumN = 0;for i=1:length(Sum)if(Sum(i) 1500 %假如Sum数组中的元素大于了1500，表示有两个细胞相连，像素点较多，即分为两个细胞数N = N+1;endend最终统计结果：30个实验总结：本次实验涉及到运用MATLAB程序进行图像的显示、二值化、去噪、“开运算” 、取反、逻辑运算等我们实验课上学过的知识。把图像二值化后，从二值化后的图象中可以看出，图片中有很多小黑点，属于“椒盐噪声”，可以

6、采用一种较为简单的去噪方法“中值滤波”，因为在一些小黑点附近是大量的白色背景，只要选取适当大的模版，就可以滤掉小黑点。同时如果模版选取过大，可能会造成图像边缘太模糊，在二值图像中可能会扩大细胞边缘，所以根据这种二值化图形的性质，我们可以通过逻辑运算来获得效果较好的图像效果。通过对中值滤波后的图像可以看出，细胞边缘扩大，特别是图片边界的细胞。细胞边缘扩大，黑色增多，可以通过初次二值化图像与中值滤波后的二值化图像进行“或”运算将优化图像效果。在填充细胞中心黑色的部分时，利用bwfill函数。“开运算”虽然对图粘连细胞的分离效果不好，但将结果与上面图像相比较，还是有一定的效果的。而对于图像边缘不完全

7、的细胞，也作为整个细胞进行统计。另外，在整个实验工作之前，首先对程序界面进行一次清理：clear;close all;在这里，也有必要说明一下程序中用到的变量和函数：Image：原图变量;Image_BW：二值化图象;Image_BW_medfilt：中值滤波后的二值化图像;Optimized_Image_BW：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；Reverse_Image_BW：优化后二值化图象取反；Filled_Image_BW：已填充背景色的二进制图像；Open_Image_BW：开运算后的图像。附录：Image = imread(blood1.

8、tif);figure,imshow(Image);title(原图); （读取原图,并显示）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);（进行二值化）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);（二值化图像进行）Optimized_Image_BW = Ima

9、ge_BW_medfilt|Image_BW;figure,imshow(Optimized_Image_BW);title(进行“或”运算优化图像效果);（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）Reverse_Image_BW = Optimized_Image_BW;figure,imshow(Reverse_Image_BW);title(优化后二值化图象取反);（优化后二值化图象取反，保证：1-白色，0-黑色）Filled_Image_BW = bwfill(Reverse_Image_BW,holes);figure, imshow(Fille

10、d_Image_BW);title(已填充背景色的二进制图像);（填充二进制图像的背景色，去掉细胞内的黑色空隙）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);（对图像进行开运算，去掉细胞与细胞之间相粘连的部分） 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,crc = 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endSumN = 0;for i=1:length(Sum)if(Sum(i) 1500N = N+1;endend（假如Sum数组中的元素大于了1500，表示有两个细胞相连，像素点较多，即分为两个细胞数）Number = Number+N- 8 -