数字图像处理课程项目报告
班级 信息与计算科学 姓名 陈玉娟 学号
时间 2008-12-30 评分
项目内容:
使用计算机图像处理技术与模式识别技术对血细胞显微图像进行自动分析识别,,区分
正常红细胞跟非常态的棒状雪茄状红细胞。
具体要求:
1、 将彩色图像转化灰度图,二值化,分割前找出阈值
2、 把边界部分和粘连的细胞都从图像中删除
3、 使用各种描述子形成单个细胞区域的特征向量,用图像分割技术将单个的红细胞从背
景中分割出来,统计红细胞个数、面积。
4、 把非常态的棒状雪茄状红细胞用特殊符号标记出来。
0583024117 完成
问题分析:
1、图像阈值化。在许多情况下,图像中目标区域和背景区域的灰度或平均灰度
是不同的。所以,在灰度直方图上取阈值分割就成为最广泛的应用方法之一。在
二值化图像分割中,一般认为图像灰度直方图是双峰的,它们分别与图像中的物
体与背景对应,并且在两峰之间有一个谷,当阈值取为谷的底部时认为是对图像
进行了最好的分割。阈值化可以利用灰度差异去除一部分噪声,并使细胞区域更
加易于观察,同时使后续的处理变得简易。阈值化的核心问题是阈值的选择,割
据图像中目标和背景的灰度分布状态,可以选用不同的方法,主要有全局单阈值
法、双阈值法、自适应阈值法等。本文采取函数 graythresh取一幅图像,计算它
2
的直方图,找出最大化
B
的阈值。阈值返回为 0.0和 1.0之间的归一化值。函数
graythresh的调用语法为 T=graythresh(f)。算得 T=0.7451
2、在图像传输过程中,外部干扰和系统内部干扰会给图像带来很多的随机噪声
干扰。对图像进行中值滤波后,可以很好的消除分布在图像上的各类随机噪
声,且不影响图像给人的感觉。因此,利用中值滤波法来消除图像的随机干
扰噪声是图像随机噪声消除的最佳方法。具体实现:gnoise=medfilt2(gbw2,[7
7],'symmetric');
3、原细胞图像有一部分是在边界或者几个粘连重叠在一起,不利于分割提取细
胞特征,利用清除边界运算可以消除不完整的细胞,利用求细胞的面积运算
可以删除粘连在一起的细胞和一些比较细小的噪声。
4、如何区分正常红细胞跟非正常的棒状雪茄状红细胞。先标注连通分量,初步
获得细胞个数,利用函数 regionprops计算区域描绘子,找出每个细胞的面积
跟偏心率,偏心率越大,说明焦距与主轴的距离越大,越接近椭圆,由此可
以找出非正常的红细胞
算法清单: