數字圖像處理課程設計-對Blood圖進行細胞個數統(tǒng)計

1、數字圖象處理實 驗 報 告實驗題目：對blood圖進行細胞個數統(tǒng)計系 （院）： 專 業(yè)： 班 級： 學生姓名： 學 號： 指導教師： 對blood圖進行細胞個數統(tǒng)計一、實驗圖片如下：二、 實驗分析：圖片中含有很多噪聲，在圖片二值化后應該進行圖片的去噪。怎樣獲得良好的去噪效果，選取適合的去噪方法是本實驗關鍵。同時該圖中有部分細胞相連程度較深，運用“開運算”或者“腐蝕”可能很難將細胞分開，影響“貼標簽”對細胞的個數統(tǒng)計，應該找到一個更適合的方法來獲取較準確的細胞個數。實驗的大致過程：三、 實驗過程：1、顯示圖象image = imread('blood.tif');figure,i

2、mshow(image);title('原圖');運行結果如下：2、 圖像的二值化theshold = graythresh(image);%取得圖象的全局域值image_bw = im2bw(image,theshold);%二值化圖象figure,imshow(image_bw);title('初次二值化圖像');運行結果如下：3、 圖像去噪image_bw_medfilt = medfilt2(image_bw,13 13);figure,imshow(image_bw_medfilt);title('中值濾波后的二值化圖像');運行結果如

3、下：4、 二值圖像邏輯運算optimized_image_bw = image_bw_medfilt|image_bw;figure,imshow(optimized_image_bw);title('進行“或”運算優(yōu)化圖像效果');運行結果如下：5、 圖像取反reverse_image_bw = optimized_image_bw;figure,imshow(reverse_image_bw);title('優(yōu)化后二值化圖象取反');運行結果如下：6、 填充細胞中心黑色的部分filled_image_bw = bwfill(reverse_image_bw,

4、'holes');figure, imshow(filled_image_bw);title('已填充背景色的二進制圖像');程序代碼：運行結果如下：7、 二值圖像“開運算”se = strel('disk',4);open_image_bw = imopen(filled_image_bw,se);figure, imshow(open_image_bw);title('開運算后的圖像');運行結果如下：8、統(tǒng)計細胞個數label number=bwlabel(open_image_bw,8) %初步取得細胞個數array =

5、bwlabel(open_image_bw,8); %取得貼標簽處理后的圖像sum = ; %依次統(tǒng)計貼標簽后數組for i=1:numberr,c = find(array=i); %獲取相同標簽號的位置，將位置信息存入r,crc = r c;num = length(rc); %取得vc數組的元素的個數sum(i)=num; %將元素個數存入sum數組endsumn = 0;for i=1:length(sum)if(sum(i) > 1500 %假如sum數組中的元素大于了1500，表示有兩個細胞相連，像素點較多，即分為兩個細胞數n = n+1;endend最終統(tǒng)計結果：30個實驗

6、總結：本次實驗涉及到運用matlab程序進行圖像的顯示、二值化、去噪、“開運算” 、取反、邏輯運算等我們實驗課上學過的知識。把圖像二值化后，從二值化后的圖象中可以看出，圖片中有很多小黑點，屬于“椒鹽噪聲”，可以采用一種較為簡單的去噪方法“中值濾波”，因為在一些小黑點附近是大量的白色背景，只要選取適當大的模版，就可以濾掉小黑點。同時如果模版選取過大，可能會造成圖像邊緣太模糊，在二值圖像中可能會擴大細胞邊緣，所以根據這種二值化圖形的性質，我們可以通過邏輯運算來獲得效果較好的圖像效果。通過對中值濾波后的圖像可以看出，細胞邊緣擴大，特別是圖片邊界的細胞。細胞邊緣擴大，黑色增多，可以通過初次二值化圖像與

7、中值濾波后的二值化圖像進行“或”運算將優(yōu)化圖像效果。在填充細胞中心黑色的部分時，利用bwfill函數?！伴_運算”雖然對圖粘連細胞的分離效果不好，但將結果與上面圖像相比較，還是有一定的效果的。而對于圖像邊緣不完全的細胞，也作為整個細胞進行統(tǒng)計。另外，在整個實驗工作之前，首先對程序界面進行一次清理：clear;close all;在這里，也有必要說明一下程序中用到的變量和函數：image：原圖變量;image_bw：二值化圖象;image_bw_medfilt：中值濾波后的二值化圖像;optimized_image_bw：通過“初次二值化圖像”與“中值濾波后的二值化圖像”進行“或”運算優(yōu)化圖像效果

8、；reverse_image_bw：優(yōu)化后二值化圖象取反；filled_image_bw：已填充背景色的二進制圖像；open_image_bw：開運算后的圖像。附錄：image = imread('blood1.tif');figure,imshow(image);title('原圖'); （讀取原圖,并顯示）theshold = graythresh(image); %取得圖象的全局域值image_bw = im2bw(image,theshold); %二值化圖象figure,imshow(image_bw);title('初次二值化圖像')

9、;（進行二值化）image_bw_medfilt= medfilt2(image_bw,13 13);figure,imshow(image_bw_medfilt);title('中值濾波后的二值化圖像');（二值化圖像進行）optimized_image_bw = image_bw_medfilt|image_bw;figure,imshow(optimized_image_bw);title('進行“或”運算優(yōu)化圖像效果');（通過“初次二值化圖像”與“中值濾波后的二值化圖像”進行“或”運算優(yōu)化圖像效果）reverse_image_bw = optimize

10、d_image_bw;figure,imshow(reverse_image_bw);title('優(yōu)化后二值化圖象取反');（優(yōu)化后二值化圖象取反，保證：1-白色，0-黑色）filled_image_bw = bwfill(reverse_image_bw,'holes');figure, imshow(filled_image_bw);title('已填充背景色的二進制圖像');（填充二進制圖像的背景色，去掉細胞內的黑色空隙）se = strel('disk',4);open_image_bw = imopen(filled_image_bw,se);figure, imshow(open_image_bw);title('開運算后的圖像');（對圖像進行開運算，去掉細胞與細胞之間相粘連的部分） label number=bwlabel(open_image_bw,8) %初步取得細胞個數array = bwlabel(open_image_bw,8); %取得貼標簽處理后的圖像sum = ; %依次統(tǒng)計貼標簽后數組for i=1:number r,c = find(array=i); %獲取相同標簽號的位置，將位置信息存入r,crc = r c;num = length(r