一、简介

模型参考这里。

二、源代码

function varargout = bishe2(varargin)
% BISHE2 MATLAB code for bishe2.fig
%      BISHE2, by itself, creates a new BISHE2 or raises the existing
%      singleton*.
%
%      H = BISHE2 returns the handle to a new BISHE2 or the handle to
%      the existing singleton*.
%
%      BISHE2('CALLBACK',hObject,eventData,handles,...) calls the local
%      function named CALLBACK in BISHE2.M with the given input arguments.
%
%      BISHE2('Property','Value',...) creates a new BISHE2 or raises the
%      existing singleton*.  Starting from the left, property value pairs are
%      applied to the GUI before bishe2_OpeningFcn gets called.  An
%      unrecognized property name or invalid value makes property application
%      stop.  All inputs are passed to bishe2_OpeningFcn via varargin.
%
%      *See GUI Options on GUIDE's Tools menu.  Choose "GUI allows only one
%      instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help bishe2% Last Modified by GUIDE v2.5 26-Nov-2020 16:50:25% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...'gui_Singleton',  gui_Singleton, ...'gui_OpeningFcn', @bishe2_OpeningFcn, ...'gui_OutputFcn',  @bishe2_OutputFcn, ...'gui_LayoutFcn',  [] , ...'gui_Callback',   []);
if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});
endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
elsegui_mainfcn(gui_State, varargin{:});
end% End initialization code - DO NOT EDIT% --- Executes just before bishe2 is made visible.
function bishe2_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
% varargin   command line arguments to bishe2 (see VARARGIN)% Choose default command line output for bishe2
handles.output = hObject;% Update handles structure
guidata(hObject, handles);% UIWAIT makes bishe2 wait for user response (see UIRESUME)
% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line.
function varargout = bishe2_OutputFcn(hObject, eventdata, handles) 
% varargout  cell array for returning output args (see VARARGOUT);
% hObject    handle to figure
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)% Get default command line output from handles structure
varargout{1} = handles.output;% --- Executes on button press in pushbutton1.
%% 按钮实现打开文件功能
function pushbutton1_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global yuantu;
%文件打开对话框
[filename,pathname]=uigetfile({'*.bmp';'*.jpg';'*.gif'},'选择图片'); 
if isequal(filename,0)|isequal(pathname,0)errordlg('没有打开图像','出错');
return;
else
file=[pathname,filename];
yuantu=imread(file);%读入图像
%设置显示的坐标轴
axes(handles.axes1);
%显示图像
imshow(yuantu);title('原始图像');
end% --- Executes on button press in pushbutton2.
%% 按钮实现图像灰度化
function pushbutton2_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton2 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global yuantu;
axes(handles.axes2);
f= rgb2gray(yuantu);
imshow(f);title('灰度图像');% --- Executes on button press in pushbutton3.
%% 按钮实现基于阈值的细胞分割算法
function pushbutton3_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton3 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global yuantu;
axes(handles.axes3);
%%%%%%%%%%%%%%%大松算法
level=graythresh(yuantu);     %确定灰度阈值  
BW=im2bw(yuantu,level);  
imshow(BW); 
title('基于阈值的细胞分割');% --- Executes on button press in pushbutton4.
%% 按钮实现基于边缘的细胞分割算法
function pushbutton4_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton4 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global yuantu;
%将axes4作为当前的坐标轴
axes(handles.axes4);
%获取popupmenu1的句柄为c
c=get(handles.popupmenu1,'value');
f=im2bw(yuantu);
[g_sobel_default , ts] = edge(f, 'sobel');
[g_log_default,tlog]=edge(f, 'log');
[g_canny_default,tc]=edge(f, 'canny' ); 
[g_prewitt_default,tp]=edge(f, 'prewitt');
[g_roberts_default,tr]=edge(f, 'roberts' );
g_sobel_best=edge(f, 'sobel' ,0.25);
g_log_best=edge(f, 'log',0.003,2.25);
g_canny_best=edge(f, 'canny' ,[0.04 0.10],1.5);
switch ccase 1 %使用sobel算子边缘检测  imshow(g_sobel_default);title('sobel图像边缘提取(自动阈值)');case 2 %使用log特算子边缘检测 imshow(g_log_default);title('log图像边缘提取（自动阈值）');case 3 %使用canny算子边缘检测imshow(g_canny_default);title('canny图像边缘提取（自动阈值）');case 4 %使用log特算子边缘检测 imshow(g_prewitt_default);title('prewitt图像边缘提取（自动阈值）');case 5 %使用canny算子边缘检测imshow(g_roberts_default);title('Roberts图像边缘提取（自动阈值）');case 6 %使用sobel算子边缘检测  imshow(g_sobel_best);title('sobel算子边缘检测');case 7 %使用log特算子边缘检测 imshow(g_log_best);title('log算子边缘检测');case 8 %使用canny算子边缘检测imshow(g_canny_best);title('canny算子边缘检测');case 9blood=rgb2gray(yuantu);[m,n]=size(blood);                % 求出图象大小b=double(blood);                  % 将blood转为双精度浮点类型N =sqrt(100) * randn(m,n);        % 生成方差为10的白噪声I=b+N;                            % 噪声干扰图象z0=max(max(I));                   % 求出图象中最大的灰度z1=min(min(I));                   % 最小的灰度 T=(z0+z1)/2;                      % 求最大和最小灰度的平均值TT=0;S0=0; n0=0;S1=0; n1=0;allow=0.5;                       % 新旧阈值的允许接近程度d=abs(T-TT);                     % 数的绝对值count=0;                         % 记录几次循环while(d>=allow)                  % 迭代最佳阈值分割算法count=count+1;for i=1:mfor j=1:nif (I(i,j)>=T)S0=S0+I(i,j);    % 图像中各个大于平均灰度值的点的灰度之和n0=n0+1;         % 图像中各个大于平均灰度值的点的总数endif (I(i,j)<T)        S1=S1+I(i,j);    % 图像中各个小于平均灰度值的点的灰度之和n1=n1+1;         % 图像中各个小于平均灰度值的点的总数endendend T0=S0/n0;                    % 所有大于平均灰度值的点的平均灰度值T1=S1/n1;                    % 所有小于平均灰度值的点的平均灰度值TT=(T0+T1)/2;                % 平均值d=abs(T-TT);                 % 两个平均值的差T=TT;endSeg=zeros(m,n);for i=1:mfor j=1:nif(I(i,j)>=T)Seg(i,j)=1;               % 阈值分割的图象endendendSI=1-Seg;                               % 阈值分割后的图象求反，便于用腐蚀算法求边缘se1=strel('square',3);               % 定义腐蚀算法的结构   strel是构建形态学运算中的结构元素函数SI1=imerode(SI,se1);                 % 腐蚀算法BW=SI-SI1;                           % 边缘检测imshow(BW);title('New algorithm');end% --- Executes on button press in pushbutton5.
%% 按钮实现基于形态学的细胞分割算法 来提取边界
function pushbutton5_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton5 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
global yuantu;
num=0;                                                                     % 图像位置计数
rowi=3;                                                                    % 图像显示行数
colui=3;                                                                   % 图像显示列数
%%%%%%%%%%% 读入图像 %%%%%%%
I=yuantu;
num=num+1;figure(1),subplot(rowi,colui,num),imshow(I),title('原图');           % 显示
%%%%%%%%%% 程序开始，计算时间 %%%%%%%%%%
tic                                                                        % tic 和 toc 为程序运行时间的计算
%%%%%%%%%% 灰度化 %%%%%%%%%%
Igray = rgb2gray(I);
num=num+1;figure(1),subplot(rowi,colui,num),imshow(Igray),title('灰度化');
%%%%%%%%%% 填充－－灰度重构 %%%%%%%%%%
Ifill = imfill(Igray,'holes');%填充二值图像中的空洞区域。 如，黑色的背景上有个白色的圆圈。则这个圆圈内区域将被填充。
num=num+1;figure(1),subplot(rowi,colui,num),imshow(Ifill),title('灰度重构');
%%%%%% 二值化阈值选取过程 %%%%%
%%% 第一步，淋巴细胞不会在视场边缘，因此选择处理比视场小的图像范围，减少背景
[m,n]=size(Ifill);                                                         % 图像大小
Ifilltest=Ifill(40:m-50,60:n-50);                                          % 40-238，60-302
%%% 第二步，直方图
[yout,xx]=imhist(Ifilltest);                                               % yout为统计的个数，xx为相应的灰度值
num=num+1;figure(1),subplot(rowi,colui,num),imhist(Ifilltest),title('直方图');
%%% 重构后淋巴细胞的灰度比白细胞灰度低，因此选择灰度低于220的直方图中的最大值
%%% 对应的灰度作为阈值
%%% 重构的时候，只在闭合区域进行填充--设置成相同的灰度值，不同区域设置成不同的灰度
%%% 虽然背景区域看上去比目标区域大，但是未闭合，未填充，没有相同的灰度值，虽然看上去灰度比较相近，但是，灰度值不同
%%% 因此，在选择阈值的时候，还是选择最大区域的灰度作为阈值
yout = yout(1:255);                                                        % 可以修改，保证重构之后的目标灰度在所选范围内
[yy,P]=max(yout);                                                          % yy返回直方图最高的个数，P为相应灰度值
P = P-1;                                                                   % P即为阈值
%%%%%%%%%% 二值化 %%%%%%%%%%
Ib = binarize1(Ifill,P);                                                   % 自编函数binarize1
num=num+1;figure(1),subplot(rowi,colui,num),imshow(Ib),title('二值化');                                  
%%%%%%%%%% 去小区域 %%%%%%%%%%%
Io = bwareaopen(Ib, 500);                                                  % 形态学开运算，去小区域
num=num+1;figure(1),subplot(rowi,colui,num),imshow(Io),title('去小区域');
%%%%%%%%%% 填充孔洞 %%%%%%%%%%%
Iend = imfill(Io,'holes');  
num=num+1;figure(1),subplot(rowi,colui,num),imshow(Iend),title('填充孔洞');
% 此时I中白色区域，即为淋巴细胞所在的区域
% 先找到像素最多的一列，即最长的一列
[H, col] = max(sum(Iend));                                                 % 对每一列求和，H为最大值，col为所在行
% 再找到该列上最低点
row = min(find(Iend(:, col)));                                              
%row = find(I(:, col),'first');
% [row, col]为求边界曲线的初始点                                            
boundary = bwtraceboundary(Iend, [row, col], 'N');                         % 找出图像的边界点坐

三、运行结果

四、参考文献

[1]张羽, 徐端全. OpenCV分水岭算法的改进及其在细胞分割中的应用[J]. 计算机应用, 2012, 32(S1):134-136.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。