【细胞分割】中值滤波+分水岭法细胞计数【含Matlab源码 640期】

💥💥💞💞欢迎来到Matlab仿真科研站博客之家💞💞💥💥

✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。

🍎个人主页：Matlab仿真科研站博客之家

🏆代码获取方式：
💥扫描文章底部QQ二维码💥

⛳️座右铭：行百里者，半于九十；路漫漫其修远兮，吾将上下而求索。

⛄更多Matlab图像处理（仿真科研站版）仿真内容点击👇
Matlab图像处理（仿真科研站版）

⛄一、图像分割简介

理论知识参考：【基础教程】基于matlab图像处理图像分割【含Matlab源码 191期】

⛄二、部分源代码

clear;
close all;
%------------------
%程序中定义图像变量说明
%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。
%------------------
%--------------------------------------
%-------图片前期处理-------------------
%--------------------------------------
%第一步：读取原图,并显示
a= imread(‘b1.bmp’);
subplot(331)
imshow(a);
title(‘原图’);
Image=rgb2gray(a);
%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
subplot(332)
imshow(Image_BW);
title(‘初次二值化图像’);

%第三步二值化图像进行
Image_BW_medfilt= medfilt2(Image_BW,[13 13]);
subplot(333)
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;
subplot(334)
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’-〉‘白色’，‘0’-〉‘黑色’
%方便下面的操作
Reverse_Image_BW = ~Optimized_Image_BW;
subplot(335)
imshow(Reverse_Image_BW);
title(‘优化后二值化图象取反’);

%第六步：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’);
subplot(336)
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’,10);
BW = imopen(Filled_Image_BW,SE);
subplot(337)
imshow(BW);
title(‘开运算后的图像’);

subplot(338),imhist(Image);

%-----------------------------------------------

%-------------开始计算细胞数--------------------

%-----------------------------------------------

[Label Number]=bwlabel(BW,8)%初步取得细胞个数
Array = bwlabel(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1500，表示有两个细胞相连，像素点较多，即分为两个细胞数
ss=0;
for i=1:length(Sum)
ss=ss+Sum([i]);

end
dd=ss/length(Sum);
dd
for i=1:length(Sum)
if(Sum([i]))>dd
N = N+1;
end
if(Sum([i])) >(dd*2)
N = N+2;
end
function [cen,copy]=Kmeans(I,k) % K均值聚类函数
mm=max(max(I)); % mm为I的最大灰度值
copy=I;
cen=(1:k)*mm/k; % 求出首次中心值
cen1=zeros(1,k);
d=ones(1,k)./255;
[m,n]=size(I);
J=zeros(m,n);
while(1)
for i=1:m
for j=1:n
c=abs(I(i,j)-cen); % c为I中元素与各中心点的差值数组
cc=find(min©c); % cc为距中心值最近的元素下标
J(i,j)=cc;
end
end
% 求新的中心点
for r=1:k
h=0;
[J1,J2]=find(Jr);
p=length(J1);
for s=1:p
h=h+I(J1(s),J2(s));
copy(J1(s),J2(s))=cen®; % 按中心值，把原图像灰度分为K类
end
cen1®=h/p;
end
if (abs(cen1-cen)<=d)
break;
else cen=cen1;
end
end

I=imread(‘b.bmp’); % 读入处理图像
R=I(:,:,1); % 分离R分量
G=I(:,:,2);
B=I(:,:,3);
clc; % 清屏
close all; % 关闭图像窗口
figure, % 开辟图像显示窗口
subplot(2,3,1),imshow®,title(‘R分量’);
subplot(2,3,2),imshow(G),title(‘G分量’);
subplot(2,3,3),imshow(B),title(‘B分量’);
K=rgb2hsv(I); % RGB图像转换成HSV图像
H=K(:,:,1);
S=K(:,:,2);
V=K(:,:,3);
subplot(2,3,4),imshow(H),title(‘H分量’);
subplot(2,3,5),imshow(S),title(‘S分量’);
subplot(2,3,6),imshow(V),title(‘V分量’);

%****************************** 白细胞计数 ******************************
% 分割出只有白细胞的二值图像
[cenwhite,copywhite]=Kmeans(H,3); % K均值聚类函数调用
cenwhite % 查看聚类后的中心值
figure,
subplot(1,3,1),imshow(copywhite,[ ]),title(‘H分量K均值聚类结果’);
A=copywhite;
[m,n]=size(A); % 把聚类后图像二值化
for i=1:m
for j=1:n
if A(i,j)==cenwhite(2)
A(i,j)=1;
else A(i,j)=0;
end
end
end
subplot(1,3,2),imshow(A,[ ]),title(‘白细胞二值化结果’);
C1=imdilate(A,ones(5)); % 对二值化图像腐蚀膨胀处理达到去噪效果
C2=imerode(C1,ones(11));
C=imdilate(C2,ones(6));
subplot(1,3,3),imshow(C,[ ]),title(‘白细胞去噪结果’);

% 下面两种方法中任选一种作为白细胞计数输出：
% 方法一：用4连通分割图像计算白细胞个数
L4=bwlabel(C,4); % 4连通运算
figure,subplot(1,2,1),imshow(L4,[ ]),title(‘法一：白细胞4连通结果’);
Numwhite=max(max(L4)); % 计算4连通后图像中的最大值，即为白细胞个数
Numwhite % Numwhite为4连通计数结果，显示结果

% 方法二：用分水岭算法分割图像计算白细胞个数 %
E=bwdist(~C);
E=-E;
E(~C)=-Inf;
L0=watershed(E);
rgb=label2rgb(L0,‘jet’);
subplot(1,2,2),imshow(rgb,[ ]),title(‘法二：白细胞分水岭结果’);
NumWhite=max(max(L0))-1;
NumWhite % NumWhite为分水岭算法计数结果，显示结果

%****************************** 红细胞计数 ******************************
% 分割出只有红细胞的二值图像，并对其做必需处理
I1(:,:,1)=double(I(:,:,1)).*C; % 把二值图像还原为彩色图像
I1(:,:,2)=double(I(:,:,2)).*C;
I1(:,:,3)=double(I(:,:,3)).*C;
figure,subplot(1,2,1),imshow(uint8(I1)),title(‘白细胞’);
J=double(I)-double(I1); % 原图减去白细胞图得红细胞彩图
subplot(1,2,2),imshow(uint8(J)),title(‘红细胞’);
J=rgb2hsv(J); % 红细胞图转换成HSV图
HH=J(:,:,1);
SS=J(:,:,2); % 提取S分量
VV=J(:,:,3);
figure,
subplot(1,3,1),imshow(HH),title(‘红细胞图H分量’);
subplot(1,3,2),imshow(SS),title(‘红细胞图S分量’);
subplot(1,3,3),imshow(VV),title(‘红细胞图V分量’);
[cenred,copyred]=Kmeans(SS,2); % 对S分量图均值聚类
cenred % 查看聚类后的中心值
figure,subplot(2,2,1),imshow(copyred,[ ]),title(‘S分量K均值聚类结果’);
H=copyred;
[m,n]=size(H); % 把聚类后图像二值化
for i=1:m
for j=1:n
if H(i,j)==cenred(2)
H(i,j)=1;
else H(i,j)=0;
end
end
end
subplot(2,2,2),imshow(H,[ ]),title(‘红细胞二值化结果’);
G=imfill(H,‘holes’); % 红细胞图填充孔洞
subplot(2,2,3),imshow(G,[ ]),title(‘红细胞填洞结果’);
C1=imerode(G,ones(9)); % 开运算去除噪声
G=imdilate(C1,ones(9));
subplot(2,2,4),imshow(G,[ ]),title(‘红细胞去噪结果’);

% 方法一：通过判断面积大小计算红细胞个数
[J,num]=bwlabel(G,8); % 8连通运算，保存区域个数num
figure,subplot(1,2,1),imshow(J,[ ]),title(‘红细胞8连通结果’);
sum=0; % 定义sum为总面积变量
numred1=0; % 定义numred1为红细胞个数变量
for i=1:num
[J1,J2]=find(J==i); % 找出J中值为i的像素坐标分别存入J1,J2中
area(i)=length(J1); % area(i)为第i个红细胞的面积
sum=sum+area(i); % 面积累加
end
ave=sum/num; % 求红细胞的平均面积ave
for i=1:num % 通过面积比较，判断个数的增加值
if 0.5ave<area(i) && area(i)<=1.5ave
numred1=numred1+1; % 如果细胞区域的面积在0.5～1.5倍之间，视为一个细胞
end
if 1.5ave<area(i) && area(i)<=2.5ave
numred1=numred1+2; % 如果细胞区域的面积在1.5～2.5倍之间，视为两个细胞
end
if 2.5ave<area(i) && area(i)<=3.5ave
numred1=numred1+3; % 如果细胞区域的面积在2.5～3.5倍之间，视为三个细胞
end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社，2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社，2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社，2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社，2015.
[5]赵勇,方宗德,庞辉,王侃伟.基于量子粒子群优化算法的最小交叉熵多阈值图像分割[J].计算机应用研究. 2008,(04)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化

2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类

2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测

2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测

3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别

3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建

4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题

4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划

4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划

4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配

5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏

6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏

7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断

7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真

7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真

7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰

7.5 无人机通信

7.6 无线传感器定位及布局方面
7.6.1 WSN定位
7.6.2 高度预估
7.6.3 滤波跟踪
7.6.4 目标定位
7.6.4.1 Dv-Hop定位
7.6.4.2 RSSI定位
7.6.4.3 智能算法优化定位
7.6.5 组合导航

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合