我正在尝试从显微图像中分割一些细胞。看起来像this(对不起,还不能发布图片)。
我尝试了 Otsu阈值,用于红色通道(因为单元格是红色的),它减少了大部分蓝色背景,但是有些单元格被合并到一个对象中。结果可以在this相册中找到(第三张图片)。
因此,为此,我尝试了 MSER ,但结果不是很好,它检测到了小的脂肪滴,但没有检测到整个细胞。如果我使用形态学运算来连接这些白色片段,它也会连接一些细胞。
结果可以在同一张专辑的第二张图像中找到。
由于下一次使用不同的颜色,我尝试使用 HSV阈值代替MSER。我在大津脱粒的图像上应用了它。我发现了周围“蓝色”的HSV值并将其分段。它减少了细胞周围的大部分蓝色区域。对于脱粒图像,我使用了 findContours ,其中仅使用了大于300px的区域。结果看起来像上面相册中的最后一张图像。
是否有人对这种细胞分割有更多“稳健”和有用的方法有任何想法?问题是各种照明条件下的HSV值不同,非常感谢您的帮助!
最佳答案
通常,您无法从简单的阈值化方法中获得可靠,准确的结果。您可能想在OpenCV中尝试使用watershed segmentation或region growing segmentation。
您可能会得到一些改善,但是仍然不应该期望获得出色的结果。健壮的方法通常是机器学习方法。
您需要手动分割一些图像,然后训练分类器(SVM,随机森林或神经网络或...),以将每个像素(或面片)分类为是否属于单元格。 cascade classifier可以作为一个好的开始,因为它是在OpenCV中实现的。
关于opencv - 细胞分割的想法-OpenCV,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/29240545/