一、前言

此示例演示如何从一组 ROI 创建标记的阻止映像。

在此示例中，您使用两种方法来获取和显示标记的数据。一种方法使用多边形ROI对象来存储肿瘤和正常组织区域边界的坐标。该函数将ROI坐标转换为标记的块图像。第二种方法使用掩码来指示图像的二进制分割为组织和背景。此示例将 ROI 和遮罩图像中的信息组合在一起，以创建具有对应于肿瘤、正常组织和背景区域的数字像素标签的单个块图像。

使用含有肿瘤组织的淋巴结训练图像的修改版本创建阻塞图像。修改后的图像具有三个粗略分辨率级别。已调整空间参考以强制实施一致的纵横比并在每个级别注册要素。

二、装载标签数据

CAMELYON16数据集提供肿瘤和正常区域的标签，作为一组坐标，指定相对于最精细分辨率水平的手动注释区域边界。当像素同时存在于正常区域和肿瘤区域的边界内时，这些像素的正确标签是正常组织。

加载被阻止图像的标签数据。此示例使用 CAMELYON16 数据集中图像标签的修改版本。原始标签以 XML 格式存储。修改后的标签已重新采样并另存为 MAT 文件。

三、将标签表示为 ROI 对象

创建存储肿瘤边界和正常组织边界坐标的多边形 ROI 对象。

四、在原始数据上显示带有标签的投资回报率

显示与多边形 ROI 叠加的图像。ROI 与图像具有相同的坐标系，因此更改所显示图像的分辨率级别仍会准确呈现 ROI。

放大一个投资回报率。肿瘤区域边界以红色显示，并围绕正常组织的内部区域以绿色显示。

五、创建ROI数据的标记阻止图像

使用该函数创建 ROI 坐标数据的标记块图像。该函数需要 ROI 坐标、ROI 标签和输出块图像的大小作为输入。获取正常区域和肿瘤区域的xy坐标数据，并将它们组合成单个细胞阵列。

查找正常和肿瘤区域的数量，并将标签分配给正常组织，将标签分配给肿瘤组织。按 指定的相同顺序分配标签。将标签指定为值以减少存储所需的内存。

为新的被阻止图像选择所需的分辨率级别。这种选择是在效率和准确性之间进行权衡。使用较粗的分辨率级别可减少处理时间和存储大小。使用更精细的分辨率级别会增加蒙版中保留的细节级别。粗分辨率级别可用于多边形等常规 ROI。对于较小的手绘投资回报率，精细的分辨率级别可能更合适。对于此示例，请使用中间分辨率级别。

指定新被阻止图像的图像大小，使其与原始图像 的图像大小相匹配，并达到所需的分辨率级别。创建带标签的阻止映像。将原始被阻止图像的空间参考保持在所需的分辨率级别。默认情况下，不属于任何ROI的像素被分配 数字标签 。

六、显示ROI标签和原始数据的叠加

显示覆盖在原始图像上的标记阻止图像。肿瘤区域显示为红色，完全封闭在肿瘤区域中的正常组织区域显示为绿色。背景和连接到背景的正常组织显示为蓝色，表示连接的正常区域被错误地归类为背景。

放大以绿色显示的正常组织区域。直观地验证 ROI 边界是否以足够详细的方式表示。

七、使用面膜分离组织和背景

使用图像分割创建正确区分正常组织与背景的遮罩。由于阈值设置需要将基础图像数据读入内存，并且背景和前景区域足够大，因此最粗糙的分辨率级别是合适的。对于灰度值小于 130 的像素，遮罩。通过使用函数执行形态闭合来填充掩模中的小孔。

八、创建单个标记的阻止映像

将组织掩膜和ROI标签数据组合成最终标记的封闭图像。尽管 ROI 图像是以比组织掩模更精细的分辨率级别创建的，但它们可以一起处理，因为它们来自相同的图像并具有相同的世界范围。

显示覆盖在原始图像上的标记阻止图像。三个标签（正常、肿瘤和背景）分别以绿色、红色和蓝色显示。

放大感兴趣区域以更详细地检查。

九、程序

使用Matlab R2022b版本，点击打开。（版本过低，运行该程序可能会报错）

程序有偿获取：评论区下留言，博主看到会私信你。