⛄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