数字图像处理课程设计(实验报告)

上海理工大学

计算机工程学院

实验报告

实验名称红细胞数目统计课程名称数字图像处理

姓名王磊学号0916020226 日期2012-11-27 地点图文信息中心成绩教师韩彦芳

一、设计内容：

主题：《红细胞数目检测》

详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。

二、现实意义：

细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。

三、涉及知识内容：

1、中值滤波

2、开运算

3、闭运算

4、二值化

5、贴标签

四、实例分析及截图效果：

（1）代码如下：

1、程序中定义图像变量说明

（1）Image--------------------------------------------------------------原图变量;

（2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）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；

（5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像；

2、实现代码：

%-------图片前期处理-------------------

%第一步：读取原图,并显示

A = imread('E:\红细胞3.png');

Image=rgb2gray(A); %RGB转化成灰度图

figure,imshow(Image);

title('【原图】');

%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

figure,imshow(Image_BW);

title('【初次二值化图像】');

%第三步二值化图像进行中值滤波

Image_BW_medfilt= medfilt2(Image_BW,[13 13]);

figure,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;

figure,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;

figure,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');

figure, 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',4);

Open_Image_BW = imopen(Filled_Image_BW,SE);

figure, imshow(Open_Image_BW);

title(' 【开运算后的图像】');

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

[Label Number]=bwlabel(Open_Image_BW,8) %初步取得细胞个数

Array = bwlabel(Open_Image_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400，表示有两个细胞相连，像素点较多，即分为两个细胞数

for i=1:length(Sum)

if(Sum([i])) > 1500

N = N+1;

end

end

%------------------统计最终细胞数-----------

Number = Number+N

3、运行效果截图：

第一步：读取原图,并显示

A = imread('E:\红细胞3.png ');

Image=rgb2gray(A);

figure,imshow(Image);

title(' 【原图】');

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figure,imshow(Image_BW);

title(' 【初次二值化图像】');

第三步：进行二值化图像

Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,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;

figure,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'为'白色',0'为'黑色'

Reverse_Image_BW = ~Optimized_Image_BW;

figure,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');

figure, 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',4);

Open_Image_BW = imopen(Filled_Image_BW,SE);

figure, imshow(Open_Image_BW);

title(' 【开运算后的图像】');

第八步：开始计算细胞数

[Label Number]=bwlabel(Open_Image_BW,8)%初步取得细胞个数

Array = bwlabel(Open_Image_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---

for i=1:length(Sum)

if(Sum([i])) > 1500

N = N+1;

end

end

Number = Number+N %----统计最终细胞数

第九步：最终检测结果：

四、算法分析

（1）中值滤波

利用中值滤波可以对图像进行平滑处理。算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。

（2）开运算

先腐蚀后膨胀的过程称为开运算。用来消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。

（3）闭运算

先膨胀后腐蚀的过程称为闭运算。用来填充物体内细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。

五、心得体会

耗费了半个月的时间来处理这份课程设计，期间虽然要去复习研究生考试但是我还是坚持了下来，也许实验不是很完美，但却是自己努力完成，因此很有成就感。最开始以为自己做的很好，都自己完成了，但是跟大家对比后才发现原来自己已经做错了，还好有老师和同学的教导与指点，再次在此表示感谢。

对于这次的课程设计来说，由于是我我首次通过编写代码来完成对图像的处理，这些都是以前没有接触过的，难免出现一些失误，而且又由于自己以前没有接触过matlab，第一次的接触使用中也出现一些错误，不过都通过了后来的翻阅资料等一一解决，这实在是一份难得的经验。在学习了很多之后我开始慢慢的对MATLAB的操作熟练起来，并且在实践中找到了学习的乐趣。虽然在这短时间里需要不断查资料，然后对着电脑，把一个个的问题通过这样或那样的方法解决。我坚信虽然道路是曲折的，但是前途是光明的。