Próbuję stworzyć program, który może policzyć liczbę jąder na takim obrazie:
To, co już zrobiłem, to: krok po kroku:
- Zastosuj alternatywny filtr sekwencyjny (zamykanie i otwieranie obrazu za pomocą stopniowo coraz większych elementów strukturalnych)
- Zastosuj transformację odległości
- Zastosuj segmentację zlewni za pomocą obrazu przekształconego na odległość, aby wykryć minima
Co daje następujący wynik (gdzie każdy kolor reprezentuje nowe zliczone jądro):
Jak widzimy, istnieje wiele niedoskonałości, a konkretnie przeliczone jądra. Powiedziałbym, że przyczyną tego problemu jest sposób, w jaki nałożyłem minima dla Transformacji Wody (używając transformacji odległości), ale tak naprawdę nie mam innych pomysłów na nałożenie minimów w tym przypadku.
Ponieważ transformacja odległości generuje minima na podstawie okrągłości obiektów, chciałbym poznać lepszą alternatywę do zaokrąglania jąder niż alternatywny filtr sekwencyjny (patrząc na powyższy obraz, możemy wywnioskować, że większość „przeliczeń” pochodziła z mniej zaokrąglone jądra). Chciałbym również poznać lepsze sposoby narzucania minimów dla Transformacji Wody.
źródło
Odpowiedzi:
Istnieje wiele artykułów na temat radzenia sobie z problemem przeszacowania zlewni, ale myślę, że powinieneś przeczytać Robust Cell Image Segmentation Methods (artykuł naukowy z 2004 roku autorstwa Bengtssona i in.).
Obejmuje on różne metody segmentacji obrazów komórek i zawiera przykłady ze świata rzeczywistego, które pokazują, jak radzić sobie z nadmierną segmentacją z przełomu na obrazach mikroskopii fluorescencyjnej podobnej do twojej (zawiera także przykłady obrazów jasnego pola i obrazów mikroskopii konfokalnej). Wykorzystuje nasiona z transformacji odległości, podobnie jak twoje podejście, i łączy regiony o słabych granicach. Artykuł brzmi dobrze, a koncepcje są dość łatwe do wdrożenia w Matlabie.
Aby uzyskać jeszcze bardziej aktualne podejście, możesz przeczytać Schemat rozkładu 3D rozmytych obiektów na podstawie informacji rozmytej odległości autorstwa Svenssona. Wykorzystuje podobną metodę jak w Bengtsson i in., Ale działa na rozmytej transformacji odległości, która daje lepszą reprezentację gęstości dla obiektów użytych w artykule.
źródło
Możesz spróbować „rozszerzonej transformacji maksimów”, która jest metodą rekonstrukcji morfologicznej. Wykrywa maksymalne punkty na podstawie kryterium kontrastu, które można odwrócić i narzucić. Jest zaimplementowany w Matlabie.
źródło