简介针对生物医学图像处理中的细胞分割任务这份MATLAB项目压缩包提供了从细胞检测到细胞大小计算的完整实现思路适合生物医学研究人员、图像处理工程师及入门学习者参考。资源内含3个文件共28KB包括可直接运行的.m算法脚本、示例细胞图像以及来源说明文档结构精简便于快速验收算法效果。已有491人学习下载。项目重点展示了迭代阈值分割、边缘检测、连通组件分析等关键环节并给出了细胞面积换算实际尺寸的实践方法有助于理解真实显微镜图像下的细胞分割流程。脚本与示例图像配合呈现了MATLAB图像处理工具箱的典型用法可作为进一步研究复杂形态学分析的基础。1. 为什么细胞分割在 MATLAB 里要把灰度图变成可测量对象拿到一版细胞显微图最耗时间的往往不是拍照而是把每个细胞的轮廓取出来。项目压缩包名字里带着cancer.rar也好换成别的命名也好要解决的问题都是一样的细胞粘连、背景不干净、测量结果不可比。细胞分割算法在 MATLAB 里做起来比别的语言顺手核心原因不是语法而是图像处理工具箱把阈值、距离变换、分水岭、区域属性这些操作封装成了向量化函数从“一张灰度图”到“一组细胞面积和直径”之间不需要维护复杂的工程结构。整个流程可以拆成三步预处理拉平背景分水岭拆开粘连区域regionprops 输出细胞大小。下面按这条路线走代码可以直接复制到脚本里跑。2. 预处理与阈值分割先让 MATLAB 的二值图干净起来2.1 读图、转灰度、滤波开头的 3 行代码决定分割下限分割失败的原因大多数不是分水岭没调好而是二值图本身就不干净。显微图像里常见的干扰有三类传感器噪声会形成独立小点染色不均让细胞内部出现孔洞光照不平让背景从图像一侧到另一侧逐渐变亮。直接用这些数据做全局阈值结果往往是一块块无法解释的亮斑。第一步先把图读进来并统一成灰度I imread(cells.tif); if size(I, 3) 3 I rgb2gray(I); end I im2double(I); Ifilt medfilt2(I, [3 3]);imread读入的 RGB 显微图用rgb2gray转成单通道如果原图本身就是灰度图size(I,3)3这个条件会直接跳过转换避免重复处理。im2double把像素值归一化到 0~1后续imopen、imadjust这类函数的数值行为才一致uint8 数据直接做减法时经常出现负数截断成 0 的问题。medfilt2是 3×3 中值滤波它和均值滤波不同中值滤波在去掉孤立噪点的同时能保留细胞边缘的阶跃变化。中值滤波窗口不建议盲目加大。细胞密度高时两个相邻细胞的缝隙可能只有 2~3 个像素宽5×5 窗口会把这条缝磨平分水岭后续无边界可找。2.2 背景不均匀时用顶帽变换再让 graythresh 决定阈值照度不均的图像直接用graythresh大概率翻车。Otsu 方法只按直方图选一个全局阈值如果图像暗角处的背景亮度和亮区细胞的灰度差不多无论阈值选在哪一边都会出错。常见做法是先用开运算估计背景再让原图减去背景这一步等价于顶帽变换。se strel(disk, 25); Ibg imopen(Ifilt, se); Iflat Ifilt - Ibg; Iscaled imadjust(Iflat); T graythresh(Iscaled); Bw imbinarize(Iscaled, T); Bw bwareaopen(Bw, 800); Bw imfill(Bw, holes);strel(disk, 25)创建圆形结构元素半径取细胞直径的一半左右。imopen先腐蚀后膨胀圆形结构元素不会进入细胞内部剩下的是背景亮度平面。Iflat扣掉背景后图像四角亮度趋近于 0细胞区域保留下来。imadjust将对比度拉开让 Otsu 的阈值判断集中在细胞和背景两类像素上。这 5 行里最容易改错的是se的半径。结构元素太小开运算会把细胞的一部分也当成背景减法后细胞中心出现空洞结构元素太大背景估计不够准确顶帽变换等于白做。一般从目标细胞直径的一半开始试。2.3 bwareaopen 的面积阈值用公式估算不要拍脑袋bwareaopen(Bw, 800)里的 800 是像素面积不是微米面积。不同成像系统的像素尺寸差异很大一个细胞的像素面积可能是一万也可能是五百写死这个值换个数据集就不成立。我通常这样算cal 0.114; % 每个像素对应的微米数 Dmin 8; % 最小细胞直径微米 minCellPixels pi * (Dmin / (2 * cal))^2; Bw bwareaopen(Bw, round(minCellPixels / 5));Dmin取实验对象里最小的细胞直径。这里用圆面积估计像素数再把阈值设在最小细胞的五分之一左右目的是删掉杂质碎片的同时不给边缘只有几像素宽的细胞造成损伤。分水岭后续会把细胞边缘削掉一点阈值留出余量是必要的。参数常见取值设错时的现象strel(disk, r)细胞直径的一半偏小细胞中心被腐蚀出洞偏大背景校正失效medfilt2窗口3×3 起步过大细胞间隙被磨平粘连分不开minCellPixels/5最小细胞像素面积的 20%太大小细胞被误删太小碎片干扰统计3. 粘连细胞的分水岭分割MATLAB 用 watershed 的正确姿势3.1 一个 bwlabel 数出来的“平均面积”为什么不可信二值化之后直接bwlabel编号是初学者最容易踩的坑。bwlabel只按像素连通性分组两个互相挤压的细胞在二值图里共用同一个连通区域函数会忠实地把这一大块当成一个对象。后续regionprops(CC, Area)计算面积时这块区域的面积会变成两三个细胞的面积之和直方图最右端出现一根异常的高柱。判断粘连程度有个经验方法如果面积直方图在最大值附近出现一个孤立尖峰说明至少有几对细胞没有被拆开。这时候必须把分水岭加进去而不是继续调整阈值。3.2 距离变换加 imhmin先跑通最小可用的 watershed分水岭的本质是把图像看成地形图。细胞中心距离背景最远是地形上的高点取负后就变成盆地两个相邻细胞的交界处距离背景很近取负后变成山脊。watershed从盆地开始注水水漫过山脊的位置画出一条分割线。D bwdist(~Bw); D -D; D imhmin(D, 1.2); L watershed(D); L(~Bw) 0; Bw2 Bw; Bw2(L 0) 0;bwdist(~Bw)计算每个前景像素到最近背景像素的距离中心亮度高、边缘亮度低。取负后中心变成谷底。imhmin(D, 1.2)是关键一步它把深度小于 1.2 的局部极小全部填平避免细胞内部的灰度抖动在分水岭上产生假边界。watershed返回标签矩阵L其中 0 代表分水岭脊线。L(~Bw) 0把背景区域的标签清掉最后用Bw2(L0)0抹掉前景上的分水岭线。如果跳过imhmin大部分细胞会被切成碎片因为原始距离变换里的小起伏都会成为独立的谷底。3.3 imhmin 的 h 值决定过分割还是欠分割h的值需要根据具体图像调。写一个 6 行循环扫描观察细胞数量变化for h 0.5:0.5:3.0 D bwdist(~Bw); D -D; D imhmin(D, h); L watershed(D); L(~Bw) 0; fprintf(h%.1f 细胞数%d\n, h, max(L(:))); endh越小局部极小保留得越多分割越激进h越大谷底被填平得越多分割越保守。扫描结果里通常会出现一个转折点细胞数从明显偏多突然掉到接近合理范围继续增大又会出现粘连。这个拐点对应的h值就是当前数据集的起点。h 值分割倾向适用场景0保留全部噪声极小值几乎不可用0.5~1.0偏激进粘连严重且边界清楚1.0~2.0均衡大多数密排细胞图2.0偏保守细胞边界模糊、核大胞质少调h时还要配合面积直方图看欠分割会让大细胞端的峰变高过分割会让小细胞端出现成片碎片。3.4 有核染色通道时用 imimposemin 做标记分水岭如果实验同时有 DAPI 等核染色通道分水岭的稳定性会明显提高。imimposemin可以强制指定核的位置为局部极小分水岭从这些种子向细胞边界扩展。Bwnucleus imbinarize(I_nuc, graythresh(I_nuc)); D bwdist(~Bw); D -D; D imimposemin(D, Bwnucleus); L watershed(D); L(~Bw) 0; Bw2 Bw; Bw2(L 0) 0;imimposemin的约束是一对一关系一个核标记对应一个细胞。因此核的二值化要先用bwareaopen清理噪声防止一个细胞核被切成两个标记。多核融合细胞、细胞核缺失的细胞片段在这种方案下会直接出错。4. 用 regionprops 测量细胞大小标定、Feret 直径与触边剔除4.1 先做像素标定面积和直径才不是相对值测量细胞大小的第一步不是写分析代码而是确认一个像素对应多少微米。显微镜厂商的采集软件通常会在元数据里写入像素尺寸也可以通过标尺手动换算。把标定系数固定写在一个变量里比散落在代码各处的魔法数字更安全。cal 0.114; % 像素尺寸单位 μm/px CC bwconncomp(Bw2); S regionprops(CC, Area, Perimeter, Centroid, ... MajorAxisLength, MinorAxisLength, FeretDiameter); AreaAll [S.Area] .* cal^2; DiamAll [S.FeretDiameter] .* cal; PeriAll [S.Perimeter] .* cal;regionprops返回结构体数组[S.Area]把每个对象的属性拼成一个向量。面积换算用cal^2直径和周长换算用cal。bwconncomp的输出直接传给regionprops比传标签矩阵 L 更省内存处理大图时差距明显。4.2 Feret 直径测量贴壁细胞大小的稳健选择贴壁细胞通常不规则长短轴差异大。MajorAxisLength用的是椭圆拟合参数如果细胞呈弯曲形椭圆拟合结果会受整体形状影响。FeretDiameter是区域内任意两个像素之间的最大欧氏距离相当于用卡尺从各个方向卡住细胞后读到的最大宽度。回答“细胞多大”这个问题时Feret 直径比椭圆主轴更直接。regionprops 属性含义测量用途Area区域像素总个数配合cal^2得到实际面积Perimeter边缘像素连线长度反映边缘粗糙度MajorAxisLength拟合椭圆长轴形态学分析FeretDiameter最大卡尺宽度细胞直径推荐值4.3 面积直方图要配合中位数和变异系数一起看面积直方图能快速暴露分割问题。统计时优先用中位数而不是平均值少量没拆开的双联体会把平均值拉高但中位数不受极值影响。meanA mean(AreaAll); medianA median(AreaAll); stdA std(AreaAll); cvA stdA / meanA; figure; histogram(AreaAll, 24); xlabel(细胞面积 (μm²)); ylabel(细胞数量);变异系数cvA如果大于 0.5说明细胞群体有明显的异质性或者分割边界偏差系统性存在。这时不要急着下结论先回到分水岭检查粘连比例。4.4 触碰图像边界的细胞要剔除否则直方图左端会多一个小峰图像上下左右边缘处的细胞只有一部分在视野内区域属性天然偏小。这些细胞混入统计集合后直方图左侧会出现一个小峰而且这个峰和真实小细胞混在一起无法区分。用对象级判断来剔除sz size(Bw2); keep true(CC.NumObjects, 1); for k 1:CC.NumObjects [r, c] ind2sub(sz, CC.PixelIdxList{k}); if any(r 1) || any(r sz(1)) || any(c 1) || any(c sz(2)) keep(k) false; end end AreaClean AreaAll(keep); DiamClean DiamAll(keep);逐对象取出PixelIdxList中的行列坐标判断是否落在边框上。需要注意如果图像本身采集时有重叠区域拼接中间拼接缝附近的细胞也可能被切开这类对象需要结合采集软件给出的拼缝掩膜一并处理。5. 验证细胞分割结果Dice 系数与过分割欠分割定位5.1 手工画 10 个细胞当 Ground Truth验证分割效果不能只靠肉眼对比。用drawfreehand手工画出一小块区域的细胞轮廓作为 Ground Truth 掩膜随机选取 10~20 个不同形态的细胞覆盖不同区域figure; imshow(Iscaled); h drawfreehand(FaceAlpha, 0.3); GTMask createMask(h);描轮廓时不要求像素级精确边界差一两个像素对最终指标的影响并不大。真正决定指标的是整体轮廓的重合程度。5.2 Dice 系数计算与判定区间Pred Bw2 0; dice 2 * sum(GTMask(:) Pred(:)) / (sum(GTMask(:)) sum(Pred(:)));Dice 系数反映两个掩膜的集合重叠程度取值范围 0~1。0.8 以上说明分割可用0.7~0.8 说明边界存在系统性偏移0.7 以下基本要回退调整。计算时要注意只算在有效区域内的像素如果图像中大部分是背景Dice 会被背景像素拉得虚高需要用 ROI 掩膜把计算范围限制到包含细胞的区域。5.3 用标签重叠关系定位过分割和欠分割Dice 只能给出整体评分定位问题要按对象检查。分类标准很直接Ground Truth 区域里出现了多个预测标签是过分割预测区域覆盖多个 Ground Truth 标签是欠分割。LG labelmatrix(bwconncomp(GTMask)); LP labelmatrix(bwconncomp(Pred)); for g 1:max(LG(:)) hit unique(LP(LG g)); hit hit(hit 0); if numel(hit) 1 fprintf(GT区域 %d 被切成 %d 块过分割\n, g, numel(hit)); end end for p 1:max(LP(:)) hit unique(LG(LP p)); hit hit(hit 0); if numel(hit) 1 fprintf(预测区域 %d 覆盖了 %d 个GT细胞欠分割\n, p, numel(hit)); end end这组循环输出每类错误的编号再回到图上找到对应区域几分钟就能定位问题来源。如果过分割集中在某几个细胞上通常是imhmin的h偏小如果欠分割集中出现在图像暗角则很可能是背景校正没有完全拉平。最后的调参顺序建议是先验证h值扫描是否落在拐点附近再检查minCellPixels的阈值是否已随像素尺寸校准如果分割结果仍不稳定给 Ground Truth 掩膜做一次imdilate后再算 Dice排除手工描边误差的影响再决定是否动代码。本文还有配套的精品资源点击获取
简介针对生物医学图像处理中的细胞分割任务这份MATLAB项目压缩包提供了从细胞检测到细胞大小计算的完整实现思路适合生物医学研究人员、图像处理工程师及入门学习者参考。资源内含3个文件共28KB包括可直接运行的.m算法脚本、示例细胞图像以及来源说明文档结构精简便于快速验收算法效果。已有491人学习下载。项目重点展示了迭代阈值分割、边缘检测、连通组件分析等关键环节并给出了细胞面积换算实际尺寸的实践方法有助于理解真实显微镜图像下的细胞分割流程。脚本与示例图像配合呈现了MATLAB图像处理工具箱的典型用法可作为进一步研究复杂形态学分析的基础。1. 为什么细胞分割在 MATLAB 里要把灰度图变成可测量对象拿到一版细胞显微图最耗时间的往往不是拍照而是把每个细胞的轮廓取出来。项目压缩包名字里带着cancer.rar也好换成别的命名也好要解决的问题都是一样的细胞粘连、背景不干净、测量结果不可比。细胞分割算法在 MATLAB 里做起来比别的语言顺手核心原因不是语法而是图像处理工具箱把阈值、距离变换、分水岭、区域属性这些操作封装成了向量化函数从“一张灰度图”到“一组细胞面积和直径”之间不需要维护复杂的工程结构。整个流程可以拆成三步预处理拉平背景分水岭拆开粘连区域regionprops 输出细胞大小。下面按这条路线走代码可以直接复制到脚本里跑。2. 预处理与阈值分割先让 MATLAB 的二值图干净起来2.1 读图、转灰度、滤波开头的 3 行代码决定分割下限分割失败的原因大多数不是分水岭没调好而是二值图本身就不干净。显微图像里常见的干扰有三类传感器噪声会形成独立小点染色不均让细胞内部出现孔洞光照不平让背景从图像一侧到另一侧逐渐变亮。直接用这些数据做全局阈值结果往往是一块块无法解释的亮斑。第一步先把图读进来并统一成灰度I imread(cells.tif); if size(I, 3) 3 I rgb2gray(I); end I im2double(I); Ifilt medfilt2(I, [3 3]);imread读入的 RGB 显微图用rgb2gray转成单通道如果原图本身就是灰度图size(I,3)3这个条件会直接跳过转换避免重复处理。im2double把像素值归一化到 0~1后续imopen、imadjust这类函数的数值行为才一致uint8 数据直接做减法时经常出现负数截断成 0 的问题。medfilt2是 3×3 中值滤波它和均值滤波不同中值滤波在去掉孤立噪点的同时能保留细胞边缘的阶跃变化。中值滤波窗口不建议盲目加大。细胞密度高时两个相邻细胞的缝隙可能只有 2~3 个像素宽5×5 窗口会把这条缝磨平分水岭后续无边界可找。2.2 背景不均匀时用顶帽变换再让 graythresh 决定阈值照度不均的图像直接用graythresh大概率翻车。Otsu 方法只按直方图选一个全局阈值如果图像暗角处的背景亮度和亮区细胞的灰度差不多无论阈值选在哪一边都会出错。常见做法是先用开运算估计背景再让原图减去背景这一步等价于顶帽变换。se strel(disk, 25); Ibg imopen(Ifilt, se); Iflat Ifilt - Ibg; Iscaled imadjust(Iflat); T graythresh(Iscaled); Bw imbinarize(Iscaled, T); Bw bwareaopen(Bw, 800); Bw imfill(Bw, holes);strel(disk, 25)创建圆形结构元素半径取细胞直径的一半左右。imopen先腐蚀后膨胀圆形结构元素不会进入细胞内部剩下的是背景亮度平面。Iflat扣掉背景后图像四角亮度趋近于 0细胞区域保留下来。imadjust将对比度拉开让 Otsu 的阈值判断集中在细胞和背景两类像素上。这 5 行里最容易改错的是se的半径。结构元素太小开运算会把细胞的一部分也当成背景减法后细胞中心出现空洞结构元素太大背景估计不够准确顶帽变换等于白做。一般从目标细胞直径的一半开始试。2.3 bwareaopen 的面积阈值用公式估算不要拍脑袋bwareaopen(Bw, 800)里的 800 是像素面积不是微米面积。不同成像系统的像素尺寸差异很大一个细胞的像素面积可能是一万也可能是五百写死这个值换个数据集就不成立。我通常这样算cal 0.114; % 每个像素对应的微米数 Dmin 8; % 最小细胞直径微米 minCellPixels pi * (Dmin / (2 * cal))^2; Bw bwareaopen(Bw, round(minCellPixels / 5));Dmin取实验对象里最小的细胞直径。这里用圆面积估计像素数再把阈值设在最小细胞的五分之一左右目的是删掉杂质碎片的同时不给边缘只有几像素宽的细胞造成损伤。分水岭后续会把细胞边缘削掉一点阈值留出余量是必要的。参数常见取值设错时的现象strel(disk, r)细胞直径的一半偏小细胞中心被腐蚀出洞偏大背景校正失效medfilt2窗口3×3 起步过大细胞间隙被磨平粘连分不开minCellPixels/5最小细胞像素面积的 20%太大小细胞被误删太小碎片干扰统计3. 粘连细胞的分水岭分割MATLAB 用 watershed 的正确姿势3.1 一个 bwlabel 数出来的“平均面积”为什么不可信二值化之后直接bwlabel编号是初学者最容易踩的坑。bwlabel只按像素连通性分组两个互相挤压的细胞在二值图里共用同一个连通区域函数会忠实地把这一大块当成一个对象。后续regionprops(CC, Area)计算面积时这块区域的面积会变成两三个细胞的面积之和直方图最右端出现一根异常的高柱。判断粘连程度有个经验方法如果面积直方图在最大值附近出现一个孤立尖峰说明至少有几对细胞没有被拆开。这时候必须把分水岭加进去而不是继续调整阈值。3.2 距离变换加 imhmin先跑通最小可用的 watershed分水岭的本质是把图像看成地形图。细胞中心距离背景最远是地形上的高点取负后就变成盆地两个相邻细胞的交界处距离背景很近取负后变成山脊。watershed从盆地开始注水水漫过山脊的位置画出一条分割线。D bwdist(~Bw); D -D; D imhmin(D, 1.2); L watershed(D); L(~Bw) 0; Bw2 Bw; Bw2(L 0) 0;bwdist(~Bw)计算每个前景像素到最近背景像素的距离中心亮度高、边缘亮度低。取负后中心变成谷底。imhmin(D, 1.2)是关键一步它把深度小于 1.2 的局部极小全部填平避免细胞内部的灰度抖动在分水岭上产生假边界。watershed返回标签矩阵L其中 0 代表分水岭脊线。L(~Bw) 0把背景区域的标签清掉最后用Bw2(L0)0抹掉前景上的分水岭线。如果跳过imhmin大部分细胞会被切成碎片因为原始距离变换里的小起伏都会成为独立的谷底。3.3 imhmin 的 h 值决定过分割还是欠分割h的值需要根据具体图像调。写一个 6 行循环扫描观察细胞数量变化for h 0.5:0.5:3.0 D bwdist(~Bw); D -D; D imhmin(D, h); L watershed(D); L(~Bw) 0; fprintf(h%.1f 细胞数%d\n, h, max(L(:))); endh越小局部极小保留得越多分割越激进h越大谷底被填平得越多分割越保守。扫描结果里通常会出现一个转折点细胞数从明显偏多突然掉到接近合理范围继续增大又会出现粘连。这个拐点对应的h值就是当前数据集的起点。h 值分割倾向适用场景0保留全部噪声极小值几乎不可用0.5~1.0偏激进粘连严重且边界清楚1.0~2.0均衡大多数密排细胞图2.0偏保守细胞边界模糊、核大胞质少调h时还要配合面积直方图看欠分割会让大细胞端的峰变高过分割会让小细胞端出现成片碎片。3.4 有核染色通道时用 imimposemin 做标记分水岭如果实验同时有 DAPI 等核染色通道分水岭的稳定性会明显提高。imimposemin可以强制指定核的位置为局部极小分水岭从这些种子向细胞边界扩展。Bwnucleus imbinarize(I_nuc, graythresh(I_nuc)); D bwdist(~Bw); D -D; D imimposemin(D, Bwnucleus); L watershed(D); L(~Bw) 0; Bw2 Bw; Bw2(L 0) 0;imimposemin的约束是一对一关系一个核标记对应一个细胞。因此核的二值化要先用bwareaopen清理噪声防止一个细胞核被切成两个标记。多核融合细胞、细胞核缺失的细胞片段在这种方案下会直接出错。4. 用 regionprops 测量细胞大小标定、Feret 直径与触边剔除4.1 先做像素标定面积和直径才不是相对值测量细胞大小的第一步不是写分析代码而是确认一个像素对应多少微米。显微镜厂商的采集软件通常会在元数据里写入像素尺寸也可以通过标尺手动换算。把标定系数固定写在一个变量里比散落在代码各处的魔法数字更安全。cal 0.114; % 像素尺寸单位 μm/px CC bwconncomp(Bw2); S regionprops(CC, Area, Perimeter, Centroid, ... MajorAxisLength, MinorAxisLength, FeretDiameter); AreaAll [S.Area] .* cal^2; DiamAll [S.FeretDiameter] .* cal; PeriAll [S.Perimeter] .* cal;regionprops返回结构体数组[S.Area]把每个对象的属性拼成一个向量。面积换算用cal^2直径和周长换算用cal。bwconncomp的输出直接传给regionprops比传标签矩阵 L 更省内存处理大图时差距明显。4.2 Feret 直径测量贴壁细胞大小的稳健选择贴壁细胞通常不规则长短轴差异大。MajorAxisLength用的是椭圆拟合参数如果细胞呈弯曲形椭圆拟合结果会受整体形状影响。FeretDiameter是区域内任意两个像素之间的最大欧氏距离相当于用卡尺从各个方向卡住细胞后读到的最大宽度。回答“细胞多大”这个问题时Feret 直径比椭圆主轴更直接。regionprops 属性含义测量用途Area区域像素总个数配合cal^2得到实际面积Perimeter边缘像素连线长度反映边缘粗糙度MajorAxisLength拟合椭圆长轴形态学分析FeretDiameter最大卡尺宽度细胞直径推荐值4.3 面积直方图要配合中位数和变异系数一起看面积直方图能快速暴露分割问题。统计时优先用中位数而不是平均值少量没拆开的双联体会把平均值拉高但中位数不受极值影响。meanA mean(AreaAll); medianA median(AreaAll); stdA std(AreaAll); cvA stdA / meanA; figure; histogram(AreaAll, 24); xlabel(细胞面积 (μm²)); ylabel(细胞数量);变异系数cvA如果大于 0.5说明细胞群体有明显的异质性或者分割边界偏差系统性存在。这时不要急着下结论先回到分水岭检查粘连比例。4.4 触碰图像边界的细胞要剔除否则直方图左端会多一个小峰图像上下左右边缘处的细胞只有一部分在视野内区域属性天然偏小。这些细胞混入统计集合后直方图左侧会出现一个小峰而且这个峰和真实小细胞混在一起无法区分。用对象级判断来剔除sz size(Bw2); keep true(CC.NumObjects, 1); for k 1:CC.NumObjects [r, c] ind2sub(sz, CC.PixelIdxList{k}); if any(r 1) || any(r sz(1)) || any(c 1) || any(c sz(2)) keep(k) false; end end AreaClean AreaAll(keep); DiamClean DiamAll(keep);逐对象取出PixelIdxList中的行列坐标判断是否落在边框上。需要注意如果图像本身采集时有重叠区域拼接中间拼接缝附近的细胞也可能被切开这类对象需要结合采集软件给出的拼缝掩膜一并处理。5. 验证细胞分割结果Dice 系数与过分割欠分割定位5.1 手工画 10 个细胞当 Ground Truth验证分割效果不能只靠肉眼对比。用drawfreehand手工画出一小块区域的细胞轮廓作为 Ground Truth 掩膜随机选取 10~20 个不同形态的细胞覆盖不同区域figure; imshow(Iscaled); h drawfreehand(FaceAlpha, 0.3); GTMask createMask(h);描轮廓时不要求像素级精确边界差一两个像素对最终指标的影响并不大。真正决定指标的是整体轮廓的重合程度。5.2 Dice 系数计算与判定区间Pred Bw2 0; dice 2 * sum(GTMask(:) Pred(:)) / (sum(GTMask(:)) sum(Pred(:)));Dice 系数反映两个掩膜的集合重叠程度取值范围 0~1。0.8 以上说明分割可用0.7~0.8 说明边界存在系统性偏移0.7 以下基本要回退调整。计算时要注意只算在有效区域内的像素如果图像中大部分是背景Dice 会被背景像素拉得虚高需要用 ROI 掩膜把计算范围限制到包含细胞的区域。5.3 用标签重叠关系定位过分割和欠分割Dice 只能给出整体评分定位问题要按对象检查。分类标准很直接Ground Truth 区域里出现了多个预测标签是过分割预测区域覆盖多个 Ground Truth 标签是欠分割。LG labelmatrix(bwconncomp(GTMask)); LP labelmatrix(bwconncomp(Pred)); for g 1:max(LG(:)) hit unique(LP(LG g)); hit hit(hit 0); if numel(hit) 1 fprintf(GT区域 %d 被切成 %d 块过分割\n, g, numel(hit)); end end for p 1:max(LP(:)) hit unique(LG(LP p)); hit hit(hit 0); if numel(hit) 1 fprintf(预测区域 %d 覆盖了 %d 个GT细胞欠分割\n, p, numel(hit)); end end这组循环输出每类错误的编号再回到图上找到对应区域几分钟就能定位问题来源。如果过分割集中在某几个细胞上通常是imhmin的h偏小如果欠分割集中出现在图像暗角则很可能是背景校正没有完全拉平。最后的调参顺序建议是先验证h值扫描是否落在拐点附近再检查minCellPixels的阈值是否已随像素尺寸校准如果分割结果仍不稳定给 Ground Truth 掩膜做一次imdilate后再算 Dice排除手工描边误差的影响再决定是否动代码。本文还有配套的精品资源点击获取
