Saya mencoba membuat program yang dapat menghitung jumlah inti dalam gambar seperti ini:
Apa yang telah saya lakukan adalah sebagai berikut, langkah demi langkah:
- Terapkan Filter Berurutan Bergantian (menutup dan membuka gambar dengan elemen penataan yang lebih besar secara bertahap)
- Terapkan transformasi jarak
- Terapkan segmentasi daerah aliran sungai menggunakan gambar yang diubah jarak untuk mendeteksi minima
Yang menghasilkan hasil berikut (di mana setiap warna mewakili nukleus baru dihitung):
Seperti yang dapat kita lihat, ada banyak ketidaksempurnaan, khususnya, nuklei yang dihitung berlebihan. Saya akan mengatakan bahwa alasan untuk masalah itu adalah cara saya memberlakukan minima untuk Watershed Transform (menggunakan transformasi jarak), tapi saya benar-benar tidak punya ide lain untuk memaksakan minima dalam kasus itu.
Karena Distance Transform menghasilkan minima berdasarkan pada kebulatan objek, saya ingin mengetahui alternatif yang lebih baik untuk mengumpulkan nuklei daripada Alternating Sequential Filter (melihat gambar di atas, kita dapat menyimpulkan bahwa sebagian besar "overcount" berasal dari inti yang kurang bulat). Saya juga ingin tahu cara yang lebih baik untuk memaksakan minimum untuk Transformasi Daerah Aliran Sungai.
sumber
Jawaban:
Ada banyak artikel tentang cara menangani masalah oversegmentasi DAS, tetapi saya pikir Anda harus membaca Metode Segmentasi Gambar Sel Kuat (artikel ilmiah dari 2004 oleh Bengtsson et al).
Ini mencakup berbagai metode untuk mensegmentasi gambar sel dan termasuk contoh dunia nyata yang menunjukkan cara menangani oversegmentasi dari daerah aliran sungai pada gambar mikroskop fluoresensi yang serupa dengan milik Anda (juga memiliki contoh untuk gambar bidang terang dan gambar mikroskop confocal). Ini menggunakan benih dari transformasi jarak, mirip dengan pendekatan Anda, dan menggabungkan daerah dengan perbatasan lemah. Artikel itu terbaca dengan baik dan konsep-konsepnya sangat mudah diterapkan di Matlab.
Untuk pendekatan yang lebih terkini, Anda dapat membaca Skema Dekomposisi untuk Objek Fuzzy 3D Berdasarkan Informasi Jarak Fuzzy oleh Svensson. Ini menggunakan metode yang sama seperti di Bengtsson et al, tetapi bekerja pada transformasi jarak fuzzy yang memberikan representasi kepadatan yang lebih baik untuk objek yang digunakan dalam artikel.
sumber
Anda dapat mencoba "extended maxima transform" yang merupakan metode rekonstruksi morfologis. Ini mendeteksi poin maksimal yang diberikan kriteria kontras yang dapat Anda membalikkan dan memaksakan. Ini diimplementasikan dalam Matlab.
sumber