refactor: remove_small_objects用Otsu替代中位数25%

对连通域面积分布做Otsu自动找分界，不再拍脑袋定百分比

src/cDNA_gridding_simple.py

@@ -200,23 +200,41 @@ def remove_small_objects(binary: np.ndarray) -> np.ndarray:
     """
     自动去除小连通域（噪声）。
 
-    统计所有连通域面积的中位数，
-    小于中位数 25% 的视为噪声，直接剔除。
+    对连通域面积分布做 Otsu 阈值检测：
+    面积分布天然双峰——噪声区(几个像素) 和 真斑点区(几百像素)。
+    Otsu 自动找到两峰之间的最佳分界，小于该值的视为噪声。
     换图换分辨率都自动适应，不需要手动调参。
     """
     labeled, num = ndimage.label(binary)
     if num == 0:
-        return binary                  # 全黑，直接返回
+        return binary
 
     # 收集所有连通域的面积
-    areas = [int(np.sum(labeled == i)) for i in range(1, num + 1)]
-    median = np.median(areas)          # 面积中位数
-    min_size = max(1, int(median * 0.25))  # 中位数的25%，最少1像素
+    areas = np.array([int(np.sum(labeled == i)) for i in range(1, num + 1)])
+    if len(areas) < 2:
+        return binary
+
+    # 对面积数组做 Otsu（与像素 Otsu 完全相同的原理）
+    # 将面积值当作"灰度"，找到最小类内方差的分界点
+    best_T, best_cost, n_total = 0, float('inf'), len(areas)
+    for T in np.unique(areas):
+        small = areas[areas <= T]    # 候选噪声组
+        large = areas[areas > T]     # 候选真斑点组
+        w_s = len(small) / n_total
+        w_l = len(large) / n_total
+        if w_s == 0 or w_l == 0:
+            continue
+        cost = w_s * np.var(small) + w_l * np.var(large)
+        if cost < best_cost:
+            best_cost = cost
+            best_T = T
+
+    min_size = best_T  # Otsu 自动找到的面积分界线
 
     # 面积不达标的连通域整块置0
     result = binary.copy()
     for i in range(1, num + 1):
-        if areas[i - 1] < min_size:
+        if int(np.sum(labeled == i)) < min_size:
             result[labeled == i] = 0
     return result
 

src/cDNA_segmentation.py

@@ -207,21 +207,33 @@ def remove_small_objects(binary: np.ndarray) -> np.ndarray:
     """
     自动去除小连通域。
 
-    统计所有连通域的面积中位数，小于中位数 25% 的视为噪声，
-    自动剔除，不需要人设定阈值。
+    对连通域面积分布做 Otsu 阈值检测——面积天然双峰，
+    Otsu 自动找到噪声峰和真斑点峰之间的最佳分界，零人工参数。
     """
     labeled, num = ndimage.label(binary)
     if num == 0:
         return binary
 
-    # 统计每个连通域的面积
-    areas = [int(np.sum(labeled == i)) for i in range(1, num + 1)]
-    median_area = np.median(areas)
-    min_size = max(1, int(median_area * 0.25))  # 中位数的25%，最少1像素
+    areas = np.array([int(np.sum(labeled == i)) for i in range(1, num + 1)])
+    if len(areas) < 2:
+        return binary
+
+    best_T, best_cost, n_total = 0, float('inf'), len(areas)
+    for T_val in np.unique(areas):
+        small = areas[areas <= T_val]
+        large = areas[areas > T_val]
+        w_s = len(small) / n_total
+        w_l = len(large) / n_total
+        if w_s == 0 or w_l == 0:
+            continue
+        cost = w_s * np.var(small) + w_l * np.var(large)
+        if cost < best_cost:
+            best_cost = cost
+            best_T = T_val
 
     result = binary.copy()
     for i in range(1, num + 1):
-        if areas[i - 1] < min_size:
+        if int(np.sum(labeled == i)) < best_T:
             result[labeled == i] = 0
     return result