feat: cDNA微阵列图像处理作业 - Python实现

实现内容：
- 网格划分：投影分析 + 自相关估周期 + 白顶帽去背景 + 质心提取
- 三种阈值分割：人工阈值、Otsu自动阈值、迭代阈值
- TV去噪（Chambolle投影算法）
- 后处理：去小连通域 + 保留最大连通域
- 完整可视化：网格叠加、阈值对比、收敛曲线、分割结果

参考MATLAB代码：NewGridAndCV/demo_GriddingAndCV.m

参考资料/NewGridAndCV/choice.m

@@ -0,0 +1,51 @@
+function U1=choice(u0,Daxiao)
+L = bwlabel(u0,8);
+%%提取物体属性
+STATS = regionprops(L,'Area');
+
+%%提取面积数组
+area=[STATS.Area];
+% [m_area,n_area]=size(area);
+% num_big=0;
+% for i=1:n_area
+%     if area(1,i)>100
+%         num_big=num_big+1;
+%     end
+% end
+
+%选取面积大的目标
+area_num=area(area>Daxiao);
+%计算大目标数量
+Length_area_num=numel(area_num) ; 
+%设定数组，用来存储对于目标的标号
+array=zeros(1,Length_area_num);
+
+%将对于目标的编号存储在数字array中
+% for k=1:Length_area_num
+% %      array(1,k)=find(area==area_num(1,k));       
+%        
+% end
+num_big=1;
+[m_area,n_area]=size(area);
+for i=1:n_area
+    if area(1,i)>100
+        array(1,num_big)=i;
+        num_big=num_big+1;
+    end
+end
+
+
+L_new=L;
+[m_L_new,n_L_new]=size(L_new);
+for i=1:m_L_new
+    for j=1:n_L_new
+        for k1=1:Length_area_num
+            if (L_new(i,j)==array(1,k1))
+                L_new(i,j)=0;
+            end
+        end
+    end
+end
+U1=L_new;
+
+