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/contour_bw.m

@@ -0,0 +1,48 @@
+ %%%%下面检测二值图的轮廓:如果与四邻域的差中有一个为1,则为内点,否则为外点.
+ function output=contour_bw(input)
+ %input=imread('bw_image.bmp');
+ %%输入图像矩阵:input
+ %%输出图像矩阵:在边界处为255,内部为0
+%  input=Lnew_out;
+ 
+ [r,c]=size(input);
+ output=255*zeros(r,c);
+ %改动过
+%  global num;
+ global r_avg;
+ r_avg=0;
+ global g_avg;
+ g_avg=0;
+ global b_avg;
+ b_avg=0;
+%  global rect_rgb_01;%最初切割原图像
+ Reb_dot=0;
+
+
+ for i=2:r-1
+     for j=2:c-1
+         if (input(i,j)-input(i,j+1)==1 ||  input(i,j)-input(i,j-1)==1  ||  input(i,j)-input(i+1,j)==1 ||  input(i,j)-input(i-1,j)==1)
+                 output(i,j)=255;
+%                 r_avg=r_avg+double(rect_rgb_01(i,j,1));
+%                 g_avg=g_avg+double(rect_rgb_01(i,j,2));
+%                 b_avg=b_avg+double(rect_rgb_01(i,j,3));
+%                 num=num+1;
+                 Reb_dot=Reb_dot+1;
+         else
+                 output(i,j)=0;
+         end
+     end
+     Reb_dot
+ end
+
+
+ 
+
+ 
+%   r_avg=uint8(r_avg/num);
+%   g_avg=uint8(g_avg/num);
+%   b_avg=uint8(b_avg/num);
+
+
+ 
+