# CLAUDE.md — cDNA微阵列图像处理作业

## 项目概述

河南理工大学计算机学院图像处理课程作业。用Python实现cDNA微阵列图像的网格划分与阈值分割。

## 项目结构

```
src/
├── cDNA_segmentation.py       ← 原版：完整处理流程
└── cDNA_gridding_simple.py    ← 简化版：仅划线，用于课堂讲解 ★

results/        ← 原版输出（6张图）
results_simple/ ← 简化版输出（1张图）

cDNA图像处理实例/数据/cDNA/  ← 输入图像 + MATLAB示例
参考资料/NewGridAndCV/        ← MATLAB参考实现
```

## 两个Python实现

### 简化版 (`cDNA_gridding_simple.py`) — 课堂主讲

- 算法：投影求和 → (max-min)×10%阈值 → 过零点配对 → 划线
- 约150行，带详细中文注释，适合课堂讲解
- 输出：`results_simple/gridding_simple.png`
- **与原版网格线位置完全一致（误差0像素）**

### 原版 (`cDNA_segmentation.py`) — 完整实现

- 网格划分：自相关+白顶帽+Otsu+质心（参照MATLAB `GriddingAndCV.m`）
- 三种阈值分割：人工阈值、Otsu、迭代阈值
- TV去噪（Chambolle投影算法，参照 `tvdenoise.m`）

## 算法要点

简化版核心逻辑（`find_gap_lines`函数）：
- 减阈值后：正=斑点区域，负=空隙
- 过零点交替出现：+→-（离开斑点），-→+（进入下一个斑点）
- 配对"离开→进入"，中点=空隙中央=划线位置

## 输入数据

- `cDNA.png`：820×820 RGB，23×23斑点阵列，Cy3/Cy5双色荧光
- 斑点间距约35px，每斑点约18px宽

## 编码规范

- **禁止硬编码绝对路径**：所有文件路径必须从 `__file__` 动态计算，确保代码可在任意目录运行
- 使用 `os.path.dirname(os.path.abspath(__file__))` 定位脚本所在目录，再由相对关系推导其他目录

## 运行环境

Python：`D:\ProgramData\anaconda3\envs\my_env`
依赖：numpy, scipy, scikit-image, matplotlib, Pillow

## 仓库

Gitea: `ssh://git@192.168.5.8:2222/Serendipity/cDNA-image-processing.git`