# cDNA 微阵列图像处理作业资料

## 作业概述

本次作业涉及 **cDNA 微阵列（基因芯片）图像处理**，主要研究两个核心问题：

1. **网格划分（Gridding）** - 定位微阵列图像中每个点的精确位置
2. **图像分割（Segmentation）** - 区分前景（基因点）与背景

---

## 资料清单

### 1. 参考论文

| 文件名 | 作者 | 内容简介 |
|--------|------|----------|
| `2019-3-高污染基因芯片图像的网格划分_芦碧波.pdf` | 芦碧波 | 提出针对高污染基因芯片的网格划分方法，利用图像增强、分块处理和自动阈值检测来提高鲁棒性 |
| `封面+低对比度cDNA图像分割的局部水平集方法_芦碧波.pdf` | 芦碧波、刘利群、张霄宏、林忠华 | 提出基于局部信息的水平集方法，解决低对比度cDNA图像分割问题，引入局部图像拟合能量 |
| `显微图像分割.pdf` | - | 显微图像分割相关资料（密码保护，需另存为可读版本） |

### 2. MATLAB 代码

#### `NewGridAndCV/` - 网格划分与C-V分割实现

| 文件名 | 功能说明 |
|--------|----------|
| `demo_GriddingAndCV.m` | **主程序** - 演示网格划分和Chan-Vese分割的完整流程 |
| `GriddingAndCV.m` | 网格划分核心算法，使用自相关估计点间距 |
| `cvseg.m` | Chan-Vese 水平集分割算法 |
| `chenvese.m` | C-V 模型的另一种实现 |
| `tvdenoise.m` | TV（Total Variation）去噪算法 |
| `choice.m` | 剔除面积过小的连通区域 |
| `choosemaxobj.m` | 保留最大连通区域 |
| `contour_bw.m` | 轮廓提取与二值化 |
| `fillingholes.m` | 填充孔洞 |
| `kappa.m` | 曲率计算 |
| `maskcircle2.m` | 圆形掩膜生成 |
| `redcolorcontour.m` | 红色轮廓显示 |
| `showphi.m` | 显示水平集函数 |

#### `cDNA图像处理实例/` - 基础示例

| 文件名 | 功能说明 |
|--------|----------|
| `图像处理实例.pptx` | 实例讲解PPT |
| `数据/cDNA/Demo_cdna.m` | 基础演示代码 |
| `数据/cDNA/*.tif` | 测试图像数据 |

### 3. 图像数据

| 文件名 | 说明 |
|--------|------|
| `GSM16390_CH1.tif` | 通道1原始图像（~26MB） |
| `GSM16390_CH2.tif` | 通道2原始图像（~26MB） |
| `GSM16390_CH2color.tif` | 彩色合成图像（~79MB） |
| `*_small.tif` | 上述图像的缩小版本 |
| `cDNA.png` | 测试用cDNA图像 |
| `I_bw.jpg` | 二值化结果示例 |
| `I_griddingout.tif` | 网格划分输出示例 |

---

## 核心算法简介

### 网格划分算法流程

```
1. 读取图像 → 转灰度
2. 计算行/列投影（均值）
3. 自相关分析 → 估计点间距
4. 形态学滤波 → 去除背景
5. 阈值分割 → 标记峰值区域
6. 提取质心 → 确定网格点位置
```

### Chan-Vese 水平集分割

- **核心思想**：不依赖图像梯度，基于区域统计信息分割
- **能量函数**：$E = \mu \cdot Length(C) + \nu \cdot Area(C) + \lambda_1 \int_{inside(C)} |I - c_1|^2 + \lambda_2 \int_{outside(C)} |I - c_2|^2$
- **优势**：对模糊边缘和低对比度图像效果好

### 局部水平集方法（论文贡献）

- 引入局部图像拟合能量 $E^{LIF}$
- 使用高斯核 $K_\sigma$ 提取局部信息
- 能有效处理灰度不均匀的cDNA图像

---

## 运行环境

- **MATLAB** R2016b 或更高版本
- **需要工具箱**：
  - Image Processing Toolbox
  - Signal Processing Toolbox（用于自相关计算）

---

## 快速开始

```matlab
% 1. 进入代码目录
cd NewGridAndCV

% 2. 运行演示
demo_GriddingAndCV

% 3. 或单独运行网格划分
GriddingAndCV
```

---

## 参考文献

1. 芦碧波. 高污染基因芯片图像的网格划分[J]. 河南理工大学学报(自然科学版), 2019.
2. 芦碧波, 刘利群, 张霄宏, 林忠华. 低对比度cDNA图像分割的局部水平集方法[J]. 中国图象图形学报, 2014.