# cDNA 微阵列图像处理作业

> 刘航宇 | 河南理工大学计算机学院 | 2026

---

## 项目概述

河南理工大学计算机学院图像处理课程作业。Python 实现 cDNA 微阵列图像的**网格划分**与**阈值分割**，配套 Web 可视化界面和 Windows 可执行文件（exe）。

---

## 项目结构

```
cDNA微阵列图像处理作业/
├── src/
│   ├── cDNA_segmentation.py          # 原版：网格划分 + 三种阈值分割 + TV去噪
│   └── cDNA_gridding_simple.py        # 简化版：仅网格划分，用于课堂讲解
│
├── web/                              # Flask Web 应用
│   ├── app.py                        # Flask 主程序
│   ├── launcher.py                    # PyInstaller 打包入口
│   ├── templates/index.html           # 前端页面
│   └── static/style.css               # 样式文件
│
├── build_exe.py                      # PyInstaller 打包脚本
├── cDNA_Analyzer.spec                 # PyInstaller spec 配置
├── flowchart.drawio                   # 算法流程图（用 Draw.io 打开）
│
├── results/                          # 原版输出图像（6张）
├── results_simple/                   # 简化版输出图像（6张）
├── docs/                             # 技术文档
│   ├── cDNA 微阵列网格划分.md        # 算法详解
│   ├── 两版差异说明.md               # 简化版 vs 原版对比
│   └── 依赖库清单.md                  # Python 依赖
│
├── cDNA图像处理实例/                  # 课程示例数据
└── 参考资料/                          # MATLAB 参考代码 + 论文 PDF
```

---

## 快速开始

### 方式一：Windows 可执行文件（推荐）

下载 `dist/cDNA_Analyzer.exe` 并双击运行，浏览器自动打开 `http://localhost:5000`，上传图像即可处理。

### 方式二：Web 开发模式

```bash
cd web
python app.py
# 浏览器自动打开 http://localhost:5000
```

### 方式三：命令行脚本

```bash
# 简化版（课堂主讲，约150行）
python src/cDNA_gridding_simple.py
# 输出：results_simple/ 下 6 张图

# 原版（完整实现，430行）
python src/cDNA_segmentation.py
# 输出：results/ 下 6 张图
```

---

## 两种 Python 实现

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

**算法思路**（初中学历即可理解）：

```
1. 灰度图 → 每列/行灰度值求和 → 投影曲线
2. Otsu 求自适应百分比 = T/255
3. 阈值 X = (max - min) × 百分比，曲线减去 X
4. 正 = 斑点，负 = 空隙 → 找过零点 → 配对取中点 → 划线
5. 逐格 Otsu 分割 + keep_largest_object + remove_small_objects
```

**特点**：

- 约 150 行代码，带详细中文注释
- 核心逻辑仅 30 行
- 与原版网格线位置误差为 **0 像素**
- 完全自动化，无需人工设定参数

### 原版 `cDNA_segmentation.py`（完整实现）

| 模块 | 算法 | 参照 |
|------|------|------|
| 网格划分 | 投影 → 自相关 → 白顶帽 → Otsu → 质心 | MATLAB `GriddingAndCV.m` |
| 阈值分割 | 人工阈值、Otsu 自动阈值、迭代阈值 | — |
| 去噪 | TV 全变分去噪（Chambolle 投影） | MATLAB `tvdenoise.m` |
| 后处理 | 去小连通域、保留最大连通域 | MATLAB `choice.m` |

---

## Web 应用功能

- **图像上传**：支持 PNG、JPG、TIFF 等格式，最大 50MB
- **自动处理**：网格划分 + 逐格分割 + 后处理
- **6 张可视化图表**：
  1. 网格线叠加原图
  2. 列投影曲线
  3. 行投影曲线
  4. 灰度直方图 + Otsu 阈值
  5. 分割结果（后处理前）
  6. 后处理结果
- **统计信息**：检测到的斑点数、Otsu 阈值、网格尺寸等

---

## 输入数据

- `cDNA.png`（820×820 RGB，来自 GEO 数据库 GSM16390，Cy3/Cy5 双色荧光）
- 23×23 斑点阵列，斑点间距约 35px，每斑点约 18px 宽

---

## 打包说明

使用 PyInstaller 将 Web 应用打包为单个 exe 文件：

```bash
python build_exe.py
# 输出：dist/cDNA_Analyzer.exe（约 68MB）
```

打包配置已优化，排除了 torch、pandas 等无关重量级包。

---

## 运行环境

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

---

## 参考文献

- 芦碧波等. 低对比度 cDNA 图像分割的局部水平集方法. 中国图象图形学报, 2014.
- 芦碧波. 高污染基因芯片图像的网格划分. 河南理工大学学报, 2019.

---

## 仓库

- **首选**（局域网 SSH）: `ssh://git@192.168.5.8:2222/Serendipity/cDNA-image-processing.git`
- **备选**（外网 HTTPS）: `https://lhy-git.liuhangyv.top/Serendipity/cDNA-image-processing.git`