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
项目结构
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
results/ # 原版输出（6张PNG）
results_simple/ # 简化版输出（网格叠加图 + 流程图）
docs/
└── gridding_simple_tutorial.md # 简化版逐行代码讲解教程
两个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. 阈值 X = (max - min) × 10%，曲线减去 X
3. 正 = 斑点，负 = 空隙 → 找过零点 → 配对取中点 → 划线
运行：
cd src
python cDNA_gridding_simple.py
# 输出：results_simple/gridding_simple.png
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
find_gap_lines函数：减阈值 → 判断正负 → 找过零点 → 配对空隙中点
原版 cDNA_segmentation.py（完整实现）
包含模块：
| 模块 | 算法 | 依赖 |
|---|---|---|
| 网格划分 | 投影 → 自相关 → 白顶帽 → Otsu → 质心 | numpy, scipy, skimage |
| 阈值分割 | 人工阈值、Otsu 自动阈值、迭代阈值 | 同上 |
| 去噪 | TV 全变分去噪（Chambolle 投影） | 同上 |
| 后处理 | 去小连通域、保留最大连通域 | 同上 |
运行：
cd src
python cDNA_segmentation.py
# 输出：results/ 下 6 张图
输出文件：
| 文件 | 内容 |
|---|---|
result_gridding.png |
网格划分：原图+投影曲线+直方图 |
result_gridding_overlay.png |
网格线叠加到原图 |
result_threshold_compare.png |
三种阈值方法（人工/Otsu/迭代）对比 |
result_iterative_convergence.png |
迭代阈值收敛曲线 |
result_full_segmentation.png |
全图逐块 Otsu 分割结果 |
result_I_bw.png |
最终二值图 |
两版对比
| 简化版 | 原版 | |
|---|---|---|
| 功能 | 仅画网格线 | 网格 + 分割 + 去噪 |
| 核心算法 | 加减乘除 | 自相关 + 形态学 + Otsu |
| 代码行数 | 150 | 430 |
| 检测网格线数 | 22×22 | 22×22 |
| 线条位置 | 42, 77, 112, … | 42, 77, 112, … |
| 误差 | 0 像素 | — |
技术文档
docs/gridding_simple_tutorial.md— 简化版 190 行逐行讲解，含 ASCII 图解results_simple/flowchart.drawio— 算法流程图，用 Draw.io 打开
输入数据
cDNA.png（820×820 RGB，来自 GEO 数据库 GSM16390，Cy3/Cy5 双色荧光）
运行环境
Python 3.10 + numpy, scipy, scikit-image, matplotlib, Pillow
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.