111 lines
3.0 KiB
Markdown
111 lines
3.0 KiB
Markdown
# 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**：
|
||
|
||
```bash
|
||
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**：
|
||
|
||
```bash
|
||
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.
|