2.8 KiB
2.8 KiB
简化版 vs 原版 差异说明
写给以后的自己：简化版只是课堂演示用的，生产环境用原版。
一句话总结
| 功能 | 用途 | |
|---|---|---|
| 简化版 | 只画网格线 | 课堂讲解 |
| 原版 | 网格 + 去噪 + 分割 + 后处理 + 可视化 | 完整作业 |
简化版缺少的模块
1. TV全变分去噪
位置：cDNA_segmentation.py 第 78-102 行，tv_denoise()
干什么：对每个子块做 Chambolle 投影去噪，去除荧光噪点。简化版完全没有这一步。
实现：Rudin-Osher-Fatemi 模型，min TV(u) + λ/2||f-u||²，迭代对偶变量 p1、p2 直到收敛。
2. 三种阈值分割
位置：cDNA_segmentation.py 第 35-71 行
| 函数 | 原理 |
|---|---|
manual_threshold() |
灰度 > 固定值 T |
otsu_threshold() |
最大类间方差自动求 T |
iterative_threshold() |
初始 T=均值，迭代 T=(μ_fg+μ_bg)/2 直到收敛 |
简化版完全没有分割这一步。
3. 全图逐块分割
位置：cDNA_segmentation.py 第 374-411 行
做什么：对网格划分出的每个子块：
- 如果太暗（均值<5或<30），先增强
- TV 去噪
- Otsu 阈值二值化
- 保留最大连通域
- 拼接回全局二值图
简化版只画线，不处理子块。
4. 后处理
位置：cDNA_segmentation.py 第 206-226 行
| 函数 | 作用 |
|---|---|
remove_small_objects() |
去掉面积 < 20 的连通域（噪声） |
keep_largest_object() |
每个子块只保留最大的那块（斑点） |
简化版不需要后处理（因为没生成二值图）。
5. 可视化差异
简化版输出（1张）：
| 文件 | 内容 |
|---|---|
gridding_simple.png |
灰度图 + 绿色网格线 |
原版输出（6张）：
| 文件 | 内容 |
|---|---|
result_gridding.png |
4合1：网格叠加 + 列投影 + 行投影 + 灰度直方图 |
result_gridding_overlay.png |
网格线叠在原图上 |
result_threshold_compare.png |
2×2：原图 + 人工/Otsu/迭代三种分割对比 |
result_iterative_convergence.png |
迭代阈值收敛曲线 |
result_full_segmentation.png |
全图逐块分割二值结果 |
result_I_bw.png |
单独的二值图 |
6. 网格划分算法不同
| 步骤 | 简化版 | 原版 |
|---|---|---|
| 投影 | np.sum 求和 |
np.mean 求均值 |
| 估间距 | 无 | 自相关 np.correlate |
| 去背景 | 无 | ndimage.white_tophat |
| 找斑点 | 减10%阈值 → 过零点 | Otsu + 连通域质心 |
结果一致（误差 0 像素），但算法完全不同。
什么时候用哪个
| 场景 | 用哪个 |
|---|---|
| 课堂讲算法思路 | 简化版 |
| 实际做图像处理 | 原版 |
| 对比阈值方法对同一张图的效果 | 原版 |
| 只画网格线 | 都可以 |