cDNA-image-processing/README.md

cDNA 微阵列图像处理作业

作者: 刘航宇 | 河南理工大学计算机学院 | 2026

---

作业内容

本作业来自《图像处理实例1：cDNA图像分析》，完成以下三个任务：

任务	内容	实现状态
1	分析涉及的图像处理技术	见PPTX
2	编写阈值分割代码（人工阈值 / 迭代阈值 / Otsu）	src/cDNA_segmentation.py
3	选取cDNA图像进行分割	对cDNA.png完成网格划分+分割

---

我的Python实现

文件结构

src/
├── cDNA_segmentation.py      # 原版：完整流程（网格划分 + 阈值分割 + 可视化）
└── cDNA_gridding_simple.py   # 简化版：仅划线，适合课堂讲解

results/           ← 原版输出
results_simple/    ← 简化版输出

原版 (cDNA_segmentation.py)

完整实现，参照MATLAB代码 NewGridAndCV/：

模块	方法
网格划分	投影 → 自相关估间距 → 白顶帽去背景 → Otsu → 质心提取
阈值分割	人工固定阈值、Otsu自动阈值、迭代阈值
去噪	TV全变分去噪（Chambolle投影算法）
后处理	去小连通域 + 保留最大连通域

简化版 (cDNA_gridding_simple.py) ★ 课堂主讲

算法3步即可理解，与原版误差为 0像素：

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 X
3. 正=斑点，负=空隙 → 过零点配对 → 中点即划线位置

---

运行

# 原版（需要 numpy, scipy, skimage, PIL, matplotlib）
python src/cDNA_segmentation.py

# 简化版（依赖同上）
python src/cDNA_gridding_simple.py

Python 环境：my_env（Anaconda），路径 D:\ProgramData\anaconda3\envs\my_env

---

参考资料

参考论文

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

MATLAB参考代码

参考资料/NewGridAndCV/ — MathWorks官方示例改编版，含网格划分与Chan-Vese水平集分割。

数据来源

cDNA图像处理实例/数据/cDNA/ — 源自GEO数据库（GSM16390），Cy3/Cy5双通道荧光标记。

---

结果对比

	原版（自相关+白顶帽）	简化版（投影+阈值+过零点）
算法复杂度	高（须懂自相关/形态学）	低（加减乘除即可理解）
网格线数量	22×22	22×22
线条位置	42, 77, 112, …	42, 77, 112, …
误差	—	0像素

简化版虽算法极简，但精度与原版完全一致，非常适合课堂讲解和教学演示。