Files

T

Serendipity 3ca079a980 refactor: 项目目录结构重组

- 中文目录名改为英文：cDNA图像处理实例→examples，参考资料→references
- web→app（Flask应用标准命名）
- 输出目录平移到 data/output/simple/ 和 data/output/full/
- 输入图像统一到 data/input/
- 构建脚本移到 scripts/
- 源码文件改用 snake_case 命名
- 更新所有文件路径引用和文档

2026-07-16 20:59:58 +08:00

2.6 KiB

Raw Blame History

CLAUDE.md — cDNA微阵列图像处理作业

项目概述

河南理工大学计算机学院图像处理课程作业。用Python实现cDNA微阵列图像的网格划分与阈值分割。

项目结构

src/
├── segmentation.py              ← 原版：完整处理流程
└── gridding_simple.py           ← 简化版：仅划线，用于课堂讲解 ★

app/              ← Flask Web应用
scripts/          ← 构建脚本
data/
├── input/        ← 输入图像
└── output/
    ├── simple/   ← 简化版输出（6张图）
    └── full/     ← 原版输出（6张图）

examples/数据/cDNA/  ← 课程原始数据 + MATLAB示例
references/matlab/   ← MATLAB参考实现
references/papers/   ← 论文PDF

两个Python实现

简化版 (`src/gridding_simple.py`) — 课堂主讲

算法：投影求和 → (max-min)×10%阈值 → 过零点配对 → 划线
约370行，带详细中文注释，适合课堂讲解
输出：data/output/simple/ 下 6 张图
与原版网格线位置完全一致（误差0像素）

原版 (`src/segmentation.py`) — 完整实现

网格划分：自相关+白顶帽+Otsu+质心（参照MATLAB GriddingAndCV.m）
三种阈值分割：人工阈值、Otsu、迭代阈值
TV去噪（Chambolle投影算法，参照 tvdenoise.m）
输出：data/output/full/ 下 6 张图

算法要点

简化版核心逻辑（find_gap_lines函数）：

减阈值后：正=斑点区域，负=空隙
过零点交替出现：+→-（离开斑点），-→+（进入下一个斑点）
配对"离开→进入"，中点=空隙中央=划线位置

输入数据

cDNA.png：820×820 RGB，23×23斑点阵列，Cy3/Cy5双色荧光
斑点间距约35px，每斑点约18px宽
输入路径：data/input/cDNA.png

编码规范

禁止硬编码绝对路径：所有文件路径必须从 __file__ 动态计算，确保代码可在任意目录运行
使用 os.path.dirname(os.path.abspath(__file__)) 定位脚本所在目录，再由相对关系推导其他目录

运行环境

Python虚拟环境：项目根目录 .venv/（uv 创建，Python 3.13）依赖：numpy, scipy, scikit-image, matplotlib, Pillow, flask

安装：uv pip install numpy scipy scikit-image matplotlib Pillow flask --python .venv/Scripts/python.exe

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
SSH 连不上时自动切换到 HTTPS

2.6 KiB Raw Blame History Unescape Escape