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

results/        ← 原版输出（6张图）
results_simple/ ← 简化版输出（1张图）

cDNA图像处理实例/数据/cDNA/  ← 输入图像 + MATLAB示例
参考资料/NewGridAndCV/        ← MATLAB参考实现

两个Python实现

简化版 (`cDNA_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150行，带详细中文注释，适合课堂讲解
输出：results_simple/gridding_simple.png
与原版网格线位置完全一致（误差0像素）

原版 (`cDNA_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）

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

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：D:\ProgramData\anaconda3\envs\my_env 依赖：numpy, scipy, scikit-image, matplotlib, Pillow

仓库

Gitea: ssh://git@192.168.5.8:2222/Serendipity/cDNA-image-processing.git

2.0 KiB Raw Blame History Unescape Escape