cDNA 微阵列图像处理作业资料

作业概述

本次作业涉及 cDNA 微阵列（基因芯片）图像处理，主要研究两个核心问题：

1. 网格划分（Gridding） - 定位微阵列图像中每个点的精确位置
2. 图像分割（Segmentation） - 区分前景（基因点）与背景

---

资料清单

1. 参考论文

文件名	作者	内容简介
2019-3-高污染基因芯片图像的网格划分_芦碧波.pdf	芦碧波	提出针对高污染基因芯片的网格划分方法，利用图像增强、分块处理和自动阈值检测来提高鲁棒性
封面+低对比度cDNA图像分割的局部水平集方法_芦碧波.pdf	芦碧波、刘利群、张霄宏、林忠华	提出基于局部信息的水平集方法，解决低对比度cDNA图像分割问题，引入局部图像拟合能量
显微图像分割.pdf	-	显微图像分割相关资料（密码保护，需另存为可读版本）

2. MATLAB 代码

NewGridAndCV/ - 网格划分与C-V分割实现

文件名	功能说明
demo_GriddingAndCV.m	主程序 - 演示网格划分和Chan-Vese分割的完整流程
GriddingAndCV.m	网格划分核心算法，使用自相关估计点间距
cvseg.m	Chan-Vese 水平集分割算法
chenvese.m	C-V 模型的另一种实现
tvdenoise.m	TV（Total Variation）去噪算法
choice.m	剔除面积过小的连通区域
choosemaxobj.m	保留最大连通区域
contour_bw.m	轮廓提取与二值化
fillingholes.m	填充孔洞
kappa.m	曲率计算
maskcircle2.m	圆形掩膜生成
redcolorcontour.m	红色轮廓显示
showphi.m	显示水平集函数

cDNA图像处理实例/ - 基础示例

文件名	功能说明
图像处理实例.pptx	实例讲解PPT
数据/cDNA/Demo_cdna.m	基础演示代码
数据/cDNA/*.tif	测试图像数据

3. 图像数据

文件名	说明
GSM16390_CH1.tif	通道1原始图像（~26MB）
GSM16390_CH2.tif	通道2原始图像（~26MB）
GSM16390_CH2color.tif	彩色合成图像（~79MB）
*_small.tif	上述图像的缩小版本
cDNA.png	测试用cDNA图像
I_bw.jpg	二值化结果示例
I_griddingout.tif	网格划分输出示例

---

核心算法简介

网格划分算法流程

1. 读取图像 → 转灰度
2. 计算行/列投影（均值）
3. 自相关分析 → 估计点间距
4. 形态学滤波 → 去除背景
5. 阈值分割 → 标记峰值区域
6. 提取质心 → 确定网格点位置

Chan-Vese 水平集分割

• 核心思想：不依赖图像梯度，基于区域统计信息分割
• 能量函数：E = \mu \cdot Length(C) + \nu \cdot Area(C) + \lambda_1 \int_{inside(C)} |I - c_1|^2 + \lambda_2 \int_{outside(C)} |I - c_2|^2
• 优势：对模糊边缘和低对比度图像效果好

局部水平集方法（论文贡献）

• 引入局部图像拟合能量 E^{LIF}
• 使用高斯核 K_\sigma 提取局部信息
• 能有效处理灰度不均匀的cDNA图像

---

运行环境

• MATLAB R2016b 或更高版本
• 需要工具箱：
  • Image Processing Toolbox
  • Signal Processing Toolbox（用于自相关计算）

---

快速开始

% 1. 进入代码目录
cd NewGridAndCV

% 2. 运行演示
demo_GriddingAndCV

% 3. 或单独运行网格划分
GriddingAndCV

---

参考文献

1. 芦碧波. 高污染基因芯片图像的网格划分[J]. 河南理工大学学报(自然科学版), 2019.
2. 芦碧波, 刘利群, 张霄宏, 林忠华. 低对比度cDNA图像分割的局部水平集方法[J]. 中国图象图形学报, 2014.