61 lines
2.0 KiB
Markdown
61 lines
2.0 KiB
Markdown
# 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`
|