Serendipity
e21595e72c
- 新增Flask Web应用介绍和三种运行方式 - 新增PyInstaller打包流程 - 更新项目结构，包含web/、build_exe.py等 - 精简两版实现描述，突出各自特点 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
157 lines
4.7 KiB
Markdown
157 lines
4.7 KiB
Markdown
# cDNA 微阵列图像处理作业
|
||
|
||
> 刘航宇 | 河南理工大学计算机学院 | 2026
|
||
|
||
---
|
||
|
||
## 项目概述
|
||
|
||
河南理工大学计算机学院图像处理课程作业。Python 实现 cDNA 微阵列图像的**网格划分**与**阈值分割**，配套 Web 可视化界面和 Windows 可执行文件（exe）。
|
||
|
||
---
|
||
|
||
## 项目结构
|
||
|
||
```
|
||
cDNA微阵列图像处理作业/
|
||
├── src/
|
||
│ ├── cDNA_segmentation.py # 原版：网格划分 + 三种阈值分割 + TV去噪
|
||
│ └── cDNA_gridding_simple.py # 简化版：仅网格划分，用于课堂讲解
|
||
│
|
||
├── web/ # Flask Web 应用
|
||
│ ├── app.py # Flask 主程序
|
||
│ ├── launcher.py # PyInstaller 打包入口
|
||
│ ├── templates/index.html # 前端页面
|
||
│ └── static/style.css # 样式文件
|
||
│
|
||
├── build_exe.py # PyInstaller 打包脚本
|
||
├── cDNA_Analyzer.spec # PyInstaller spec 配置
|
||
├── flowchart.drawio # 算法流程图（用 Draw.io 打开）
|
||
│
|
||
├── results/ # 原版输出图像（6张）
|
||
├── results_simple/ # 简化版输出图像（6张）
|
||
├── docs/ # 技术文档
|
||
│ ├── cDNA 微阵列网格划分.md # 算法详解
|
||
│ ├── 两版差异说明.md # 简化版 vs 原版对比
|
||
│ └── 依赖库清单.md # Python 依赖
|
||
│
|
||
├── cDNA图像处理实例/ # 课程示例数据
|
||
└── 参考资料/ # MATLAB 参考代码 + 论文 PDF
|
||
```
|
||
|
||
---
|
||
|
||
## 快速开始
|
||
|
||
### 方式一：Windows 可执行文件（推荐）
|
||
|
||
下载 `dist/cDNA_Analyzer.exe` 并双击运行，浏览器自动打开 `http://localhost:5000`，上传图像即可处理。
|
||
|
||
### 方式二：Web 开发模式
|
||
|
||
```bash
|
||
cd web
|
||
python app.py
|
||
# 浏览器自动打开 http://localhost:5000
|
||
```
|
||
|
||
### 方式三：命令行脚本
|
||
|
||
```bash
|
||
# 简化版（课堂主讲，约150行）
|
||
python src/cDNA_gridding_simple.py
|
||
# 输出：results_simple/ 下 6 张图
|
||
|
||
# 原版（完整实现，430行）
|
||
python src/cDNA_segmentation.py
|
||
# 输出：results/ 下 6 张图
|
||
```
|
||
|
||
---
|
||
|
||
## 两种 Python 实现
|
||
|
||
### 简化版 `cDNA_gridding_simple.py`（课堂主讲）
|
||
|
||
**算法思路**（初中学历即可理解）：
|
||
|
||
```
|
||
1. 灰度图 → 每列/行灰度值求和 → 投影曲线
|
||
2. Otsu 求自适应百分比 = T/255
|
||
3. 阈值 X = (max - min) × 百分比，曲线减去 X
|
||
4. 正 = 斑点，负 = 空隙 → 找过零点 → 配对取中点 → 划线
|
||
5. 逐格 Otsu 分割 + keep_largest_object + remove_small_objects
|
||
```
|
||
|
||
**特点**：
|
||
|
||
- 约 150 行代码，带详细中文注释
|
||
- 核心逻辑仅 30 行
|
||
- 与原版网格线位置误差为 **0 像素**
|
||
- 完全自动化，无需人工设定参数
|
||
|
||
### 原版 `cDNA_segmentation.py`（完整实现）
|
||
|
||
| 模块 | 算法 | 参照 |
|
||
|------|------|------|
|
||
| 网格划分 | 投影 → 自相关 → 白顶帽 → Otsu → 质心 | MATLAB `GriddingAndCV.m` |
|
||
| 阈值分割 | 人工阈值、Otsu 自动阈值、迭代阈值 | — |
|
||
| 去噪 | TV 全变分去噪（Chambolle 投影） | MATLAB `tvdenoise.m` |
|
||
| 后处理 | 去小连通域、保留最大连通域 | MATLAB `choice.m` |
|
||
|
||
---
|
||
|
||
## Web 应用功能
|
||
|
||
- **图像上传**：支持 PNG、JPG、TIFF 等格式，最大 50MB
|
||
- **自动处理**：网格划分 + 逐格分割 + 后处理
|
||
- **6 张可视化图表**：
|
||
1. 网格线叠加原图
|
||
2. 列投影曲线
|
||
3. 行投影曲线
|
||
4. 灰度直方图 + Otsu 阈值
|
||
5. 分割结果（后处理前）
|
||
6. 后处理结果
|
||
- **统计信息**：检测到的斑点数、Otsu 阈值、网格尺寸等
|
||
|
||
---
|
||
|
||
## 输入数据
|
||
|
||
- `cDNA.png`（820×820 RGB，来自 GEO 数据库 GSM16390，Cy3/Cy5 双色荧光）
|
||
- 23×23 斑点阵列，斑点间距约 35px，每斑点约 18px 宽
|
||
|
||
---
|
||
|
||
## 打包说明
|
||
|
||
使用 PyInstaller 将 Web 应用打包为单个 exe 文件：
|
||
|
||
```bash
|
||
python build_exe.py
|
||
# 输出：dist/cDNA_Analyzer.exe（约 68MB）
|
||
```
|
||
|
||
打包配置已优化，排除了 torch、pandas 等无关重量级包。
|
||
|
||
---
|
||
|
||
## 运行环境
|
||
|
||
- **Python**: `D:\ProgramData\anaconda3\envs\my_env`
|
||
- **依赖**: numpy, scipy, scikit-image, matplotlib, Pillow, Flask
|
||
|
||
---
|
||
|
||
## 参考文献
|
||
|
||
- 芦碧波等. 低对比度 cDNA 图像分割的局部水平集方法. 中国图象图形学报, 2014.
|
||
- 芦碧波. 高污染基因芯片图像的网格划分. 河南理工大学学报, 2019.
|
||
|
||
---
|
||
|
||
## 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`
|