正确使用Matlab分水岭算法分割细胞

为了让分水岭算法在我的图像上正常工作，我遇到了很多麻烦。在各种在线教程中，他们似乎总是使用同样复杂/模糊的图像，因此我不确定我的图像有什么问题。我已经在这方面发表了一些零星的帖子，但我想真正澄清一下，并提出一般性的问题。也就是说，我使用的图像如下：

但是，当我尝试应用其中一种分水岭算法时：

imshow(RGB,[]);

gray_img = rgb2gray(RGB);
tophat_filter = imtophat(gray_img, strel('disk', 10)); %Read into this

level = graythresh(tophat_filter);
BW = im2bw(tophat_filter,level);
imshow(BW)

BW = bwdist(BW) <= 3;

imshow(BW)
bgn_remove = bwareaopen(BW,8); %remove background noise

D = -bwdist(~bgn_remove); %Read into this
D(~BW) = -Inf;
L = watershed(D);

figure;
imshow(L,[]);
figure;
imshow(label2rgb(L))
clean_img = im2bw(L,0.001);

figure;
imshow(clean_img,[]);

imshow（RGB，[]）；
gray_img=rgb2gray（RGB）；
tophat_filter=imtophat（灰色，'disk'，10'）；%读读这篇文章
级别=灰度阈值（tophat_过滤器）；
BW=im2bw（tophat_过滤器，液位）；
imshow（BW）
BW=bwdist（BW）必须使用种子/约束/标记分水岭。如果使用经典（不再使用）分水岭，将面临过度分割

在您的情况下，我将使用分水岭执行此经典方法来分割单元：

小关闭，以降低噪音
（可选）用于调整单元格边缘的小开口
侵蚀。侵蚀的结果是你内心的标记
扩张。扩张的结果就是你的外部标记
在第1步（或第2步，如果您这样做了）之后生成的图像的渐变
渐变图像上的分水岭（步骤5），使用标记（步骤3和4）
但是在你的例子中，对于定义良好的单元格，我会简单地执行步骤1和2，然后是一顶礼帽。它将同样有效，而且速度更快。
非常感谢您的帮助。然而，我对这一点非常陌生，有几个问题：对于步骤1，“小闭合”是一种形态闭合吗，如
imclose
？或者更确切地说，用类似于
bwareaopen
的方法来减少噪音？对于第2步，是否调整单元格边缘以使其均匀？如果是这样，它与第一步有什么不同？我想我理解第3步和第4步，但我会更深入地研究它们。在步骤5/6中，我不确定如何使用这些特定的标记来预先形成分水岭-似乎与一般情况不同。您是否可以为这些步骤中的某些步骤提供示例代码？1/是的，当BWAREOPEN在黑白图像上打开区域时，inclose会关闭（这里不是您的情况）。2/它只会变成不规则的形状。正如我所说，这是可选的。步骤1将删除所有的灰尘效应主要在细胞的中间，当步骤2之后的步骤1将主要影响轮廓。5/6对于渐变，使用Sobel。对于分水岭，查找种子（也称为约束）版本，然后渐变图像和标记将成为参数的一部分。对不起，我不使用MatLab。太棒了，谢谢。您还提到了使用
tophat
，有什么原因会导致细胞大部分消失？使用步骤1和步骤2后，图像看起来更清晰，我是否可以单独使用分水岭？或者首先使用侵蚀膨胀/或tophat方法更有意义吗？你需要侵蚀和膨胀来计算标记，因为你需要梯度来突出显示单元格边缘。对于顶级帽子，您需要使用一个大的结构元素。一个大到足以抹去细胞的结构元素。好的，非常感谢。我遵循了您的指示，但是我仍然被卡住了——在过程结束时，每个束都被识别为一个。将每一对确定为单个的步骤是：
fgm=imregionalmax（Iobrcbr）
，这是“通过重建打开-关闭（fgm）的区域最大值”。有什么建议我可以降低这个门槛，或者这是一个失败的原因？再次感谢！