图像分割以在生物图像中查找细胞

Question

我有一堆细胞图像，我想提取细胞的位置。我目前正在使用圆形霍夫变换，它工作正常，但经常搞砸。想知道人们是否有任何指示。抱歉，这不是一个专门关于软件的问题——它是如何在图像分割问题中获得更好的性能。

我在 skimage 中尝试了其他一些东西，但效果有限，例如轮廓查找、边缘检测和活动轮廓。没有什么开箱即用的效果很好，尽管可能只是我没有正确处理参数。我没有做过太多的图像分割，我真的不知道这些东西是如何工作的，也不知道最好的方法是什么。

这是我目前使用的代码，它将灰度图像作为一个 numpy 数组并将单元格查找为一个圆圈：

import cv2
import numpy as np
smallest_dim = min(img.shape)
min_rad = int(img.shape[0]*0.05)
max_rad = int(img.shape[0]*0.5) #0.5
circles = cv2.HoughCircles((img*255).astype(np.uint8),cv2.HOUGH_GRADIENT,1,50,
    param1=50,param2=30,minRadius=min_rad,maxRadius=max_rad)
circles = np.uint16(np.around(circles))
x, y, r = circles[0,:][:1][0]

这是一个示例，其中代码发现错误的圆圈作为单元格的边界。它似乎被牢房周围的垃圾弄糊涂了：

Answer 1

我认为一个问题可能是圆的绘制（坐标可能是错误的）。

另外，就像@Nicos 提到的那样，传统图像处理涉及很多调整以使特定案例工作（虽然最近的机器学习方法，调整是为了让模型不会过度训练），我对 skimage 的尝试如下所示。半径范围、圆数、边缘检测图像，都需要调整……考虑到图像之间和图像内部的潜在变化。在这张图片中，至少对我来说，有 3 个渐变的圆圈，从 canny 边缘检测图像中，你可以看到我们得到了超过 3 个圆圈，此外，“照明”似乎在不同的位置（因为这是一张 sem 图像）？！

import matplotlib.pyplot as plt
import numpy as np
import imageio

from skimage import data, color
from skimage.transform import hough_circle, hough_circle_peaks
from skimage.feature import canny
from skimage.draw import circle_perimeter
from skimage.util import img_as_ubyte

!wget https://i.stack.imgur.com/2tsWw.jpg

# rgb to gray https://stackoverflow.com/a/51571053/868736
im = imageio.imread('2tsWw.jpg')
gray = lambda rgb : np.dot(rgb[... , :3] , [0.299 , 0.587, 0.114]) 
gray = gray(im)  
image = np.array(gray[60:220,210:450])
plt.imshow(image,cmap='gray')

edges = canny(image, sigma=3,)
plt.imshow(edges,cmap='gray')

overlayimage = np.copy(image)

# https://scikit-image.org/docs/dev/auto_examples/edges/plot_circular_elliptical_hough_transform.html

hough_radii = np.arange(30, 60, 2)
hough_res = hough_circle(edges, hough_radii)

# Select the most prominent X circles
x=1
accums, cx, cy, radii = hough_circle_peaks(hough_res, hough_radii,
                                           total_num_peaks=x)
# Draw them
fig, ax = plt.subplots(ncols=1, nrows=1, figsize=(10, 4))
#image = color.gray2rgb(image)
for center_y, center_x, radius in zip(cy, cx, radii):
    circy, circx = circle_perimeter(center_y, center_x, radius)
    overlayimage[circy, circx] = 255

print(radii)
ax.imshow(overlayimage,cmap='gray')
plt.show()