如何防止分水岭算法中封闭背景区域的不准确分割？

Question

我使用分水岭算法来分割黑暗背景上的亮点。下面提供了代码以及它生成的一些图像。

在第二张图片中，我用红色的十字标记了封闭的背景区域，这些区域被分割成“细胞”(它们不是生物细胞，只是使用单词)--这是不正确的，它们是背景的一部分，只是被‘cell’所包围。我看到这造成了一个错误的最小值，有什么帮助来防止这个吗？

    % Improve contrast, binarize
RFP_adjust = imadjust(RFP_blur, stretchlim(RFP_blur, 0.001));
figure, imshow(RFP_adjust), title('Contrast adjust');
RFP_binarized = imbinarize(RFP_adjust);
RFP_perimeters = bwperim(RFP_binarized);
% figure, imshow(RFP_binarized), title('Otsu thresholding');

    %2B - SEGMENTATION BY WATERSHED METHOD
    % Discover putative cell centroids and process
RFP_maxs = imextendedmax(RFP_adjust,  3000);
RFP_maxs = imclose(RFP_maxs, strel('disk',5));
RFP_maxs = imfill(RFP_maxs, 'holes');
RFP_maxs = bwareaopen(RFP_maxs, 5);
RFP_max_overlay = imoverlay(RFP_adjust, RFP_perimeters | RFP_maxs, [1 .3 .3]);
figure, imshow(RFP_max_overlay), title('Maxima');

    % Obtain complement - maxima become low-points (required for watershed)
RFP_comp = imcomplement(RFP_adjust);
RFP_imposemin = imimposemin(RFP_comp, ~RFP_binarized | RFP_maxs);
figure, imshow(RFP_imposemin), title('Inverted Maxima');

    % Apply watershed
RFP_watershed = watershed(RFP_imposemin);
mask = im2bw(RFP_watershed, 1);
overlay3 = imoverlay(RFP_adjust, mask, [1 .3 .3]);
figure, imshow(overlay3), title('Segmented cells');

    % Segment
RFP_cc = bwconncomp(RFP_watershed);
RFP_label_matrix = labelmatrix(RFP_cc);
whos labeled;
RFP_label = label2rgb(RFP_label_matrix, @spring, 'c', 'shuffle');
figure, imshow(RFP_label), title('Cells segmented');

图像0-结果的图像标题为‘极大值’(即调整的原始图像与最大值和轮廓覆盖)。

​

图像1-图像标题为“倒排最大值”的结果

​

图像2-图像标题为“单元分割”的结果

​

Answer 1

我建议类似于在 function中所做的事情:使用背景掩码将这些像素设置为Inf，执行分水岭操作，然后将结果中的背景像素设置为0。我相信您可以像这样更改代码的分水岭部分，以实现以下目标：

% Apply watershed
RFP_watershed = RFP_imposemin;             % Added
RFP_watershed(~RFP_binarized) = Inf;       % Added
RFP_watershed = watershed(RFP_watershed);  % Modified
RFP_watershed(~RFP_binarized) = 0;         % Added
mask = im2bw(RFP_watershed, 1);
overlay3 = imoverlay(RFP_adjust, mask, [1 .3 .3]);
figure, imshow(overlay3), title('Segmented cells');

Answer 2

没有魔法子弹，只有一些你可以尝试的东西。

一种是用一个很大的圆形圆盘过滤图像，创建一个看起来像背景的模糊图像。然后从原始图像中减去它。这往往会迫使实际背景为零。

另一种是Otsu阈值，将前景和背景分开。它创建了一个二进制图像。然后，使用设计成像实际细胞的掩膜进行形态学开放操作。