这个例子展示了如何使用L*a*b*颜色空间和K-means聚类以自动化的方式分割颜色。
读到hestain.png
,这是用血红蛋白和伊红(H&E)染色的组织图像。这种染色方法有助于病理学家区分不同的组织类型。
他= imread (“hestain.png”);imshow(他)、标题(“他走时形象”);文本(大小(他,2),大小(他,1)+ 15,...图片由约翰霍普金斯大学艾伦·帕廷提供,...“字形大小”7“HorizontalAlignment”,“对”);
如果忽略亮度的变化,你能在图像中看到多少种颜色?有三种颜色:白色、蓝色和粉红色。注意你是多么容易从视觉上区分这些颜色。L*a*b*颜色空间(也称为CIELAB或CIEL *a*b*)使您能够量化这些视觉差异。
颜色空间L*a*b*由CIE XYZ三刺激值导出。L*a*b*空间由光度层“L*”、色度层“a*”和色度层“b*”组成。色度层“a*”表示颜色沿红绿轴落在何处,色度层“b*”表示颜色沿蓝黄轴落在何处。所有的颜色信息都在“a*”和“b*”图层中。你可以用欧几里得距离度量来测量两种颜色之间的差异。
将图像转换为L*a*b*颜色空间使用rgb2lab
.
lab_he = rgb2lab(他);
集群是一种分离对象组的方法。K-means聚类将每个对象视为在空间中有一个位置。它会找到这样的分区,即每个集群中的对象尽可能接近彼此,而其他集群中的对象尽可能远离彼此。K-means聚类要求指定要划分的聚类数量和度量距离,以量化两个对象彼此之间的距离。
因为颜色信息存在于“a*b*”颜色空间中,你的对象是带有“a*”和“b*”值的像素。将数据转换为数据类型单
使用imsegkmeans
.使用imsegkmeans
将对象聚集成三个集群。
ab = lab_he (:,: 2:3);ab = im2single (ab);nColors = 3;%重复聚类3次,以避免局部极小nColors pixel_labels = imsegkmeans (ab),“NumAttempts”3);
对于你输入的每个对象,imsegkmeans
返回对应于集群的索引或标签。用像素标签标记图像中的每个像素。
imshow (pixel_labels[])标题(“以群集索引标记的图像”);
使用pixel_labels
,你可以分离对象hestain.png
通过颜色,可以得到三张图片。
mask1 = pixel_labels = = 1;uint8(mask1);imshow (cluster1)标题('集群1中的对象');
mask2 = pixel_labels = = 2;=他.* uint8(mask2);imshow (cluster2)标题('群集2中的对象');
mask3 = pixel_labels = = 3;=他.* uint8(mask3);imshow (cluster3)标题(“集群3中的对象”);
集群3包含蓝色对象。注意这里有深蓝和浅蓝色的物体。你可以在L*a*b*颜色空间中使用“L*”层将深蓝色与浅蓝色分离。细胞核呈深蓝色。
回想一下,“L*”层包含每个颜色的亮度值。提取该集群中像素的亮度值,并使用全局阈值对其进行阈值设置imbinarize
.面具is_light_blue
给出浅蓝色像素的指数。
L = lab_he (:: 1);L_blue = L .* double(mask3);L_blue =重新调节(L_blue);idx_light_blue = imbinarize(非零(L_blue));
复制蓝色物体的蒙版,mask3
,然后从遮罩中移除浅蓝色像素。将新的蒙版应用到原始图像并显示结果。只有深蓝色的细胞核可见。
blue_idx =找到(mask3);mask_dark_blue = mask3;mask_dark_blue (blue_idx (idx_light_blue)) = 0;uint8(mask_dark_blue); / * uint8(mask_dark_blue);imshow (blue_nuclei)标题(“蓝色细胞核”);