第1步：读取图像

阅读hestain.png.，这是用血红素毒素和曙红（H＆E）染色的组织的图像。该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（'H＆E Image'）;文字（大小（他，2），尺寸（他，1）+15，......'图片由艾伦·霍普金斯大学提供alan partin'那......'字体大小'7，'水平对齐'那'对'）;

步骤2：将图像从RGB颜色空间转换为L * A * B *颜色空间

如果您忽略亮度的变化，您在图像中看到了多少颜色？有三种颜色：白色，蓝色和粉红色。请注意您可以轻松地在视觉上将这些颜色彼此区分开。l * a * b *颜色空间（也称为cielab或cie l * a * b *），使您可以量化这些视觉差异。

L * A * B *颜色空间来自CIE XYZ Tristimulus值。l * a * b *空间由亮度层'l *'，色度层'a *'组成，指示颜色沿红色轴落下，以及色度层'b *'表示颜色落下的位置蓝黄轴。所有颜色信息都处于“A *”和“B *”层中。您可以使用欧几里德距离度量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）;

步骤3：使用K-means群集将颜色分类为“A * B *”空间中的颜色

群集是分离对象组的方法。K-means群集将每个对象视为在空间中的位置。它发现分区，使得每个群集内的对象尽可能彼此靠近，并且远离尽可能的其他集群中的物体。K-means群集要求您指定要分区的群集数量以及距离度量，以量化两个对象彼此的接近程度。

由于颜色信息存在于“A * B *”颜色空间中，因此您的对象是具有“*”和“B *”值的像素。将数据转换为数据类型单身的使用Imsegkmeans.。用Imsegkmeans.将对象群集成三个集群。

ab = lab_he（：，:,2：3）;ab = im2single（ab）;ncolors = 3;％重复聚类3次以避免局部最小值Pixel_Labels = IMSEGKMeans（AB，NColors，'numattempts'，3）;

对于输入中的每个对象，Imsegkmeans.返回对应于群集的索引或标签。用其像素标签标记图像中的每个像素。

imshow（pixel_labels，[]）标题（'由群集索引标记的图像'）;

第4步：通过颜色创建段分段H＆E图像的图像

使用Pixel_Labels.，可以将对象分开hestain.png.按颜色，将导致三个图像。

mask1 = pixel_labels == 1;cluster1 =他。* uint8（mask1）;imshow（cluster1）标题（'集群中的对象1'）;

mask2 = pixel_labels == 2;cluster2 =他。* uint8（mask2）;imshow（cluster2）标题（'集群中的对象2'）;

mask3 = Pixel_Labels == 3;cluster3 =他。* uint8（mask3）;imshow（cluster3）标题（'集群中的对象3'）;

第5步：细胞核

群集3包含蓝色对象。请注意，有黑暗和浅蓝色的物体。您可以使用L * A * B *颜色空间中的“L *”图层将深蓝色与浅蓝色分开。细胞核是深蓝色。

回想一下，'l *'图层包含每种颜色的亮度值。提取此集群中的像素的亮度值，并使用全局阈值阈值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 = Rescale（L_Blue）;idx_light_blue = imbinarize（非安利斯（l_blue））;

复制蓝色对象的掩码，mask3.然后从掩模上删除浅蓝色像素。将新掩码应用于原始图像并显示结果。只有深蓝色细胞核是可见的。

blue_idx = find（mask3）;mask_dark_blue = mask3;mask_dark_blue（blue_idx（idx_light_blue））= 0;blue_nuclei =他。* uint8（mask_dark_blue）;imshow（blue_nuclei）标题（'蓝色核心'）;