步骤1：读取图像

读入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。

他不识字(“hestain.png”）;imshow(他)、标题(“他走时形象”); 文本（大小（he，2），大小（he，1）+15，...“图片由约翰·霍普金斯大学艾伦·帕廷提供”,...“字体大小”7.“水平对齐”,“对”）;

步骤2：将图像从RGB颜色空间转换为L*a*b*颜色空间

如果忽略亮度变化，您会在图像中看到多少颜色？有三种颜色：白色、蓝色和粉色。请注意，您可以很容易地从视觉上区分这些颜色。L*a*b*颜色空间（也称为CIELAB或CIE L*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。

使用将图像转换为L*a*b*颜色空间rgb2lab.

lab_he = rgb2lab(他);

步骤3：使用K-均值聚类对“a*b*”空间中的颜色进行分类

群集是一种分离对象组的方法。K-means群集将每个对象视为在空间中有一个位置。它查找分区，使每个群集中的对象尽可能彼此靠近，并尽可能远离其他群集中的对象。K-means群集要求您指定要访问的群集数RTI和距离度量，用于量化两个对象之间的距离。

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仅有一个的使用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次以避免局部极小值像素标签=imsegkmeans（ab、nColors、，“Numatempts”,3);

对于你输入的每个对象，imsegkmeans返回与群集相对应的索引或标签。使用其像素标签标记图像中的每个像素。

imshow（像素标签，[]）标题('按群集索引标记的图像'）;

步骤4：创建按颜色分割H&E图像的图像

使用像素标签，可以在中分隔对象hestain.png通过颜色，可以得到三张图片。

mask1 = pixel_labels = = 1;uint8(mask1);imshow (cluster1)标题(“群集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(“群集3中的对象”）;

第五步:分割细胞核

簇3包含蓝色对象。请注意，有深蓝色和浅蓝色对象。您可以使用L*a*b*颜色空间中的“L*”层来区分深蓝色和浅蓝色。细胞核为深蓝色。

回想一下，“L*”层包含每种颜色的亮度值。提取该簇中像素的亮度值，并使用全局阈值对其设置阈值imbinarize.面具是浅蓝色的吗给出浅蓝色像素的指数。

L=lab_he（：，：，1）；L_蓝=L.*双色（mask3）；L_蓝=重新缩放（L_蓝）；idx_浅_蓝=imbinarize（非零（L_蓝））；

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。

蓝色idx=find（mask3）；遮罩深蓝色=mask3；遮罩深蓝色（蓝色idx（idx浅蓝色））=0；蓝色原子核=he.*uint8（遮罩深蓝色）；imshow（蓝色原子核）标题(“蓝色细胞核”）;