Matlab染色体识别与统计
待处理的图像如下所示。图像有明显的噪音，部分染色体有断开和粘连的情况。
要识别其中的染色体并统计其数目，我们采用Matlab平台提供的一些图像处理函数。基本方法如下：
1、读取待处理的图像，将其转化为灰度图像，然后反白处理。
I = imread('chrimage.bmp');
I2 = rgb2gray(I);
s = size(I2);
I4 = 255*ones(s(1), s(2), 'uint8');
I5 = imsubtract(I4,I2);
2、对图像进行中值滤波去除噪音。经试验，如果采用3×3的卷积因子，噪音不能较好地去除，染色体附近毛糙严重。而5×5和7×7的卷积因子能取得较好的效果。图示滤噪前后的效果对比。
I3 = medfilt2(I5,[5 5]);
3、将图像转化为二值图像。经试验，采用门限值为0.3附近时没有染色体断开和粘连（如下左图），便于后期统计。
I3 = imadjust(I3);
bw = im2bw(I3, 0.3);
在此步骤，如果使用graythresh函数自动寻找门限，得到的图像染色体断开的比较多（如下中图），此时可以将白色区域膨胀，使断开的的染色体连接（如下右图）。
level = graythresh(I3);
bw = im2bw(I3,level);
se = strel('disk',5);
bw = imclose(bw,se);
两种方法相比，前者对染色体面积的计算比较准确，后者对不同图像的适应性较强。下面的步骤将基于前一种方法。
4、去除图像中面积过小的，可以肯定不是染色体的杂点。这些杂点一部分是滤噪没有滤去的染色体附近的小毛糙，一部分是图像边缘亮度差异产生的。
bw = bwareaopen(bw, 10);
5、标记连通的区域，以便统计染色体数量与面积。
[labeled,numObjects] = bwlabel(bw,4);
6、用颜色标记每一个染色体，以便直观显示。此时染色体的断开与粘连问题已基本被解决。最终效果如下图。
RGB_label=label2rgb(labeled,@spring,'c','shuffle');
7、统计被标记的染色体区域的面积分布，显示染色体总数。统计总数为46，与人工数出数目的相同。
chrdata = regionprops(labeled,'basic')
allchrs = [chrdata.Area];
num = size(allchrs)
nbins = 20;
figure,hist(allchrs,nbins);
title(num(2))
至此，染色体识别与统计完成。此方法采用Matlab已有的函数，简单且快捷。但缺点是此程序是专为这一幅待处理图像写的，诸如门限、滤噪方法的特定性强。同时没有经过大量同类待处理图像的测试，系统通用性不强。不过作为实验，了解提取与分析目标图像中的有效信息的基本方法，是足够的。
* 参考文献：
1、Correcting Nonuniform Illumination, Matlab 7.0 Demos, The MathWorks.1024
Matlab染色体识别与统计下载如图片无法显示或论文不完整，请联系qq752018766
