先上最后的效果对比图哈哈，我采用了多种滤波方法（中值滤波、直方图统计灰度图然后转换、均值滤波、维纳滤波）最后采用了维纳滤波器。没有采用任何的形态学处理就达到了计数的效果，如果是中值滤波的话在加上形态学运算也能达到理想的细胞计数效果。中值滤波后细胞间存在粘连，腐蚀运算就可以解决，或者使用开运算也行。
图像处理我个人感觉一定要从分析图像的元素特征出发。
图1.1原图
图1.2维纳滤波后图像
图1.3维纳滤波标记的细胞数目
图1.4中值滤波后图像
图1.5中值滤波标计的细胞数目
代码如下·：
close all I=imread('细胞图片1.jfif'); imshow(I);title('原图'); I1=rgb2gray(I); figure;imshow(I1);title('灰度图像'); figure;histogram(I1); thresh = graythresh(I1); thresh I1=im2bw(I1,thresh ); figure;imshow(I1);title('二值图像'); I1= wiener2(I1,[13 13]); %I1= medfilt2(I1,[12 12]); figure;imshow(I1);title('滤波后图像'); se1=strel('disk',2); I1= imopen(I1,se1); figure;imshow(I1);title('开运算'); I1=~I1; [mark_image,num] = bwlabel(I1,4); %bwlabel 寻找连通区域， 4连通是指，如果像素的位置在其他像素相邻的上、下、左或右，则认为他们是连接着的 %num 表示连通区域的个数 %l是大小和BWing一样的图像数组，里面存放着对bwing图像的标签值（即判定为连通后，在L矩阵中标记出来） %regionprops 介绍 %参考 ：https://blog.csdn.net/langb2014/article/details/49886787 %返回值STATS是一个长度为max(L(:))的结构数组，结构数组的相应域定义了每一个区域相应属性下的度量 status=regionprops(mark_image,'BoundingBox'); centroid = regionprops(mark_image,'Centroid'); figure; imshow(mark_image);title('标记后的图像'); for i=1:num rectangle('position',status(i).BoundingBox,'edgecolor','r'); text(centroid(i,1).Centroid(1,1)-15,centroid(i,1).Centroid(1,2)-15, num2str(i),'Color', 'r') end num
