二值化灰度图像包含太多噪声答案

【问题标题】：Binarized grayscale image contains too much noise二值化灰度图像包含太多噪声
【发布时间】：2019-02-02 18:27:59
【问题描述】：

我目前有这样的数字病理图像：

首先我使用以下代码将图像转换为灰度：

img=imread('DigitalPathology8.png');
figure;
imshow(img)
hsv=rgb2hsv(img); 
s=hsv(:,:,2);

我得到了这张灰度图像：

虽然我尝试使用以下代码将此灰度图像二值化：

bw = imbinarize(s,'global'); 
figure
subplot(2,1,1)
imshow(s)
subplot(2,1,2)
imshow(bw)

我得到了这样的图像：我的代码有什么问题？当我将相同的算法应用于其他图像时：我可以得到只有蓝色单元格是白色的二值化图像，包括背景在内的其他单元格是黑色的。因此，在将相同的代码应用于我提到的第一张图像后，我也期望得到相同的结果。有人可以帮我吗？

【问题讨论】：

您要检测的单元格很少，因此阈值选择算法无法按您的意愿工作。在任何情况下，取决于 IHC 染色比苏木精更饱和不是最好的方法。查看污点分离（Google 中的“颜色反卷积”，这是一个用词不当，但很好）。
感谢克里斯的建议！但我还是想问为什么它在第二张病理图像上效果很好？
那里有更多的染色细胞。阈值寻找一个有意义地分离图像中灰度值的值。如果染色细胞太少，此过程将选择较低的阈值，以便有更多的白色输出像素。

标签： image matlab image-processing grayscale hsv

【解决方案1】：

您最好使用rgb2gray()(look here) 进行转换：

grey=rgb2gray(img)

这应该让你得到这样的东西：

我会推荐更复杂的方法，而不是全局阈值，例如Otsu，这将为您带来更好的结果：

但是，如果您只想提取蓝色单元格而不是图像的简单阈值版本，则应在灰度图像上使用完全不同的方法，例如 MaxEntropy。这会给你这样的东西：

还有这个

matlab中好像没有包含这个阈值的方法，而是一个plugin can be found。

您还可以尝试一种完全不同的方法，通过基于color similarity 的阈值来检测蓝点：使用这种方法，您可以将每个像素设置为白色，它与蓝色的颜色距离小于给定阈值。这应该会给你这样的东西（红色标记代表图像的前景）：

参考颜色：

对于这种方法，我将 RGB 颜色 (17.3,32.5,54.5) 作为参考颜色，我的最大距离是 210。如果你有 ImageJ，你可以交互地使用这种方法，不久前我写了一个 plugin for that.As你可以看到，这种方法也会检测到错误的单元格，这是由于距离和选择的参考颜色值过高造成的。通过选择更合适的参考颜色和更小的距离值，可以最大限度地减少这种错误。

【讨论】：

非常感谢您的友好回复！但是由于我需要处理甚至数百张这样的图像，我认为使用 ImageJ 可能不是一个好主意？
ImageJ 应该能够执行批处理，但该方法足够简单，可以在其他任何地方实现。
那么使用MATLAB也应该通过实现这种方式达到同样的效果？
是的，您只需要计算各个像素与参考颜色之间的颜色距离，如果距离低于任意阈值，则将像素设置为白色，否则将其设置为黑色
谢谢！但是如何确定阈值呢？