Подсчет клеток

В этом примере показано, как использовать комбинацию базовых морфологических операторов и анализа больших двоичных объектов для извлечения информации из видеопотока. В этом случае пример отсчитывает количество бактерий E. Coli в каждом видеокадре. Обратите внимание, что камеры имеют различную яркость, что делает задачу сегментации более сложной.

Инициализация

Используйте эти следующие разделы кода для инициализации необходимых переменных и объектов.

VideoSize = [432 528];

Создайте системный объект, чтобы считать видео из файла avi.

filename = 'ecolicells.avi';
hvfr = VideoReader(filename);

Создайте объект системы анализа больших двоичных объектов, чтобы найти центроид сегментированных камер в видео.

hblob = vision.BlobAnalysis( ...
                'AreaOutputPort', false, ...
                'BoundingBoxOutputPort', false, ...
                'OutputDataType', 'single', ...
                'MinimumBlobArea', 7, ...
                'MaximumBlobArea', 300, ...
                'MaximumCount', 1500);

% Acknowledgement
ackText = ['Data set courtesy of Jonathan Young and Michael Elowitz, ' ...
             'California Institute of Technology'];

Создайте системный объект для отображения видео.

hVideo = vision.VideoPlayer;
hVideo.Name  = 'Results';
hVideo.Position(1) = round(hVideo.Position(1));
hVideo.Position(2) = round(hVideo.Position(2));
hVideo.Position([4 3]) = 30+VideoSize;

Цикл обработки потока

Создайте цикл обработки для подсчета количества камер в вход видео. Этот цикл использует системные объекты, которые вы создали выше.

frameCount = int16(1);
while hasFrame(hvfr)
    % Read input video frame
    image = im2gray(im2single(readFrame(hvfr)));

    % Apply a combination of morphological dilation and image arithmetic
    % operations to remove uneven illumination and to emphasize the
    % boundaries between the cells.
    y1 = 2*image - imdilate(image, strel('square',7));
    y1(y1<0) = 0;
    y1(y1>1) = 1;
    y2 = imdilate(y1, strel('square',7)) - y1;

    th = multithresh(y2);      % Determine threshold using Otsu's method    
    y3 = (y2 <= th*0.7);       % Binarize the image.
    
    Centroid = step(hblob, y3);   % Calculate the centroid
    numBlobs = size(Centroid,1);  % and number of cells.
    % Display the number of frames and cells.
    frameBlobTxt = sprintf('Frame %d, Count %d', frameCount, numBlobs);
    image = insertText(image, [1 1], frameBlobTxt, ...
            'FontSize', 16, 'BoxOpacity', 0, 'TextColor', 'white');
    image = insertText(image, [1 size(image,1)], ackText, ...
            'FontSize', 10, 'AnchorPoint', 'LeftBottom', ...
            'BoxOpacity', 0, 'TextColor', 'white');

    % Display video
    image_out = insertMarker(image, Centroid, '*', 'Color', 'green');   
    step(hVideo, image_out);

    frameCount = frameCount + 1;
end

Figure Results contains an axes and other objects of type uiflowcontainer, uimenu, uitoolbar. The axes contains an object of type image.

Сводные данные

В Результаты окне показано исходное видео, а зеленые маркеры указывают местоположение камер в центроиде. Номер системы координат и количество камер отображаются в левом верхнем углу.

Кредиты набора данных

Набор данных для этого примера был предоставлен Джонатаном Янгом и Майклом Эловицем из Калифорнийского технологического института. Используется с разрешением. Для получения дополнительной информации об этих данных см.

N. Rosenfeld, J. Young, U. Alon, P. Swain, and M.B. Elowitz, «Gene Regulation at the Single-Cell Level», Science 2005, Vol. 307, pp. 1962-1965.

Для просмотра документации необходимо авторизоваться на сайте