热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

清华大学出版社|杨丹:基于MATLAB机器视觉的黑色素瘤皮肤癌检测技术及源代码分析(第1689期)

篇首语:本文由编程笔记#小编为大家整理,主要介绍了疾病检测基于matlab机器视觉黑色素瘤皮肤癌检测含Matlab源码 1689期相关的知识,希望对你有一定的参考价值。 一、数字图像处理简介 图像处理

篇首语:本文由编程笔记#小编为大家整理,主要介绍了疾病检测基于matlab机器视觉黑色素瘤皮肤癌检测含Matlab源码 1689期相关的知识,希望对你有一定的参考价值。



一、数字图像处理简介

图像处理基础教程链接
1 【基础教程】基于matlab图像处理(表示方法+数据结构+基本格式+类型转换+读取+点运算+代数运算)【含Matlab源码 834期】
2 【基础教程】基于matlab图像处理(读写+显示+运算+转换+变换+增强+滤波+分析+统计)【含Matlab源码 144期】
3 【基础教程】基于matlab图像增强+复原+分割【含Matlab源码 056期】


二、部分源代码


clear all
% Parameters
out_on=0;
save_on=1;
% File tree walker
% fname='internet/atypical_naevi.jpg';
% fname='Stanford/ssm/SSM.png';
% fname='Stanford/ssm/Image_01.jpg';
% fname='Stanford/ssm/Image_06.jpg';
% fname='Stanford/normal/CS_1-26-05 B.tif';
%fname='R:\\Project\\New folder (2)\\benign1.bmp';
% fname='Stanford/normal-fp/CS_10-24-01.tif';
global im im2 img
[path,user_cance]=imgetfile();
if user_cance
msgbox(sprintf('Error'),'Error','Error');
return
end
im=imread(path);
im=im2double(im); %converts to double
img=im; %for backup process :)
%axes(handles.axes3);
imshow(im);
% Load image
%img=imread(fname);
%img=imresize(img,512/size(img,1));
% Convert to grayscale
imgbw=rgb2gray(img);
% Display image
if out_on
figure(1)
%subplot(2,2,1);
imagesc(imgbw)
colormap 'jet'
title(fname,'interpreter','none')
end
%% Analyze
% Binarize using Otsu's method
img_bn=~(im2bw(imgbw,graythresh(imgbw))); % Skin lesions are darker
if out_on
figure(2)
imshow(img_bn)
title('Binarized image')
end
%% Binarize using locally adaptive thresholds
%
% % Parameters
% tl_sz=64; % Tile Size
% lv_tsh=0; % Local variance threshold
% gl_tsh=graythresh(imgbw); % Uniform regions threshold (global threshold)
%
% % Initialize variables
% nu_rgns=ones(size(imgbw,1)/tl_sz,size(imgbw,2)/tl_sz); % Non-uniform mask
% tsh=zeros(size(imgbw,1)/tl_sz,size(imgbw,2)/tl_sz); % Local thresholds
% imgbw=double(imgbw);
%
% % Apply local thresholding
% for yy=1:size(imgbw,1)/tl_sz
% for xx=1:size(imgbw,2)/tl_sz
% % Extract a tile from the image
% y_bnds=(yy-1)*tl_sz+1:yy*tl_sz;
% x_bnds=(xx-1)*tl_sz+1:xx*tl_sz;
% tl=imgbw(y_bnds,x_bnds);
%
% % Compute local variance
% l_var=var(double(tl(:)));
%
% % Calculate threshold based on local variance
% if l_var<lv_tsh
% % Uniform region
% nu_rgns(yy,xx)&#61;0;
% tsh(yy,xx)&#61;gl_tsh;
% else
% % Non-uniform region
% tsh(yy,xx)&#61;graythresh(tl);
% end
% end
% end
%
% % Binarize image based on local thresholding map
% tsh2&#61;imresize(tsh,[size(imgbw,1) size(imgbw,2)],&#39;bilinear&#39;);
% nu_rgns2&#61;imresize(nu_rgns,[size(imgbw,1) size(imgbw,2)],&#39;nearest&#39;);
% img_b&#61;imgbw>tsh2;
% img_b(~nu_rgns2)&#61;imgbw(~nu_rgns2)>gl_tsh;
%% Small region removal
img_bns&#61;img_bn;
%Parameters
p_sz_thr&#61;500; % Positive region threshold
n_sz_thr&#61;1500; % Negative region threshold
% Small region removal on positive image
img_lbl&#61;bwlabel(img_bns,4);
bins&#61;1:max(img_lbl(:));
a&#61;histc(img_lbl(:),bins);
blist&#61;bins(a<p_sz_thr);
img_bns(ismember(img_lbl,blist))&#61;0;
% img_lbl&#61;bwlabel(img_bns,4);
% for rgn&#61;1:size(unique(img_lbl),1)
% idx&#61;find(img_lbl&#61;&#61;rgn);
% if size(idx,1) < p_sz_thr
% img_bns(idx)&#61;0;
% end
% end
% Small region removal on negative image
img_lbl&#61;bwlabel(~img_bns,4);
bins&#61;1:max(img_lbl(:));
a&#61;histc(img_lbl(:),bins);
blist&#61;bins(a<n_sz_thr);
img_bns(ismember(img_lbl,blist))&#61;1;
% img_lbl&#61;bwlabel(~img_bns,4);
% for rgn&#61;1:size(unique(img_lbl),1)
% idx&#61;find(img_lbl&#61;&#61;rgn);
% if size(idx,1) < n_sz_thr
% img_bns(idx)&#61;1;
% end
% end
if out_on
figure(3)
imshow(img_bns)
title(&#39;Small region removal&#39;)
end
%% Identify primary region of interest
% Look for the connected component closest to center of image
img_x0&#61;size(imgbw,2)/2;
img_y0&#61;size(imgbw,1)/2;
img_lbl&#61;bwlabel(img_bns,4);
stats&#61;regionprops(img_lbl,&#39;Centroid&#39;);
mindist&#61;inf;
for rgn&#61;1:numel(stats)
dist&#61;sqrt(((stats(rgn).Centroid(1)-img_x0)^2) &#43; ...
((stats(rgn).Centroid(2)-img_y0)^2));
if dist<mindist
mindist&#61;dist;
minrgn&#61;rgn;
end
end
img_pr&#61;img_bns;
img_pr(img_lbl~&#61;minrgn)&#61;0;
if out_on
figure(4)
imshow(img_pr)
title(&#39;Primary Region of Interest&#39;)
end
%% Boundary detection
img_ed&#61;edge(img_pr);
[edgs_x edgs_y]&#61;ind2sub(size(img_ed),find(img_ed));
if out_on
figure(5)
imshow(img_ed)
title(&#39;Edge Detection&#39;)
end

三、运行结果




四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社&#xff0c;2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社&#xff0c;2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社&#xff0c;2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社&#xff0c;2015.


推荐阅读
  • 优化ListView性能
    本文深入探讨了如何通过多种技术手段优化ListView的性能,包括视图复用、ViewHolder模式、分批加载数据、图片优化及内存管理等。这些方法能够显著提升应用的响应速度和用户体验。 ... [详细]
  • 1:有如下一段程序:packagea.b.c;publicclassTest{privatestaticinti0;publicintgetNext(){return ... [详细]
  • 本文详细介绍了Java中org.eclipse.ui.forms.widgets.ExpandableComposite类的addExpansionListener()方法,并提供了多个实际代码示例,帮助开发者更好地理解和使用该方法。这些示例来源于多个知名开源项目,具有很高的参考价值。 ... [详细]
  • 本文详细介绍了Akka中的BackoffSupervisor机制,探讨其在处理持久化失败和Actor重启时的应用。通过具体示例,展示了如何配置和使用BackoffSupervisor以实现更细粒度的异常处理。 ... [详细]
  • 本文详细介绍了Java中org.w3c.dom.Text类的splitText()方法,通过多个代码示例展示了其实际应用。该方法用于将文本节点在指定位置拆分为两个节点,并保持在文档树中。 ... [详细]
  • 2023年京东Android面试真题解析与经验分享
    本文由一位拥有6年Android开发经验的工程师撰写,详细解析了京东面试中常见的技术问题。涵盖引用传递、Handler机制、ListView优化、多线程控制及ANR处理等核心知识点。 ... [详细]
  • 本文详细介绍了Java中org.neo4j.helpers.collection.Iterators.single()方法的功能、使用场景及代码示例,帮助开发者更好地理解和应用该方法。 ... [详细]
  • 技术分享:从动态网站提取站点密钥的解决方案
    本文探讨了如何从动态网站中提取站点密钥,特别是针对验证码(reCAPTCHA)的处理方法。通过结合Selenium和requests库,提供了详细的代码示例和优化建议。 ... [详细]
  • 数据库内核开发入门 | 搭建研发环境的初步指南
    本课程将带你从零开始,逐步掌握数据库内核开发的基础知识和实践技能,重点介绍如何搭建OceanBase的开发环境。 ... [详细]
  • 本文深入探讨了 Java 中的 Serializable 接口,解释了其实现机制、用途及注意事项,帮助开发者更好地理解和使用序列化功能。 ... [详细]
  • Android 渐变圆环加载控件实现
    本文介绍了如何在 Android 中创建一个自定义的渐变圆环加载控件,该控件已在多个知名应用中使用。我们将详细探讨其工作原理和实现方法。 ... [详细]
  • 深入了解 Windows 窗体中的 SplitContainer 控件
    SplitContainer 控件是 Windows 窗体中的一种复合控件,由两个可调整大小的面板和一个可移动的拆分条组成。本文将详细介绍其功能、属性以及如何通过编程方式创建复杂的用户界面。 ... [详细]
  • 在 Flutter 开发过程中,开发者经常会遇到 Widget 构造函数中的可选参数 Key。对于初学者来说,理解 Key 的作用和使用场景可能是一个挑战。本文将详细探讨 Key 的概念及其应用场景,并通过实例帮助你更好地掌握这一重要工具。 ... [详细]
  • 不确定性|放入_华为机试题 HJ9提取不重复的整数
    不确定性|放入_华为机试题 HJ9提取不重复的整数 ... [详细]
  • 尽管深度学习带来了广泛的应用前景,其训练通常需要强大的计算资源。然而,并非所有开发者都能负担得起高性能服务器或专用硬件。本文探讨了如何在有限的硬件条件下(如ARM CPU)高效运行深度神经网络,特别是通过选择合适的工具和框架来加速模型推理。 ... [详细]
author-avatar
湖南美景创意动画设计有限公司
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有