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

图像处理基础教程链接
1 【基础教程】基于matlab图像处理&＃xff08;表示方法&＃43;数据结构&＃43;基本格式&＃43;类型转换&＃43;读取&＃43;点运算&＃43;代数运算&＃xff09;【含Matlab源码 834期】
2 【基础教程】基于matlab图像处理&＃xff08;读写&＃43;显示&＃43;运算&＃43;转换&＃43;变换&＃43;增强&＃43;滤波&＃43;分析&＃43;统计&＃xff09;【含Matlab源码 144期】
3 【基础教程】基于matlab图像增强&＃43;复原&＃43;分割【含Matlab源码 056期】

二、部分源代码


clear all
% Parameters
out_on&＃61;0;
save_on&＃61;1;
% File tree walker
% fname&＃61;&＃39;internet/atypical_naevi.jpg&＃39;;
% fname&＃61;&＃39;Stanford/ssm/SSM.png&＃39;;
% fname&＃61;&＃39;Stanford/ssm/Image_01.jpg&＃39;;
% fname&＃61;&＃39;Stanford/ssm/Image_06.jpg&＃39;;
% fname&＃61;&＃39;Stanford/normal/CS_1-26-05 B.tif&＃39;;
%fname&＃61;&＃39;R:\\Project\\New folder (2)\\benign1.bmp&＃39;;
% fname&＃61;&＃39;Stanford/normal-fp/CS_10-24-01.tif&＃39;;
global im im2 img
[path,user_cance]&＃61;imgetfile();
if user_cance
msgbox(sprintf(&＃39;Error&＃39;),&＃39;Error&＃39;,&＃39;Error&＃39;);
return
end
im&＃61;imread(path);
im&＃61;im2double(im); %converts to double
img&＃61;im; %for backup process :)
%axes(handles.axes3);
imshow(im);
% Load image
%img&＃61;imread(fname);
%img&＃61;imresize(img,512/size(img,1));
% Convert to grayscale
imgbw&＃61;rgb2gray(img);
% Display image
if out_on
figure(1)
%subplot(2,2,1);
imagesc(imgbw)
colormap &＃39;jet&＃39;
title(fname,&＃39;interpreter&＃39;,&＃39;none&＃39;)
end
%% Analyze
% Binarize using Otsu&＃39;s method
img_bn&＃61;~(im2bw(imgbw,graythresh(imgbw))); % Skin lesions are darker
if out_on
figure(2)
imshow(img_bn)
title(&＃39;Binarized image&＃39;)
end
%% Binarize using locally adaptive thresholds
%
% % Parameters
% tl_sz&＃61;64; % Tile Size
% lv_tsh&＃61;0; % Local variance threshold
% gl_tsh&＃61;graythresh(imgbw); % Uniform regions threshold (global threshold)
%
% % Initialize variables
% nu_rgns&＃61;ones(size(imgbw,1)/tl_sz,size(imgbw,2)/tl_sz); % Non-uniform mask
% tsh&＃61;zeros(size(imgbw,1)/tl_sz,size(imgbw,2)/tl_sz); % Local thresholds
% imgbw&＃61;double(imgbw);
%
% % Apply local thresholding
% for yy&＃61;1:size(imgbw,1)/tl_sz
% for xx&＃61;1:size(imgbw,2)/tl_sz
% % Extract a tile from the image
% y_bnds&＃61;(yy-1)*tl_sz&＃43;1:yy*tl_sz;
% x_bnds&＃61;(xx-1)*tl_sz&＃43;1:xx*tl_sz;
% tl&＃61;imgbw(y_bnds,x_bnds);
%
% % Compute local variance
% l_var&＃61;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.