Обработка изображений - Подсчет ядер

Я пытаюсь создать программу, которая может посчитать количество ядер в таком изображении:

Я уже сделал следующее, шаг за шагом:

1. Применение чередующегося последовательного фильтра (закрытие и открытие изображения с постепенно увеличивающимися структурирующими элементами)
2. Применить преобразование расстояния
3. Применение сегментации водораздела с использованием изображения с преобразованием расстояния для обнаружения минимумов

Который дает следующий результат (где каждый цвет представляет новое подсчитанное ядро):

Как мы видим, есть много недостатков, в частности, перерасчетных ядер. Я бы сказал, что причиной этой проблемы является то, как я наложил минимумы для преобразования «Водораздел» (используя преобразование расстояния), но у меня действительно нет других идей для наложения минимумов в этом случае.

Поскольку преобразование расстояния генерирует минимумы на основе округлости объектов, я хотел бы знать лучшую альтернативу округлению ядер, чем альтернативный последовательный фильтр (глядя на изображение выше, мы можем сделать вывод, что большая часть «избыточных чисел» произошла из менее закругленные ядра). Я также хотел бы узнать лучшие способы наложения минимумов для трансформации Водораздела.

Существует множество статей о том, как решить проблему избыточной сегментации водораздела, но я думаю, что вам следует прочитать « Надежные методы сегментации клеточных изображений» (научная статья 2004 г., написанная Бенгтссоном и др.).

Он охватывает различные методы сегментирования изображений клеток и включает в себя примеры из реальной жизни, которые показывают, как справляться с избыточной сегментацией из водосбора на изображениях флуоресцентной микроскопии, аналогичных вашим (у него также есть примеры изображений в ярком поле и изображений конфокальной микроскопии). Он использует семена из преобразования расстояния, аналогично вашему подходу, и объединяет области со слабыми границами. Статья читается хорошо, и концепции довольно просты для реализации в Matlab.

Для еще более актуального подхода вы можете прочитать Схему декомпозиции для нечетких трехмерных объектов на основе информации о нечетком расстоянии от Svensson. Он использует метод, аналогичный Бенгтссону и др., Но работает с нечетким преобразованием расстояния, которое дает лучшее представление плотности для объектов, используемых в статье.

Вы можете попробовать «расширенное преобразование максимумов», которое является методом морфологической реконструкции. Он обнаруживает точки максимума с учетом критерия контраста, который вы можете инвертировать и наложить. Это реализовано в Matlab.