細胞識别圖像處理項目總結

關于圖像處理方面的收獲：

五月中旬的時候接了個細胞檢測的活，要求識别白細胞、紅細胞、脂肪球、黴菌幾種

細胞，大緻看了客戶發給我顯微鏡上的圖檔，發現能做，于是就接了下來，客戶告訴

我最終的程式要是C++的編譯成DLL給他們的應用程式調用才可以，本人因為一直做

Java，做C++還是12年前畢業設計的時候做了圖像相關的東西。從那之後，做項目偶

爾也會搞點C++但是基本上就一直停留在Hello World的水準上。我的想法是先把算法

用Java實作，然後我找人合作幫忙把算法從Java翻譯成C++，經過大概一個月左右的

時間Java版本的算法已經實作，并且用客戶給我的那些測試圖檔資料，發現除了白細

胞識别率有點低，其它的識别都還不錯，基本都在70%左右，而且陰性的檢測準确率

高達96%，已經滿足實際需要。其實做這個識别算法我是基于模闆比對方法，但是唯

一不同的時候我是先找到ROI區域，然後隻對ROI區域去做模闆比對，這樣速度就非常

快，基本滿足了客戶要求。在做這個項目的過程中，自己對一些基礎的問題又有了近

一步的認知，對SMOOTH、先圖像梯度在灰階還是先灰階在梯度的差別都有了新的認

知，發現順序不同差别還是很大的，對圖像二值化、二值圖像的填充、腐蝕與膨脹、

開閉操作、邊緣提取等都更加的熟悉了。同時對霍夫直線檢測、二值圖像的連通區域

查找等算法也有近一步的認識，在特征提取方面自己先後嘗試了LBP、HOG、幾何距

灰階共生矩陣等又溫習和進一步了解應用。通過綜合運用這些知識，基于提取到的模

闆資料、實作了對細胞的快速分類與識别。

關于程式設計方面的收獲：

我在學習圖像處理之初，就下定決心不去依賴任何庫，這樣做有好處也有壞處，好處

就是逼着自己去實作一些常見的圖像處理方法，壞處就工作效率比較低，特别是開始

階段，我在用Java做這些算法的時候也特别注意借鑒ImageJ中的代碼，能直接拿過來

用的，我基本都直接拿過來了，HOG是我自己用Java寫的，因為ImageJ中我沒發現

這個就導緻我的Java算法在翻譯到C++的時候有很多選擇，可以用openCV等開源庫

可以那些API我也沒仔細看，心想找個人幫我翻譯成C++的就好了，不需要任何庫

畢竟我的Java版算法也是我自己實作的，不依賴任何庫，我估計的時間是一周左右

我很幸運的找到一個很好的C++哥們，他也是CSDN的一個熟人，花了兩周晚上的時

間我們把Java的算法轉成C++的了，然後編譯測試通過，改了幾個小問題就發現運作

結果跟Java沒有差别，這個讓我很高興，覺得幫我翻譯C++的哥們太給力了，希望我

們一直合作下去。

         當然這個過程中我們也踩了不少坑，其中最大的一個就是我Java做的算法很多變

量都沒有初始化為0，到了C++上面就悲劇了，還有一些數組也沒有初始化就直接進行

像素或者統計操作，結果也很悲劇，都是很大的坑。費了我們不少精力。其中更有一

個很惡搞的問題，我定義的數字是位元組類型的，結果裡面的資料是INT的，長度就會溢

出，結果就很悲劇。我也學會一些簡單的C++知識，學會用vs2015搞東西，學會了用

CxImage這個庫來讀圖像檔案和像素資料。複活了我一些VC++的知識。我記得我上次

用VC++的時候還是6.0，我這個跨度比較大。項目總結的時候那哥們還給我提幾點建議

這樣方面他把代碼轉到C++。一個很認真的哥們，他的建議：

對以後咱們合作中的Java代碼提兩點建議：

1.定義變量、數組時必須初始化。

2.邏輯層和視圖層分離，算法中隻傳像素數組，

不要有BufferedImage對象及圖像讀定相關的操作，

這些都放到視圖層。對圖像的處理，其實就是對像素的處理。

那麼處理函數的定義其實隻需要傳入一個待處理的像素數組，

傳回一個處理後的結果像素數組。Java定義可以為：

對應的c++定義為

關于我們：

如果能在一起做事情，一定要互相信任，特别是經濟上一定要互相講清楚，隻有這樣

團隊才會互相信任，才有可能一起做更多的事情。要讓客戶看到自己的努力，認可自

己的勞動，成功就不會太遠了。現在我做Java，主攻圖像處理的各種算法，他主攻

C++，我們互相是對方的老師和良師。就在這個項目結束的時候我們又接一個新的圖

像處理的活，希望會一起走的更遠。