如何计数图像中的衣藻细胞？含明场/暗场图像处理问题

问题背景 #

需要实现两类显微镜图像的衣藻细胞计数：

• 明场图像：计数所有细胞
• 暗场（FITC滤光片荧光图像）：仅计数发出荧光的细胞

当前明场计数代码计划用圆形度作为筛选条件，但计算轮廓周长时出现0值，添加判断逻辑后程序崩溃，需修复该问题并完善圆形度筛选功能。

问题原因 #

部分无效轮廓（如单点、退化的1像素轮廓）会导致cv2.arcLength()返回0值，此时计算圆形度公式4π*面积/(周长²)会触发除以0错误；若判断逻辑未提前过滤这类无效轮廓，就会导致程序崩溃。

修复后的明场计数代码 #

import cv2
import numpy as np
from math import pi

# 加载图像
img_path = 'C:/Users/m_jen/Downloads/Sem 8/Sen lab project/MJ/input_images/0uMCr002.jpg'
image = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE)

# 阈值分割（OTSU自动阈值+反二值化）
_, thresh = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

# 提取外轮廓
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 筛选参数
min_circularity = 0.4
max_circularity = 1.0
min_area = 400
max_area = 10000

filtered_contours = []
for cnt in contours:
    area = cv2.contourArea(cnt)
    # 先过滤面积不符合的轮廓
    if not (min_area <= area <= max_area):
        continue
    # 计算周长，过滤周长为0的无效轮廓
    perimeter = cv2.arcLength(cnt, closed=True)
    if perimeter <= 0:
        continue
    # 计算圆形度：4π*面积/(周长²)，越接近1越圆
    circularity = (4 * pi * area) / (perimeter ** 2)
    # 过滤圆形度不符合的轮廓
    if min_circularity <= circularity <= max_circularity:
        filtered_contours.append(cnt)

# 绘制筛选后的轮廓
img_contours = cv2.drawContours(image.copy(), filtered_contours, -1, (0, 255, 0), 2)

# 显示结果
cv2.namedWindow('Contours', cv2.WINDOW_NORMAL)
res_img_contours = cv2.resize(img_contours, (1280, 720))
cv2.imshow('Contours', res_img_contours)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 输出计数结果
print(f"Number of cells: {len(filtered_contours)}")

关键修复点 #

1. 提前过滤无效轮廓：先判断周长是否大于0，避免除以0的数学错误
2. 完善筛选逻辑：按面积→周长→圆形度的顺序逐步过滤，减少无效计算
3. 正确计算圆形度：使用闭合轮廓的周长（cv2.arcLength第二个参数设为True），保证圆形度计算准确

暗场（FITC荧光图像）计数思路 #

暗场图像仅需计数荧光细胞，可按以下步骤实现：

1. 提取图像的绿色通道（FITC荧光信号通常集中在绿色通道）
2. 对绿色通道做阈值分割（直接二值化，保留亮的荧光区域）
3. 用与明场相同的轮廓筛选逻辑（面积+圆形度）计数荧光细胞

示例代码片段：

# 加载暗场图像（彩色）
dark_img = cv2.imread('dark_field_image.jpg')
# 提取绿色通道
green_channel = dark_img[:, :, 1]
# 阈值分割（保留荧光亮区）
_, fluo_thresh = cv2.threshold(green_channel, 50, 255, cv2.THRESH_BINARY)
# 后续轮廓提取、筛选逻辑与明场代码一致

内容的提问来源于stack exchange，提问作者Manasmit Jena