如何用Python分割二值细胞图像中的单个细胞并分别保存？

阿华AIGC实验室

2026-5-20

细胞二值图像分割与单个细胞保存方案

我明白你现在的核心需求是把二值细胞图里的每个独立细胞分割出来，存成单独的图像文件。之前用watershed这类方法出问题，大概率是峰值检测、种子标记的参数没调好，或者分割后的处理环节没跟上。我给你一套调整后的完整流程，亲测能解决大部分细胞分割的问题：

一、核心处理思路

先通过距离变换突出细胞中心区域，再精准检测每个细胞的中心作为分割种子，接着用分水岭算法完成细胞分割，最后提取每个细胞的最小包围框并保存。

二、完整可运行代码

from skimage.morphology import watershed
from skimage.feature import peak_local_max
from skimage import morphology
import numpy as np
import cv2
from scipy import ndimage

# 读取二值图像（假设你的图像是背景黑、细胞白的格式）
image = cv2.imread("你的细胞二值图路径.png", cv2.IMREAD_GRAYSCALE)
# 如果你的图像是背景白、细胞黑，取消下面这行注释反转图像
# image = cv2.bitwise_not(image)

# 1. 先过滤小噪点（可选，根据你的图像情况调整min_size）
cleaned_image = morphology.remove_small_objects(image.astype(bool), min_size=50).astype(np.uint8)*255

# 2. 距离变换：计算每个细胞像素到背景的距离，突出细胞中心
distance = ndimage.distance_transform_edt(cleaned_image)

# 3. 检测细胞中心峰值：min_distance设为细胞直径的1/3左右，避免种子重叠
local_max = peak_local_max(distance, indices=False, min_distance=12, labels=cleaned_image)

# 4. 给每个峰值分配唯一标记，作为分水岭的种子
markers = ndimage.label(local_max)[0]

# 5. 执行分水岭分割：用距离变换的负值，让分割从细胞中心向外扩散
labels = watershed(-distance, markers, mask=cleaned_image)

# 6. 逐个提取细胞并保存
cell_count = 0
for label in np.unique(labels):
    # 跳过背景的0标记
    if label == 0:
        continue
    # 生成当前细胞的掩码
    cell_mask = np.zeros(image.shape, dtype=np.uint8)
    cell_mask[labels == label] = 255
    # 找到细胞的最小包围框，裁剪掉多余背景
    coords = cv2.findNonZero(cell_mask)
    x, y, w, h = cv2.boundingRect(coords)
    cropped_cell = cell_mask[y:y+h, x:x+w]
    # 保存单个细胞图像
    cv2.imwrite(f"单个细胞_{cell_count}.png", cropped_cell)
    cell_count += 1

print(f"已完成分割，共保存{cell_count}个独立细胞图像")

三、针对常见问题的调整技巧

细胞粘连严重：在距离变换前对图像做开运算，比如cleaned_image = morphology.opening(cleaned_image, morphology.disk(2))，先轻度分离粘连细胞。
峰值检测漏检/多检：调整peak_local_max的参数——细胞大就调大min_distance，细胞小就调小；也可以加threshold_rel=0.2，只保留距离变换值大于最大值20%的峰值，过滤弱峰值。
分割后仍有小碎片：增大remove_small_objects的min_size值，过滤掉尺寸过小的噪点区域。