基于Python和OpenCV库的微核细胞图像增强算法

import cv2
import numpy as np

def enhance_microcyte(img):
    # 转换为灰度图像
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 直方图均衡化
    equalized = cv2.equalizeHist(gray)
    
    # 中值滤波
    median = cv2.medianBlur(equalized, 5)
    
    # Sobel边缘检测
    sobelx = cv2.Sobel(median, cv2.CV_64F, 1, 0, ksize=3)
    sobely = cv2.Sobel(median, cv2.CV_64F, 0, 1, ksize=3)
    magnitude = np.sqrt(sobelx ** 2 + sobely ** 2)
    magnitude = np.uint8(magnitude)
    
    # 二值化
    _, binary = cv2.threshold(magnitude, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)
    
    # 膨胀操作
    kernel = np.ones((3, 3), np.uint8)
    dilated = cv2.dilate(binary, kernel, iterations=1)
    
    # 返回增强后的图像
    return dilated

该算法首先将图像转换为灰度图像，然后进行直方图均衡化以增加图像的对比度。接下来进行中值滤波以平滑图像并去除噪声。然后进行Sobel边缘检测以突出细胞的边缘信息。将Sobel梯度图像二值化以分离细胞和背景。最后使用膨胀操作将细胞的轮廓扩展到更接近原始大小。最终返回增强后的图像。