之前因為工作原因一直沒將程式碼貼上來，這次我比較詳細介紹下MATLAB的程式碼實現，有時間的話可能會出個視訊教程。

    首先說下介面設計，我這裡只是說下都用了什麼元件以及一些引數，具體的GUI怎麼設計的我這裡就不詳細介紹，又需要介紹的可以給我留言我可以抽出點時間來簡單介紹。

    這裡為了使引數可以靈活的調整，我在介面中將影象處理的每個關鍵的步驟都顯現出來，根據影象來靈活的調整引數，使結果更加精確。

                                                                                       圖1:介面設計圖

                                                                                     圖2:執行介面圖

    根據圖來看效果還是可以的，然後接下來就說下每一部分的程式設計。

    點選開啟圖片的時候需要開啟需要計算細胞的圖片，則可以使用下面的程式碼來開啟圖片，

function pushbutton1_Callback(hObject, eventdata, handles)
% hObject    handle to pushbutton1 (see GCBO)
% eventdata  reserved - to be defined in a future version of MATLAB
% handles    structure with handles and user data (see GUIDATA)
[filename,pathname]=uigetfile({'*.jpg';'*.bmp, *.jpg, *.tif';'*.bmp';'*.jpg';'*.tif';},'選擇影象');
if isequal(filename,0)||isequal(pathname,0)
  errordlg('您還沒有選取圖片！！','溫馨提示');%如果沒有輸入，則建立錯誤對話方塊 
  return;
else
    global im; %定義全域性變數將開啟的照片放在該變數中。
    image=[pathname,filename];%合成路徑+檔名
    im=imread(image);%讀取影象
    [x,y] = size(im); %讀取圖片的大小
    if x>y %根據照片的長寬不同來改變圖片的大小，這裡定義600*800是為了減輕程式執行時電腦的壓力,以及該大小取得的效果也不錯。
        im = imresize(im,[600 800]);
    else
        im = imresize(im,[800 600]);
    end
    set(handles.axes1,'HandleVisibility','ON');%開啟座標，方便操作
    axes(handles.axes1);%%使用影象，操作在座標1
    imshow(im);%在座標axes1顯示原影象 
    title('原始影象');
 

    本設計是使用的是灰度圖以及高斯模糊的圖來實現USM銳化的，因此需要將RGB三色圖轉換為灰度圖，而MATLAB中自帶的RGB轉GRAY的函式十分方便，下面是程式碼實現。

    global gray %定義灰度圖的全域性變數，方便後面的函式呼叫
    gray= rgb2gray(im); %將RGB三色圖轉換成gray
    gray = imadjust(gray); %該函式是用來增強影象
    set(handles.axes2,'HandleVisibility','ON');%開啟座標，方便操作
    axes(handles.axes2);%%使用影象，操作在座標1
    imshow(gray);%在座標axes1顯示原影象 
    title('灰度影象');
 

    根據上一篇博文matlab實現生物細胞數目統計方案原理中介紹的USM原理可以知道我們需要的到高斯模糊的影象，高斯模糊影象的原理在之前的博文基於opencv2利用卷積運算元實現高斯模糊也介紹了，但是這篇博文是用的MATLAB，因此我們直接用MATLAB自帶的函式即可。

    global Gauss 
    global filter
    Gauss = fspecial('gaussian',[10 10],20);%獲取高斯模糊運算元
    filter = imfilter(gray, Gauss); %獲得高斯模糊影象
    set(handles.axes3,'HandleVisibility','ON');%開啟座標，方便操作
    axes(handles.axes3);%%使用影象，操作在座標1
    imshow(filter);%在座標axes1顯示原影象 
    title('模糊影象');

    有了高斯模糊和灰度影象，就可以求出USM影象，原理也不再介紹，直接放程式碼。

    global USM 
    weight = 0.8; 
    USM = uint8((double(gray)-weight.*double(filter))./(1-weight)); %獲取USM銳化影象
    set(handles.axes4,'HandleVisibility','ON'); %開啟座標，方便操作
    axes(handles.axes4); %使用影象，操作在座標1
    imshow(USM);%在座標axes1顯示原影象 
    title('銳化影象');

   有了USM影象，對比度增強了許多，因此使用將影象二值化後的效果將會很好，下面是二值化函式：

function getbw(handles)
    global bw%將bw變數定義為全域性變數
    global USM
    level = get(handles.slider4,'value');%獲取滑桿4的值，該滑桿是控制閾值
    bw = im2bw(USM, level); %將USM銳化後圖像轉換為二值化影象
    imorph(3, get(handles.slider5,'value'), 
    get(handles.slider6,'value'));%該函式是自己編寫的用來腐蝕或膨脹影象
    set(handles.axes5,'HandleVisibility','ON');%開啟座標，方便操作
    axes(handles.axes5);%%使用影象，操作在座標1
    imshow(bw);%在座標axes1顯示原影象 
    title('二值化影象');

     下面是獲取細胞個數的函式，該函式的原理是計算連通區域個數來獲取細胞個數，由於經過以上的步驟，已將細胞核分離出來，因此只用計算連通域便可得到細胞個數，下面是程式碼：

function area(handles)
    global bw
    global USM
    bw_img = ~bw; %將原本的二值化取反。

    L = bwlabel(bw_img, 8);%
    S = regionprops(L, 'area', 'boundingbox');
    bw2 = ismember(L, find([S.Area] >= (get(handles.slider7,'value'))));
    img_reg = regionprops(bw2, 'area', 'boundingbox');
    
    areas = [img_reg.Area];
    rects = cat(1,  img_reg.BoundingBox);
    
    [x, y] = size(areas);
    set(handles.edit3, 'string', num2str(y));%這裡的Y便是細胞個數
    
    global im;
    temp = im;
    
    set(handles.axes6,'HandleVisibility','ON');%開啟座標，方便操作
    axes(handles.axes6);%%使用影象，操作在座標1
    imshow(temp);%在座標axes1顯示原影象 
    title('連通域影象');
% show all the largest connected region
    for i = 1:size(rects, 1)
        rectangle('position',rects(i, :), 'EdgeColor', 'r');
    end