www.pudn.com > cancer.rar > cancer.m

blood = imread('blood1.BMP'); 
[x,y]=size(blood);                % 求出图象大小 
b=double(blood);                   
N =sqrt(100) * randn(x,y);        %  生成方差为10的白噪声 
I=b+N;                            %  噪声干扰图象 
 
for i=1:x                         % 实际图象的灰度为0～255 
    for j=1:y 
        if (I(i,j)>255) 
            I(i,j)=255; 
        end 
        if (I(i,j)<0) 
            I(i,j)=0; 
        end 
    end 
end     
 
 
z0=max(max(I));                   % 求出图象中最大的灰度 
z1=min(min(I));                   % 最小的灰度  
 
T=(z0+z1)/2;                       
TT=0; 
S0=0; n0=0; 
S1=0; n1=0; 
allow=0.5;                       % 新旧阈值的允许接近程度 
d=abs(T-TT); 
count=0;                         % 记录几次循环 
 
while(d>=allow)                 % 迭代最佳阈值分割算法 
    count=count+1; 
    for i=1:x 
        for j=1:y 
            if (I(i,j)>=T) 
                S0=S0+I(i,j); 
                n0=n0+1; 
            end 
            if (I(i,j)=T) 
            Seg(i,j)=1;               % 阈值分割的图象 
        end 
    end 
end 
 
SI=1-Seg;                            % 阈值分割后的图象求反，便于用腐蚀算法求边缘 
se1=strel('square',3);               % 定义腐蚀算法的结构 
SI1=imerode(SI,se1);                 % 腐蚀算法 
BW=SI-SI1;                           % 边缘检测 
%=====传统的边缘检测方法======% 
I=uint8(I); 
BW1=edge(I,'sobel', 0.11); 
BW2=edge(I,'log', 0.015); 
%===========图象显示==========% 
figure(1); 
imshow(I);title('Original')                         % 显示阈值分割的图象 
figure(2); 
imshow(BW2);title('Soble')                         % 显示新算法的边缘图象 
figure(3) 
imshow(BW1);title('Gauss-Laplace')  
figure(4) 
imshow(BW);title('New algorithm')