介绍 颜色反卷积算法的设计针对RGB摄像机获取的颜色信息，基于免疫组化技术使用的染色剂RGB分量光的特异性吸收，分别计算每种染色剂对图像的作用效果。免疫组织化学图像处理通常用的染色包括DAB、H&E。 颜色反卷积可应用于H-DAB图像和组织病理学中常用的染色剂（H-E,H AEC,FAST Red，DAB），广泛应用于免疫组化染色图像颜色分离。 环境 #### Language de programmation : Python 2.7 #### Libs : numpy, matplotlib, sikit-learn, PySide, OpenCV2 运行步骤 1.运行ColorDeconvolution.py或者hsd.py，可以生成反卷积后的图像（一共有6个图），依据情况选择结果。 2.得到的HSI_Teinte_t1.png图像，灰度值比较低，在PS里面先用：图像-调整-曲线-自动，增加灰度值，再图像-调整-反相 ———————————————— 版权声明：本文为CSDN博主「可基大萌萌哒的马鹿」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及

PLabel 半自动标注系统是基于BS架构，纯Web页面操作，由鹏城实验室叶齐祥、曾炜、田永鸿教授团队自主研发，由工程师邹安平维护，集成视频抽帧，目标检测、视频跟踪、ReID分类、人脸检测等算法，实现了对图像，视频的自动标注，并可以对自动算法的结果进行人工标注，最终得到标注结果，同时也可以对视频、图片、医疗（包括dicom文件及病理图像）相关的数据进行人工标注，标注结果支持COCO及VOC格式。支持多人协同标注。 半自动标注系统主要功能有：用户管理，数据集管理，自动标注，人工标注，ReID标注，车流统计，视频标注，医疗CT标注，超大图像标注，模型管理与重训，报表管理。数据标注过程一个非常重要的因素是数据安全，在标注使用中防止数据泄露，采用基于web标注工具是有效避免数据泄露的措施之一。 半自动标注系统以保证性能的情况下最小化人工标注代价为目标，不断提升自动标注效率，减少人工标注和人工参与过

紫外线matlab代码数字病理学 MatDigitalPathology 包含支持数字病理图像分析的 Matlab 函数和接口。 它目前提供以下功能： 颜色归一化彩色图像标准化以提高分割和特征提取算法的一致性，包括 Reinhard 归一化。 颜色解卷积将彩色图像解卷积为代表成分染色的强度图像。 OpenSlide 界面库的 mex 接口，用于读取全幻灯片成像格式。 构建 OpenSlide 界面 可以使用 mex 构建 OpenSlide 接口并链接 OpenSlide 库 mex -L/opt/lib/ -lopenslide -I/opt/include/openslide/ openslide_can_open.C 使用 OpenSlide 界面 某些版本的 Matlab 可能会加载不同于 OpenSlide 函数所需的 LibTIFF 版本。 在 Mac 上，这可以通过使用代码注入调用 Matlab 可执行文件来克服： DYLD_INSERT_LIBRARIES=/opt/local/lib/libtiff.5.dylib path_to_matlab_executable

项目中经常需要对图像中的细胞核，核心及细胞质轮廓进行分割，然后从中分离出单个细胞的上述信息进行特征提取及描述及细胞分类。然而要拿到分离得到的单个细胞图像有一定的困难和挑战，尤其是从重叠细胞群中分离出单个细胞。因此，将项目中的核心代码中，设计细胞分割部分分享出来，供大家讨论，也希望有高手可以用c++进行重构，欢迎交流qhs2011@163.com,qq:2259508339。说明：imgdir:输入图像，result:结果图像，结果图像说明：红色圆点为细胞核中心点，绿色圈为细胞核轮廓，红色圈为细胞质轮廓。

camelyon16竞赛源代码camelyon16竞赛源代码camelyon16竞赛源代码camelyon16竞赛源代码

乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法，存在需要专业领域 知 识 、耗 时 费 力 、提 取 高 质 量 特 征 困 难 等 问 题 。 为 此 ，采 用 一 种 改 进 的 深 度 卷 积 神 经 网 络 模 型 ，实 现 了 乳 腺 癌 病 理 图 像的自动分类;同时，利用数据增强和迁移学习方法，有效避免了深度学习模型受样本量限制时易出现的过拟合问 题。实验结果表明，该方法的识别率可达到 91%，且具有较好的鲁棒性和泛化性