科 / 研 / 图 / 像 / 处 / 理
目标追踪 (Object tracking) 是一类常见的图像处理问题，例如 细胞追踪以及动物行为的追踪 等等。
之前的文章介绍了怎样利用 ImageJ 进行手动的细胞追踪：
但这些插件都是根据某一类数据进行编写的，缺乏灵活性和通用性。
而在遇到实际的追踪问题时，根据具体情景不同，追踪算法实现的复杂度和难度也不同。
不同成像条件、不同运动状况的细胞，需要不同的追踪算法
细胞追踪可以分为以下几个步骤：
1.分割（Segmentation）
2.关联（Linking）
3.过滤（Filtering）
推荐教程：https://www.youtube.com/watch?v=IIt1LHIHYc4
这篇文章会介绍最基本的一类细胞追踪问题，演示怎样利用 MATLAB (R2019a)，对 2D 细胞进行追踪：
数据处理前分析：这是一类比较简单的细胞运动图像，优点在于：
1.细胞和背景之间对比度高，易于分割;
2.细胞之间没有粘连。
难点在于细胞会出现和消失，所以在追踪时需要区分新细胞的出现，以及细胞的消失。
一、细胞追踪
实例代码，公众号后台回复 “细胞追踪” 可获取 MATLAB 代码。
1.细胞分割
clear;close all;grayThd = 4;sizeThd = 500;ImStack = imstackread('trackingDemo.tif');ImStackBW = imgaussfilt(ImStack,3) > grayThd; % binarization% image filteringfor ii = 1:size(ImStackBW,3)ImStackBW(:,:,ii) = imfill(ImStackBW(:,:,ii),'holes'); % fill holesImStackBW(:,:,ii) = bwareaopen(ImStackBW(:,:,ii),sizeThd); % remove small particlesImStackBW(:,:,ii) = imclearborder(ImStackBW(:,:,ii)); % remove cells on borderend% get center coordinates of cellscellPos = cell(1,size(ImStackBW,3)); % initialize cell arrayfor ii = 1:size(ImStackBW,3)tmpPos = regionprops(ImStackBW(:,:,ii),'Centroid'); % get centroidcellPos{ii} = cat(1,tmpPos.Centroid); % concatenate all cells of single frameendsave('cellPos-AllFrames.mat','cellPos');
细胞追踪的 第一步是分割出细胞，并找出细胞的中心坐标，分割效果：
关键代码分析：
ImStack = imstackread('trackingDemo.tif');ImStackBW = imgaussfilt(ImStack,3) > grayThd; % binarization
这里用到了之前提到的自定义函数：
这里使用的数据比较容易分割，所以 利用高斯模糊 imgaussfilt 去噪之后，可以用一个固定阈值进行分割。
cellPos = cell(1,size(ImStackBW,3)); % initialize cell arrayfor ii = 1:size(ImStackBW,3)tmpPos = regionprops(ImStackBW(:,:,ii),'Centroid'); % get centroidcellPos{ii} = cat(1,tmpPos.Centroid); % concatenate all cells of single frameend
预先给 CellPos 变量分配一个空 array，可以提高运算速度。
这里利用 cell array，因为不同 frame 可能找到的细胞坐标不同。
2.细胞关联
clear; close all;load('cellPos-AllFrames.mat');distThd = 30; % unit:pixelminTraceLength = 5; % cell has to exist at least 5 framesii = 1;traceNum = 1;cellTrace = [];while ii < length(cellPos) % traverse all framestmpTrace = [];tmpFrame = cellPos{ii}; % cells of current frameif isempty(tmpFrame) % if all cells in this frame were linked, go to next framedisp(['frame-',num2str(ii),' finished.']);ii = ii + 1;continue;end% set the first center point as seedtmpSeed = [tmpFrame(1,:),ii]; % save as [x y t]tmpTrace(1,:) = tmpSeed; % set current seed as trace startcellPos{ii}(1,:) = []; % once seed is linked, remove it% search every frame after that seedfor jj = ii+1:length(cellPos)nextFrame = cellPos{jj};[] = min(pdist2(tmpSeed(1:2),nextFrame)); % search the closest cellif minDist < distThd % the next cell is close enough, the seed can be linkedtmpSeed = [nextFrame(cellIdx,:),jj]; % set this cell as new seedtmpTrace = cat(1,tmpTrace,tmpSeed); % add this cell to the tracecellPos{jj}(cellIdx,:) = []; % remove the linked seedelse % if the trace is finished, stop searchingbreak;endendif size(tmpTrace,1) >= minTraceLength % trace filteringcellTrace{traceNum} = tmpTrace;traceNum = traceNum + 1;endendsave('cellTrace.mat','cellTrace');
这里细胞关联用到的是最简单的 欧氏距离，通过寻找下一帧离细胞最近的那个细胞，进行 Linking。
从一帧开始，每一个细胞作为一个种子（seed），往后面的帧进行搜寻。
如果搜寻不到符合条件的下一个细胞，则该细胞的轨迹（trace）结束。
示意图
if size(tmpTrace,1) >= minTraceLength % trace filteringcellTrace{traceNum} = tmpTrace;traceNum = traceNum + 1;end
这里也包含了轨迹过滤（trace filtering），如果这个 trace 出现时间过短（少于 5 帧），那么这一条 trace 很可能并不正确。
Trace filtering 有很多特征可以进行考虑，例如细胞的速度、运动方向等等。
往期回顾
