Soy biólogo con muy poca experiencia en procesamiento de imágenes, pero tengo suficiente conocimiento de MATLAB y tengo la caja de herramientas de procesamiento de imágenes. Idealmente, estoy buscando una solución basada en MATLAB, pero un enfoque que describa cómo hacerlo también sería útil.
Actualización (28 de noviembre de 2011)
Parece que hay ciertos problemas (como superposiciones en la señal y la definición del color) al usar imágenes compuestas (que es lo que presenté en la pregunta inicial). Adjunto imágenes separadas de los 2 canales: verde 
y rojo 
(se pueden ignorar las regiones turquesas en la imagen compuesta) y la imagen coposita 
. El canal rojo es malo por 2 razones: 1. Tiene poco contraste debido a un fondo más alto, 2. Dado que el rojo parece sangrar en el verde en el nivel de fondo.
Una característica se define como una región en la imagen compuesta que tiene Verde-Rojo-turquesa-Rojo-Verde o, de manera equivalente, los 2 segmentos lineales adyacentes en el verde y el rojo que son colineales y contagiosos.
Espero que mirar las imágenes de los dos canales separados facilite la identificación de las características.
Tengo las siguientes sugerencias para el algoritmo:
Primero identifique los segmentos verdes co-lineales (y determine las longitudes de los segmentos verdes)
Determine si hay segmentos adyacentes contagiosos y colineales enfrentados entre sí (es decir, verde-> rojo-> <-rojo <-verde) en el canal rojo. En caso afirmativo, defina la longitud del segmento rojo desde el punto donde terminan los segmentos verdes (porque se superpondrán con los segmentos verdes) hasta el punto en el segmento rojo más cercano al otro segmento rojo de la entidad. (es decir, uno de los extremos del segmento rojo se establece al final del segmento verde superpuesto).
¡Muchas gracias!
Antecedentes :
Mi pregunta se refiere a la función de extracción de una imagen:
La imagen original (tif) se encuentra aquí:
Ejemplo de imagen 1 (dropbox)
Esta imagen es un compuesto de 3 canales (en formato tif): rojo, verde y turquesa. Las fibras de color turquesa simplemente marcan todo el ADN que tenemos en el cubreobjetos. La característica de interés es la característica Verde-Rojo - turquesa - Rojo-Verde en la cadena de ADN que está en el medio de la imagen.
El rojo es generalmente el más ruidoso. Este ejemplo es bueno porque el contraste es bueno. Sin embargo, a veces las imágenes no son tan agradables y hay un tono en toda la imagen, por lo que codificar un valor RGB específico para el color verde y rojo podría no funcionar para todas las imágenes. Además, tenga en cuenta que las fibras no son necesariamente horizontales, sino que pueden rotarse (pero nunca verticalmente).
Por favor, vea esta imagen para ver un ejemplo:
La imagen original (tif) se encuentra aquí:
Ejemplo de imagen 2 (dropbox)
Además, a veces una sola imagen tiene muchas de esas características y, a veces, hay múltiples características en la misma cadena de ADN. Finalmente, a veces puede haber solo características parciales (es decir, verde aislado o rojo aislado o segmentos verdes-rojos aislados, pero no apareados).
Pregunta:
Estaría agradecido si alguien puede ayudarme a obtener las longitudes de los segmentos individuales de verde y rojo, es decir, dado que la característica de interés es Verde-Rojo - turquesa - Rojo-Verde, cada característica tendría una matriz de 5 valores (longitud del primer segmento verde, longitud del primer segmento rojo, longitud del segmento turquesa, longitud del segundo segmento rojo y la longitud del segundo segmento verde).
