C++写的读取dicom文件的程序

TWAIN Application This is a TWAIN version 2.1 of the specification compliant application.   It offers text based interface.  It shows how to implement many of the  operations needed by an application. You will need to have the FreeImage installed on your system for this  application to work properly.

根据camshift的不足，利用kalman的优点，进行预测，之后凋用camshift，对目标进行跟踪，从而使得camshift的跟踪效果很好

去噪声 任何边缘检测算法都不可能在未经处理的原始数据上很好地处理，所以第一步是对原始数据与高斯平滑模板作卷积，得到的图像与原始图像相比有些轻微的模糊（blurred）。这样，单独的一个像素噪声在经过高斯平滑的图像上变得几乎没有影响。 寻找图像中的亮度梯度 图像中的边缘可能会指向不同的方向，所以 Canny 算法使用 4 个 mask 检测水平、垂直以及对角线方向的边缘。原始图像与每个 mask 所作的卷积都存储起来。对于每个点我们都标识在这个点上的最大值以及生成的边缘的方向。这样我们就从原始图像生成了图像中每个点亮

在用稀疏表示做图像去噪、去模糊、恢复、修复时通常需要用到表示系数的求解，而OMP是最常用的经典解法之一。

应用背景最近在研究电子稳像的东西，尝试着通过opencv编写了一段电子稳像的程序，效果不错，但是实时性不好。大家可以用来参考，开拓思路。关键技术平台为vs2010，使用opencv库编写，里边涉及到了LK光流法，Corner角点检测，最小二乘法等，输入视频，可以输出稳定后的视频，稳像效果不错，但是实时性很差，大家可以用来参考，开拓思路。

资源描述对鱼眼拍摄的镜头进行俯视变换功能，同时对鱼眼进行校正。运用C++鱼眼进行编程，读取图片并且进行校正和图形变换，然后进行保存。

该代码实现了阴影去除，首先进行运动分割，感兴趣区域提取，最后实现阴影消除。阴影在许多实际情况中都存在，它的存在对我们进行一些判断和预测造成了麻烦和影响使判断不够准确，或者无法进行判断。所以进行阴影消除是非常有必要的。

我们的项目结合了很多方法可提取车牌、 段字符和识别字符。进一步改进应侧重不仅精度的识别、 车牌提取、 字符分割和标准化的准确性。 MatLab 程序编码，所有的车牌识别阶段建立经历。它理解是有帮助的车牌识别一步一步的程序。图像采集、 板提取、 字符分割与字符识别它们。我们成功地演示了车辆数板分割与识别系统。 应用于图像的直方图均衡。它可以扩大，以包括更大的范围，产生一个更高的对比度图像的像素强度。 我们使用这辆车的后面黄色车牌作为输入图像。我们采取两套照片的分辨率 l 1024 * 768 像素 l 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

Fig2.jpg是有渐晕现象的拍摄图片  func_k.m 是渐晕模型中的参数设置 vignetting.m是主函数 主函数如下： Pi = 3.1416; d = 400; w = 0.0236 * Pi; figure(1); fid = imread("e:matlab71fig2.jpg");    %打开有格式文件 subplot(1,2,1); imshow(fid);

应用背景帧差法是背景减图法中的一种，只不过是帧差法不需要建模，因为它的背景模型就是上一帧的图，所以速度非常快，另外帧差法对缓慢变换的光照不是很敏感，所以其用途还是有的，有不少学者对其做出了出色的改进。关键技术 可以看出其“双影”和”空洞”比较明显。双影是由于帧差法有2个影子，在该试验中就是轮廓变得很粗，”空洞”是由于物体内部颜色相近，检测不出来。当然帧差法还有个致命的缺点那就是阈值T需要人工设定。 　　对于帧差法的”双影”现象，有人提出来了三帧差法。其原理如下所示： 　　1. 由i(t)-i(t-1)得到前景图     F1 　　2. 由i(t+1)-i(t)得到前景图    F2 　　3.  F1 ∩ F2得到前景图     F3 　　4.  形态学处理 也就是利用2次相邻帧的差，然后去与操作，就得到了真正的那个影子了。这个在一定程度上可以解决”