C++写的读取dicom文件的程序

应用背景这是加载一个BMP文件转换成一个矩阵的应用。我们做二值化与阈值并保存成BMP文件。这个应用程序使用在细化过程。这个应用程序的想法很简单，只是比较和阈值，将给予0或255的价值。关键技术该算法的思想是很简单的，只是比较的每一个值在一个阈值，结果将0或255的矩阵。二是白色或黑色，所以这种方法是用来使画面变成白色，黑色。

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。

使用Tesseract for Metadata Extraction为扫描的文档图像提取以下内容

阈值：；

这是一个涉及卡尔曼滤波用于跟踪在给定的视频帧上的 morving 对象的应用程序.，......

cs算法：FBMPR。

应用背景图像的特征提取和特征匹配，用sift算法，SIFT特征检测算法 ，检测的特征点具有平移、旋转、尺度变化不变性，实验效果较好。-The SIFT feature detect algorithm.The feature is scale- and rotation-invariant.The algorithm performs well in experiments.关键技术sift提取特征，然后进行匹配。基于SIFT的图像配准程序 SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力-Hot and difficult of the current research areas of domestic and foreign feature point matching based the SIFT image registration program SIFT feature matching algorithm is its ability to match between the two images, can handle translation, rotation, affine transformation case match problem, even in some degree images taken at any angle with more stable feature matching ability

ＭＦＣ多文档＋ＯＰＥＮＣＶ１实现各种基础的图像处理算法，提供一个统一框架，可以再增加功能

此代码演示了如何使用基于特征的图像配准技术自动创建一个全景。特征检测和匹配是在许多计算机视觉应用，例如图像配准，跟踪，及物体检测用强大的技术。在这个例子中，基于特征的技术被用于自动缝合在一起的一组图像。为图像拼接的方法是基于特征的图像配准的扩展。代替登记一对图像中的，多个图像对被依次登记相对于彼此以形成全景图。

在雾覆等天气条件下, 大气粒子的散射作用导致成像传感器采集的图像严重降质"图像去雾技术的任务 是去除天气因素对图像质量的影响,从而增强图像的视见度"本文归纳和总结了图像去雾技术的国内外研究现 状"将现有的方法分为基于物理模型和非物理模型两类, 分别详细阐述了这两类方法, 分析它们各自的优势和不 足,并总结了算法性能评价的无参考客观质量评测准则"最后, 指出该技术的研究难点和发展趋势"