运行长度图像压缩项目

抽象 — — 本文提出了一种新型的计算机辅助诊断恶性黑色素瘤的系统。新颖之处在于优化选择和集成功能源于纹理，borderbased和黑素瘤病变的几何性质。的从使用小波分解，推导出纹理特征从构建 boundaryseries 推导出边界特征病变边界和分析空间模型给出了相应的频率域和几何特征从形状的索引。功能的优化选择通过使用增益率的方法，显示给将计算有效的黑素瘤诊断中的应用。分类是通过使用四个分类器 ；即，支持向量机，随机森林，逻辑斯谛模型树和隐藏的朴素贝叶斯。该诊断系统应用于一组 289 皮肤镜图像 （114 恶性，175良性） 分割成火车、 验证和测试图像集。该系统达到 91.26%和 AUC 值和准确性of 0.937，当使用 23 功能。其他重要的调查结果包括 (i) 明确优势获得补充纹理与边界和几何特征相比，使用纹理纹理特征的信息及 (ii) 作出更大贡献比基于边界特征优化的功能集。

本程序代码是在VS2010下opencv的GPU编程，通过简单的示例可以了解到如何使用opencv进行GPU编程，此项目是在配置环境为opencv2.4.9+vs2010。如果你的配置环境有误就有可能运行不了，opencv_gpu.cpp内容可以在其他系统的相关条件下同样可以运行。

图像的超分辨率处理。将一张正方形图像先降采样变成原来的1/16，然后经过迭代反投影算法再变回原来的大小。将小图和大图比较可以发现清楚了很多。注意一定要放入正方形的图。迭代反投影算法是将模拟低分辨率图像和观测低分辨率图像的误差叠加到当前估计高分辨率图像，生成新的高分辨率估计图像，进行欠采样得到当前低分辨率模拟图像，不断循环迭代这个过程，直到误差精确达到要求范围或直到迭代次数完成（避免出现死循环）。

双线型（bilinear）插值算法针对RGB三基色不同通道单独进行插值运算，它作为插值算法的最基本算法，是以后改进插值算法的提出以及性能分析的一个参考，其算法原理为对于某个像素的某一个色彩通道而言，其采用周边同通道的平均值

dsfasfdsfadsfdfdsfdfsfasdfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsfgtrsghetgadfdfsfgadbhdsgdsfaewgetwgterfdsfbdfhfggfndfshgasgdfsfgafsgfadsfadsfadsfadsfadsfadsfadsfadsfadsfadsf

运用opencv中的一些常用的基本函数，实现用户可以通过鼠标来画方形，函数my_mouse_callback()用来响应鼠标事件，并且根据event来确定给出的响应的功能。

graph-cut图像分割方法，其中含有相关文献以及源代码。该算法利用最大流最小割的方法寻找最优路径，最优路径是指边的权值的和是最小的，即要找到最短路径。

用C++实现图像的平滑处理，MFC工程，可以直接使用，内附实例图片，可以直接看到效果，可以学习一下

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

资源描述Detecting visually salient regions in images is one of the fundamental problems in computer vision. We propose anovel method to decompose an image into large scale perceptually homogeneous elements for efficient salient region detection, using a soft image abstraction representation. By considering both appearance similarity and spatial distribution of image pixels, the proposed representation abstracts out unnecessary image details, allowing the assignment of comparable saliency values across similar regions,and producing perceptually accurate salient region detection. We evaluate our salient region detection approach on the largest publicly available dataset with pixel accurate annotations. The experimental results show that the proposed method outperforms 18 alternate methods, reducing the mean absolute error by 25.2% compared to the previous best result, while being computationally more efficient.