简单截图源码VC

应用背景灰度形态学是数学形态学处理扩展到灰度图像的基本操作与二值形态学不同的是,灰度形态学处理的是灰度数字图像而不是集合。关键技术Top一Hat运算是原始图像信号与其开运算后的信号之差,所以经Top一Hat变换处理后的图像,能抑制平缓变化的背景和不相关结构信息,提取出形状类似于结构元素的孤立目标和噪声,即可以检测出图像信号中的灰度峰值,因此Top一Hat算子具有高通滤波的特性。

把24位的图片转换为8位的灰度图,C++程序，把真彩图转换为256

应用背景这个程序是测试各种图像处理的滤波器。您可以打开各种图像格式，处理这个图像，通过使用各种过滤器；关键技术图像处理，各种边缘滤波器，BMP图像打开，图像文件保存， ； ；

打开图片，支持bmp格式，需要黑色背景的图片，大小小于384*288比较好，设置好要检测的圆的个数，圆的半径等参数，点击按钮，可以得到圆心与圆的轮廓图片。

本文作者开创了多目标协同分割算法在现有的数据集中分割效果良好，用途很广泛。文的优点在于：由于标号增长的准确性在图形转换半监督学习框架中主要依赖于图形节点的相似性有多可靠，在Gunhee Kim ，Eric P. Xing[9]等人提出的多前景协同分割中节点代表着图像区域，它们的相似性既不是很容易区别又不是特别的稳定，尤其是不同图片中相同物体很大的外观差别，分割成属于不同物体的相似性有可能大于分割成相同的物体。这样本文提出结合全局连通约束图形转换半监督学习框架。每个约束项能够看成是一个线性不等式，基于此，我们开创了切平面算法，它能够解决线性不等式约束项和标号增长的凸一元二次方程之间的迭代，寻找最大违反约束项。

DIB的封装类，可以处理BMP位图，平移，放大等等

Retinex可在光线条件不好时改善图像的视觉渲染。当光线较暗时，我们的眼睛可以正确地看到颜色，但照相机和摄像机不能很好地处理这个问题。MSRCR（MultiScale Retinex with Color Restoration）算法是Retinex滤波器的基础，其灵感来自于眼睛的生物学机制，以适应这些条件。Retinex代表视网膜+皮质。

应用背景粒子群算法工具箱 该工具箱将PSO算法的核心部分封装起来，提供给用户的为算法的可调参数，用户只需要定义好自己需要优化的函数(计算最小值或者最大值)，并设置好函数自变量的取值范围、每步迭代允许的最大变化量(称为最大速度，Max_V)等，即可自行优化。关键技术与遗传算法相比，PSO仅需要调整少数几个参数即可实现函数的优化。该算法对待优化函数没有任何特别的要求(如可微分、时间连续等)，因而其通用性极强，对多变量、高度非线性、不连续及不可微的情况更加具有其优势。 该工具箱的使用主要分为几个步骤： 1) 在Matlab中设置工具箱的路径； 2) 定义待优化函数； 3) 调用PSO算法的核心函数：pso_Trelea_vectorized()。 其中第三步最关键，用户需要根据自己的需要设置好参数，可使算法极快收敛。

对avi视频，奖每一帧抽取出来变成担负图像，存储的图像时bmp格式，软件已经是过多次，非常好用，请下载使用