自动癌症检测

数字图像的基本代码，初学者可以看看，进一步完善也挺方便                                                   

目前，使用VS+opencv 2.4.9中 进行行人跟踪时，现有的程序只是结合Camshift 程序而已，其缺点就是目标遇到遮挡的时候，容易丢失。为了解决这个问题，本人引入kalman知识，对行人运动进行实时预测，当目标遇到遮挡的时候，可以进行预测，这时候能提高鲁棒性。本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的，可以直接拿来应用，非常方便。有兴趣的朋友，可以在本算法的基础上进一步进行优化，相信由此代码基础，下一步的工作会轻松很多。本代码，也有助于新入门的程序员进行深入学习，或者直接拿来进行实验开发等等。

简单的Android开发实例，作为初学者可以仔细研究下。相信你可以从中初步了解到Android开发的一些注意事项，及基本的Android开发的基本情况，希望对初学者有一定的帮助。有兴趣可以下载mars老师的视频教程进行学习。

在视频图像处理中，由于分块处理会带来块效应，降低视觉效果，本程序可以去除块效应和光圈效应，提高视频图像的视觉效果。

可以读取.mha、.mhd、.raw等格式的三维图像数据，并且通过vtk交互显示，如volview的显示xyz三轴的图像切面，并且具有volview中斜探头的功能，显示三维图像中任意切面的图像

蚂蚁 clony 聚类算法在图像分割、 Lumer 和 feita 都有实现这种算法对数据聚类

基于opencv对图像实行双线性插值缩放以及最临近插值缩放#include "highgui.h" #include "cv.h" IplImage *src=NULL; IplImage *dst1,*dst2; void main() { double scale1=0.1; double scale2=10; CvSize dst1_size; CvSize dst2_size; src=cvLoadImage("E:学习VC文件c++ pricticepro1pro1.jpg"); //缩小系数 dst1_size.width=(int)(src->width*scale1); dst1_size.height=(int)(src->height*scale1); dst1=cvCreateImage(dst1_size,src->depth,src->nChannels); cvResize(src,dst1,CV_INTER_NN);//像素插值(最邻近插值)缩小 //放大系数 dst2_size.width=(int)(dst1->width*scale2); dst2_size.height=(int)(dst1->height*scale2); dst2=cvCreateImage(dst2_size,src->depth,src->nChannels); cvResize(dst1,dst2,CV_INTER_NN);//像素插值(最邻近插值)放大 cvNamedWindow("原图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后图",CV_WINDOW_AUTOSIZE); cvNamedWindow("缩小10倍后再放大10倍还原图",CV_WINDOW_AUTOSIZE); cvShowImage("原图",src); cvShowImage("缩小

    William T. Freeman大神经典的马尔科夫随机场超分辨影像重建全部代码，数据集，论文和大神页面。非常适合超分辨率初学者和相关研究的人员。很多代码下载了之后无法运行或者缺少文件，但是这个可直接运行，无需太多的调试。This is an implementation of the example-based super-resolution algorithm of [1]. Although the applications of MSFs have now extended beyond example-based super resolution and texture synthesis, it is still of great value to revisit this problem, especially to share the source code and examplar images with the research community. We hope that this software package can help to understand Markov random fields for low-level vision, and to create benchmark for super-resolution algorithms.When you refer to this code in your paper, please cite the following book chapter:W. T Freeman and C. Liu. Markov Random Fields for Super-resolution and Texture Synthesis. In A. Blake, P. Kohli, and C. Rother, eds., Advances in Markov Random Fields for Vision and Image Processing, Chapter 10. MIT Press, 2011. To appear.

我试着解决 http://imageprocessingplace.com/ 的第 5 章第四 quastions 参数化的维纳滤波（a） 实现在模糊式过滤器 (5.6-11)。（b） 模糊图像 5.26(a) 在 + 45-度方向使用 T = 1，如图 5.26(b) 所示。（c） 添加高斯噪声的 0 均值和方差的 10 个像素的模糊图像。（d） 还原图像使用式 (5.8-3) 给出的维纳滤波器参数。

以MFC作为平台，vtk读取dicom文件，显示横断面，矢状面，冠状面，实现交互MPR。编译成功，实现基本功能的阅读。可能有些小问题。但是问题不大。显示成像基本功能实现