Fully Automated Segmentation of coronary artery from the heart and detection using stenosis

资源描述这是一个用C++编写的人脸识别程序，其中也有少部分用到一些QT，能够基本实现预期功能，可能代码还不够完善，欢迎大家指出缺点，以后还有进步空间

在视频或者图像配准处理中，错误的匹配往往影响正确的结果，因此剔除无匹配可以提高处理精度。通过MSE剔除错误和不精确的匹配，得到满足要求的精确的正确匹配结果，利用匹配对可以进行后续处理。

视频监控中前端DVS的实现程序，支持SIP/RTP等协议。视频编解码算法为H.264，音频编解码算法为G.711，支持多路并发传输，支持264码流封装为RTP包。

vc++下的8位调色板位图和24位真彩位图的载入及保存

vc实现 高斯模糊算法处理，可完美实现图片高斯模糊效果。 VC realization of Gauss fuzzy algorithm processing, can achieve the perfect picture of Gauss fuzzy effect.

应用背景可应用于图像处理的图像分割部分，操作简单，只需在图像上标记你的分割区域，即同一区域画一条横线，该算法就会根据连通域和图像的边界线进行分割，分割成想要的几个区域，快速简捷，另外完全解读该图像，包括其位数，帧数等。分割后还可以进行区域标记，用于区分（如不同的颜色代表不同的区域）。关键技术 基于标记算法的分水岭分割算法，只需在图像上标记你的分割区域，，分割成期望的区域。 分割时可以把及其细致的差别也分离出来，对分割好的区域还能进行连通区域标记，可以对某一个部分进行单独处理，如红外仿真等。

基于opencv的人脸检测 QT实现 首先需要在windows环境下建立opencv开发环境 在qt里边配置好opencv环境 在linux平台只需要移植过去就可用

采用多层前馈神经的脱机手写体字母字符识别系统网络中的文件中描述。一种新的方法，称为对角基于特征提取介绍用于提取手写字母的功能。第五数据集，每个包含26字母表写由不同的人，用于训练神经网络和570不同的手写体字母字符被用于测试。所提出的识别系统表现相当好得到更高水平的识别精度比采用常规的系统特征提取的水平和垂直的方法。此系统将是合适的，用于将手写的文档转换为文本的结构形式和手写识别的名字手写识别一直是最迷人的和具有挑战性的研究领域之一图像处理和模式识别在最近几年领域[1][2]。它有助于巨大到自动化进程的推进，并能改善之间的接口人与机器的大量应用。一些研究工作一直注重新的技术和方法，将减少处理时间，同时提供更高的识别精度[3]。在一般情况下，手写识别被分为两种类型的离线和在线手写识别方法。在离线识别，写入通常捕获的光通过一个扫描仪和完成写入可作为一个图像。但是，在上线系统的连续点的两维坐标被表示为的函数时间和由作家所作笔顺也可提供。上线的方法有被证明优于其离线对应于识别手写字符由于可用同前所述时间信息[4][5]。然而，在离线的系统中，神经网络已被成功使用，以产生比较高的识别精度等级。几个应用程序，包括邮件分拣，银行处理，文档阅读和邮政地址识别需要脱机手写体识别系统。其结果是，在离线手写识别仍然是一个活跃的研究领域向探索较新的技术，这将提高识别精度[6] [7]。

2001年，Adaboost算法首次应用到了人脸检测应用上，并得到了很好的效果，在人脸检测方面取得了巨大的成就：1）首次采用Haar特征来对人脸图像的灰度分布情况进行描述，由于Harr特征的简单有效性，提高了检测速度；2）挑选出一些具有样本能力的Haar特征的组合来构成强分类器；3）采用由粗到精的思路来构造级联人脸检测器，先用强分类器把图片中大多数的背景和无关区域滤除，再增强分类器的复杂度，继续滤掉剩余的无关区域，最后剩下的就是人脸区域，该种方法达到了提高了人脸检测速度的目的。本资源位Adaboost人脸检测的具体实现。

获取图像任意点的灰度值。可以完成图像的读取，然后使用鼠标在图像上点击，可以获取图像该点的灰度值。程序代码简单易懂，运行速度快。