一种 DCT 域的多聚焦图像融合

本程序是在 MFC 中使用 OpenCV 的演示程序，由3部分组成。 一、Windows 下用 MFC 编制的程序框架 采用设备无关位图DIB实现Windows多文档模式下图像的显示，实现显示的关键函数StretchDIBits的原型如下：

计算机X线摄影(CR)作为当前医学影像技术的主流，有非常多的优点，比如价格相对较低，数字化图像便于后期处理，特殊部位摄像的不可替代性，等。但是在实际应用过程中，CR图像的质量也受到各种因素的影响。比如失真、模糊、噪声以及各种各样的伪影等等。滤线栅伪影便是其中之一，本文主要讨论如何用数字方法去除滤线栅伪影对CR图像的影响。在X线摄影中，会产生一些方向不同的低能量的散射线，这些散射线使图像产生灰雾，影响图片的清晰、度。为了吸收这些散射线，通常使用铅条排歹lJ而成的滤线栅，但是有时滤线栅的影子会投在成像板上，形成条纹状的滤线栅伪影。通过实验，可以看到均值和中值滤波处理对于本课题意义不大，非但没有去除伪影，还造成了图像模糊，效果甚至比不上原图。空间域滤波还有最大值最小值滤波、中点滤波等等，但是对于本课题来说效果都不好。所以基本不考虑空间域滤波这个方向。

 对于人脸识别，目前所采取的大多为对图像进行分析、解剖，把感性的人脸图像抽象化、模式化。以期最终建立关于人脸的数学模型，从而通过模型，让人脸识别变得十分简单。然而人脸之复杂，随环境、年龄、等的变化更是无法预测。我们的最终目的是制造出和我们一样有人脸识别能力的机器，它们的人脸识别能力不应该超出我们的范围。   人脸本身是一个随机的变量，不同的角度、不同的光线、不同的打扮，都会产生不一样的结果。因而我们认为人脸本身更像一个不确定的概率。所以通过模型的建立来进行识别不是不可以，但会十分复杂，而且所达到的目的并不一定是我们想要的。即使是通过机器学习进行的人脸识别，其自身本质也是通过系数加权等最终得到的结果，所以本质也是单一数学模型的建立、数据的各种复杂处理。   人的大脑是最好的识别工具，因此我们应该从人大脑的识别机制入手，模拟大脑的识别

目前解决去噪问题，最优的一种方法之一，BM3D，三维块匹配(BM3D)算法：它首先把图像分成一定大小的块，根据图像块之间的相似性，把具有相似结构的二维图像块组合在一起形成三维数组，然后用联合滤波的方法对这些三维数组进行处理，最后，通过逆变换，把处理后的结果返回到原图像中，从而得到去噪后的图像。该方法确实有效，它不仅有一个较高的信噪比，而且视觉效果也很好。

应用背景在图片中查找出已知目标，例如警方破案时将视频生成一系列图片后，在这些图片中中查找嫌疑人面孔，准确定位到哪一幅图片，不必使用人力一张一张的筛选，大大减轻了工作负担，提高工作效率，该算法识别率很高关键技术 使用surf检测子检测关键点 从特征向量中提取描述子 使用FLANN在描述子向量中匹配 将好的匹配保留下来，并画出来

CMT源码，实时摄像头可运行，提取特征点，通过特征点之间拓扑结构变化，判断目标物体的动作变化，使用Python语言进行编程。

Mean Shift，我们 翻译为“均值飘Mean Shift 这个概念最早是由Fukunaga等人于1975年在一篇关于概率密度梯度函数的估计（The Estimation of the Gradient of a Density Function, with Applications in Pattern Recognition ）中提出来的,其最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.移”。其在聚类，图像平滑。图像分割和跟踪方面得到了比较广泛的应用。

应用仿生模式识别对目标的覆盖，实现对目标的跟踪，在图像帧内实现全局搜索，得到目标的中心和尺寸范围。

上传照片，以及代码，请下载这些照片和 d 代码以获得结果中添加的路径。

超像素分割，包括源码、EXE可执行程序、测试图像、使用说明等。代码完全可执行，不需引用其它库，不需进行其它设置。超像素分割一般对图像分割会形成过分割，所以可将其作为一般图像分割前的预分割处理，可用于模式识别等领域，当然也可用于医学图像分割领域。 程序基于文本框在文本框中输入需要 分割的图像超素点数，然后击开始按钮可以选择在文本框中输入需要 分割的图像超素点数，然后击开始按钮可以选择分割的图像，如下所示：点击开始按钮选择图片 ，该图是一幅神经元线粒体的显微片 ：然后选择处理图片的存储位置：处理后的图像如下所示：改变参数超像素点的目可以得 到不同的结设计，这需要根据实际来进行选 到不同的结设计，这需要根据实际来进行选 择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将择，比如上图因为像的分辨率不是太多所以我们需要超 素点将像素点取为 200 ，得到如下所示结果： ，得到如下所示结果： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报