自组织映射的 mri 分割

这个项目会给你点在哪里 u 将鼠标光标放在 HSV 值。它是使用 opencv 2.4.9 和 visual studio 2010 实现

C++实现了图像处理的腐蚀和膨胀算法。MFC工程实现，工程配有效果图，可直接使用。

在这里，我将附上用于jpeg标准的使用dct技术的图像压缩的matlab代码…这是我的b tech项目标题。测量并比较了不同类型图像的压缩比、PSNR、MSE等参数；

根据形态学变化来找背景和前景，二值化，然后找contour，随后找出每个细胞的原点坐标。 Mat blur_img = orit.clone();    cv::GaussianBlur(orit, blur_img, cv::Size(5,5),1.5);    for (int i = 0; i < 0; ++i)    {        cv::GaussianBlur(blur_img, blur_img, cv::Size(5,5),1.5);    }    showim(blur_img, "blur");    cv::Mat back_img, fore_img;    cv::Mat element(7,7,CV_8U,cv::Scalar(1)); 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

在图像处理中，即边缘检测为实时图像做处理，。可以使用 USB 摄像头或摄像头的笔记本电脑。

应用背景kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。聚类，简单地说就是把相似的东西分到一组，同 Classification (分类)不同，对于一个 classifier ，通常需要你告诉它“这个东西被分为某某类”这样一些例子，理想情况下，一个 classifier 会从它得到的训练集中进行“学习”，从而具备对未知数据进行分类的能力，这种提供训练数据的过程通常叫做 supervised learning (监督学习)，而在聚类的时候，我们并不关心某一类是什么，我们需要实现的目标只是把相似的东西聚到一起，因此，一个聚类算法通常只需要知道如何计算相似 度就可以开始工作了，因此 clustering 通常并不需要使用训练数据进行学习，这在 Machine Learning 中被称作 unsupervised learning (无监督学习)。关键技术kmeans是最简单的聚类算法之一，但是运用十分广泛。最近在工作中也经常遇到这个算法。kmeans一般在数据分析前期使用，选取适当的k，将数据分类后，然后分类研究不同聚类下数据的特点。

 ；

自编的matlab中值滤波算法，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

资源描述应用canny对边界提取后，在应用局部线性回归对边界进行平滑，最终得到平滑边界，在和原图进行比对，适合初学者，程序简单，参数可以适当改变

采用特征矩阵方法的人脸识别matlab源代码。其中包含实例图片和测试图片。图片的命名和matlab代码中的命名相对应。将压缩文件解压后就可以直接运行源代码。