自组织映射的 mri 分割

QR code encode and decode 的源代码，编码部分详细标分析并注释的源代码，UI显示部分，将日文进行汉化，显示为中文方便读者使用，将编码和解码放置在同一个工作区内，方便调试代码，编码后生成QR code image，保存为bmp图像，利用解码器解码QR code image,将编码内容,image，版本等相关信息显示在UI上。

资源描述自己在网上找的关于一些PCL常用的功能代码，函数，感觉挺有用的，特来分享给大家。具体有void compute_surface_normals，void visualize_normals，void visualize_pointcloud等函数可以直接拿来用

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。

在医学图像处理领域。大脑分割在诊断许多疾病方面有着各种重要的应用；

opencv 特征跟踪，可以有效进行特征提取如：线，面等特征，并且可以跟踪特征。是进行opencv基础学习的较好历程，希望能对大家有用。

基于opencv的人脸检测代码，适合初学者使用多个弱分类器集成的方法，机器学习中的弱学习到强学习，集成的关键是投票，最简单的方法是“绝对多数”的方法

特征向量生成用于训练和测试使用功能的中心矩、 预测、 纸张歪斜、 和 iprops 函数的平均值

代码是在李春明教授的Drlse模型上改进而来，用基于区域的符号压力函数替代边缘指示函数，并设置了可变权系数，使初始轮廓线只要位于图片上，无论与待分割目标位置关系如何（目标区域内、外、横跨 ），都能得到很好的分割效果。

半马尔可夫模型，用于人体行为识别。

应用背景这是使用Haar特征训练弱分类器，然后使用约14弱分类器连接节点作为一个强分类器，该方法选择弱分类器是AdaBoost算法。 ；关键技术