医学图像

此代码是由RGB转换为标准的RGB空间的算法，此代码基于opencv与c++语言，标准的rgb是指各通道的值除上三个通道之和，得到的标准rgb空间对光线的敏感性大大减小，对于跟光照有关的图像处理领域有很大的帮助。

蚁群算法是一种优化算法由蚂蚁物种的自然行为的启发，蚂蚁觅食地上存款信息素。在这介绍了纸，蚁群算法处理的图像边缘检测问题。提出基于蚁群算法的边缘检测方法能够建立一个信息素矩阵表示提出了一种在图像中，每个像素位置的边缘信息根据大量的蚂蚁的运动有哪些派去在图像上移动。此外，运动这些蚂蚁被驱使的图像的局部变化强度值。

有注释的哦 //#include "cv.h" #include "highgui.h" void main() { CvCapture* capture = NULL; capture=cvCreateCameraCapture(0); //从摄像头中读入数据 assert(capture!=NULL);  IplImage* frame; cvNamedWindow("camera",CV_WINDOW_AUTOSIZE);//在屏幕上创建一个窗口 while(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

对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处理以及特征提取两个模块中，加入了 OpenCV（微软开源视觉库）函数库，在运行的效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实时处理的设计准则。

在实际图像研究中，常常只有图像中那些感兴趣的目标才能为我们提供高效、有用的信息。这些目标一般对应 图像中特定的、具有独特性质的区域。图像分割就是将图像划分成若干个这样的有意义区域的过程，各区域是 具有相近特性的像素的连通集合。图像分割是数字图像处理的重要技术之一，其基础是像素间的相似性和跳变性。 图像分割技术主要分为四大类：阈值分割，区域分割，边缘检测和差分法运动分割（主要针对运动图像的分割）。

这个代码可以实现几幅有重叠部分图像的拼接，而且效果很好，采用的是opencv库函数。实现简单。而且很容易看懂，对于类似工程的开发有很大的意义/

基于OpenCV的静态人脸检测程序的实现，已运行成功，人脸检测是目前非常前沿的技术，Adaboost算法实现起来也比较复杂，但应用OpenCV提供的函数和分类器进行人脸检测十分容易，主要包括训练和检测2个模块

这是一个图像增强技术的实现。我用gonzaleys作为写作参考。这个是非常直接的方法。这对于那些想学习及是非常有用的。

什么都不多在这里。我想这段代码和我有错误，所以我搜查的另一个版本，我来这里是

打开一BMP图像，对图像进行滤波，采用3*3、5*5窗口大小的进行均值、中值滤波；对图像边缘检测，采取sobel算子、梯度算子、拉普拉斯算子等算法；对图像进行分割，采取固定阈值分割、最大类间方差分割等等。希望对大家有用！