视网膜图像中的血管分割

基于阈值法和形态学方法的图像分割和目标提取！ 本代码主要处理图像中的文字的分割与提取！ 提供了一幅原始图像用于测试！

该代码将转换成 jpg/png 格式的图像 * nii 格式。随着图像的 matlab 程序代码提供。

所谓的差影法就是图像的相减运算(又称为 减影技术)，该运算是把同一景物在不同时间拍摄 的图像或同一景物在不同波段的图像相减[6]，利 用差影图像提供的图像间的差异信息以达到动态 监测、运动目标检测和识别以及目标识别等目的．

资源描述delphi界面下的模糊C均值图像分割程序，可以在MyFile.txt文件中查看每次迭代的结果。

http://en.wikipedia.org/wiki/Metropolis-Hastings_algorithm 大都会-黑斯廷斯算法是马尔科夫链蒙特 Carlo 方法获取从概率分布的随机样本序列为直接采样是困难的。序列可以用 近似分布。 下面的代码是算法的大都市-黑斯廷斯，一个简单的实现这些代码根据 linux 运行系统。 编译，并也可以用在 Windows 操作系统中。 Metropolis_demo.cpp 是一个演示取样高斯分布。 在 matlab 才能看到结果运行 metropolis_demo.m。您可以修改 metropolis_demo.cpp 适应代码到你自己的问题。

用c++实现直方图均衡化。在DevC++或visualstudio上运行。要处理的默认图像（定义内部代码）。处理单个图像。

人脸检测是一种确定的位置和大小的数字图像中人脸的计算机技术。它检测的脸并忽略任何其他，如建筑物、 树木和机构。人脸检测可以视为更一般的情况下的人脸定位。在人脸定位，任务是找到的位置和大小的面 （通常为一) 已知数。在人脸检测，脸上是处理和按位与底层的人脸图像数据库中匹配。任何微小的变化，在面部表情，例如微笑，嘴唇运动，将不匹配的脸。 人脸检测可以视为对象类检测的具体案例。在对象类检测中，任务是找到的位置和大小的所有对象都属于一个给定类的图像。例子包括上部躯干、 行人和汽车。 人脸检测算法专注于正面人脸的检测。它是类似于图像检测

K均值聚类法分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，重复操作，直至所有样本归入相应类中。 三、判断聚类是否合理 采用误差平方和准则函数判断聚类是否合理，不合理则修改分类。循环进行判断、修改直至达到算法终止条件。

demo_permutation - 演示中的图像的层叠柱版本和使用修补基置换重新排序它的结果之间“平滑度”的差异。我们比较使用移动积所获得的两个一维信号的平滑性。我们还说明了如何通过贴剂的路径看起来当其重排序是通过图像的光栅扫描和补丁基于置换定义等。 demo_inpainting - 图像使用在重新排序的补丁基地排列，然后将丢失的像素是使用立方插值重建图像修复实验。demo_denoising - 图像去噪实验中使用的图像中重新排序的补丁基地排列，然后用学到的过滤器过滤。

依据图像的纹理特征，对图像进行检索，代码是用matlab写的 其中的图像库包含45幅图，有30个代码相关文件，程序可以运行，对学习纹理检索图像的人很有帮助