CT图像复原-去除滤线栅伪影

//______________________________________________________________________________ // // Copyright (c) Cypress Semiconductor, 2011 // All rights reserved. // //______________________________________________________________________________ #ifndef CyUSBH #define CyUSBH #ifndef   __USB200_H__ #define   __USB200_H__ #pragma pack(push,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

C#读取DICOM并显示图像。这是一个可以有效的读取本地DICOM文件，并将其中的内容显示于内，实现文档与图片的有效转换

应用背景 自从微软发布了kinect for windows sdkv2.0以来，开发者们就利用此外设优越 特性来进行手势识别，尤其是此更新版本加强了对骨骼进行追踪的特性。 关键技术用于kinect 的手势识别程序。一个不错的例子，易于上手-this source code is based on the IR camera kinect, and also hand gesture reconiztion theory is applied .

资源描述 本代码包含图像处理的基本操作：hough/walsh变换、对比度拉伸、二值化变化、反色、方块编码、傅里叶变化、高斯平滑、灰度均衡、均值滤波、拉普拉斯检测、离散余弦变化、亮度增减、逆滤波处理、取对数/指数、梯度锐化、、、、、、

Scale-invariant feature transform (or SIFT) is an algorithm in computer vision to detect and describe local features in images. The algorithm was published by  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

可以使用MATLAB将多幅图像或屏幕截图转换为avi图像，简单实用捕获的图像文件在您的计算机或互联网:如果例如IMAGE_URL = = c:。png”那么这个形象用于捕获的视频源。当然,这只会让的感觉如果在捕获过程中文件更改的内容。你也可以使用一个图像url等来捕获网络摄像头或气象卫星图像。

翻译 maninwest@Codeforge 作者:Mr. Lai Tai-Yu@CodeProject我们常在报纸上看到图片。观察这样的图片你会发现它是由一个个点组成的。我们也可以做出这种效果。很有趣。适用于初学者。背景操作系统: Microsoft Windows 7 专业版 (64 位) 开发实用程序: Microsoft Visual Studio 2010使用代码 // The height of the image. for ( int iY = 0; iY < imageA->DibInfo->bmiHeader.biHeight; iY++ ) { // The height of the image. for ( int iX = 0; iX < imageA->DibInfo->bmiHeader.biWidth; iX++ ) { // The index of pixel, because we use the three depth bit to present one pixel of color, // Therefore, we have to multiply three. lIDXA = ( iX * 3 ) + ( iY * imageA->DibInfo->bmiHeader.biWidth * 3 ); // To get the pixel depth of the blue channel, byteRGB_BA = imageA->DibArr

用delphi语言编写实现图像的平移与缩放，代码精简，能达到很好的平移，缩放效果。同时里面附有例子图像，自己也可以加载自己所想加入的图片进行测试，很好用哦。

这项工作基于统计方法的问题，而不使用大培训数据库和不诉诸神经网...... 我避免神经网络显而易见的选择，唯一的真正原因是： 1） 它已进行前字符识别。 2） 它不似乎是本着同样的精神，作为我们的课程和讲座， 和方法。 3） 神经网络，以我的经验，似乎并不产生可伸缩的、 关于底层视觉问题/解决方案的重用信息... 就我所知他们只是证明，一些系统称重层感知产量的正确结果大部分时间。 只有几篇文章手写识别的问题，我所读过的指的是统计方法解决它。我已经从他们，我的想法，但是我还没有找到任何准确的参考，我对这个问题的办法。我将会检讨各种统计方法在下一章。

包括均值滤波，中值滤波，低通滤波。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。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。