彩色制造跟踪

医院的医疗影像系统，c++开发的，效果很好，比市面上用c#写的好，图像处理还是用c++做的好，处理性强，很有参考价值可用来二次开发很有用。

通过鼠标右键来调节图片的亮度和对比度。里面有扫描仪程序代码。调节对比度，亮度的代码很简单。来源于网站VOID CScanToDocDlg::BrightAndContrast(HBITMAP hBitmap, INT bright, INT contrast, BYTE threshold){ FLOAT cv = contrast 0 && contrast < 255)  cv = 1.0f / (1.0f - cv) - 1.0f; BYTE values[256]; for (INT i = 0; i < 256; i ++) {  INT v = contrast > 0? CheckValue(i + bright) : i;  if (contrast >= 255)   v = v >= threshold? 255 : 0;  else   v = CheckValue(v + (INT)((v - threshold) * cv + 0.5f));  values[i] = contrast < 0? CheckValue(v + bright) : v; } BITMAP bm; GetObject(hBitmap, sizeof(BITMAP), &bm ); LPARGBQuad o,p; for (UINT y = 0; y < bm.bmHeight; y ++, p+=nRowPadding, o+=nRowPadding) {

dm642的视频采集与网络显示程序，内含web服务程序，直接在IE中输入地址就可以看到DM642采集的视频

超分辨率图像重建。具有非常好的效果，程序效率较高，有完整的注释和说明文档。

这是用于文档图像分割的代码，用于从已降级的文档图像中分割前景文本。

相信使用过的朋友应该会喜欢上libjpeg，它简单易用、压缩质量可以随意控制、并且稳定性很好，但是，官方网站给提供的libjpeg库，不论是进行压缩时还是解压缩时，都需要用到FILE，使得我们如果想在内存中直接压缩或解压缩图像还要自己实现相应的结构，总之，比较麻烦，尤其对初学者，更是不知从何处入手，幸运的是，libjpeg给我们提供了源代码，今天我就为大家介绍，怎样修改源代码，使libjpeg可以非常容易的直接处理内存中的图像，而无需借助文件操作。

应用背景五种模糊图像复原算法，包括：维纳滤波算法、约束最小二乘滤波算法、Richardson-Lucy（RL）算法、循环边界算法和最优窗算法。关键技术利用Matlab首先完成模糊图像的生成，其次利用3中Matlab自带的图像复原函数实现模糊图像的复原，然后编程两种算法分别实现模糊图像的复原，并可消除振铃现象。

资源描述这是必要的混合的片段的图片（混合随机顺序），然后将其放置在他们的地方。要做到这一点，按鼠标左键并按住它，拖动它的位置的片段。当你发布的“源”和“目标”的片段进行交换。经过适当的比对的片段将是奖图片。

Source-code--CCCam.zip  处理网络 图像协议 代码：  * run cccam with:  * LD_PRELOAD=./ca.so ./xxx.i386  *  * Will then send CWs to vdr-sc cardclient cccam  *  * This library is free software; you can redistribute it and/or  * modify it under the terms of the GNU Library General Public  * License as published by the Free Software Foundation; either  * version 2 of the License, or (at your option) any later version.  *  * This library is distributed in the hope that it will be useful,  * but WITHOUT ANY WARRANTY; without even the implied warranty of  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU  * Library General Public License for more details.  *  * You should have received a copy of the GNU Library General Public  * License along with this library; if not, wr

1.给定分类数M,MLL模型的势函数b,对影像作J-1层小波分解，设定EM算法迭代的停止条件，按照尺度从大到小的顺序设置尺度函数的取值。2.尺度n=J-1，根据K-均值聚类算法对尺度J上的特征场向量进行聚类，获取该尺度的初始分割结果。3.E步骤。使用MPL方法GMRF模型参数。 4.M步骤。使用估计出的参数，采用运算速度较快的迭代条件模式（ICM）通过最小化获取尺度上的优化的分割结果。 5.尺度内迭代。重复3和4知道满足某种准则，迭代停止。我们获得尺度n上的最终分割结果。 6.尺度间迭代。将尺度n的分割结果之间映射到最近的较细尺度n-1上，作为这个尺度的初始分割。重复5，直到获取最细尺度上的分割结果。