trackingdemos

fcm医学图像分割算法，适应于不规则医学图像的分割，已经调试成功，可以运行，很好。相信会对您有帮助。(fcm medical image segmentation algorithm, adapted to irregular medical image segmentation, has been successful debugging, you can run, very good. Believe will help you.)

常见的图像处理matlab源代码，包括梯度锐化、图像镜像、图像平移、图像缩放、图像细化、图像旋转、维纳滤波处理、用Canny算子提取边缘、阈值变换、直方图均衡、中值滤波。(Matlab Source Code about Image Processing)

彩色图像的威纳滤波去噪算法，很简单的，很全，自己毕业论文的程序(Color image of the Wiener filter denoising algorithm, very simple, very full, their thesis program)

说明：  K近邻(KNN)平滑滤波器算法，包括椒盐噪声和高斯白噪声下平滑处理的结果(K-Near Neighbor (KNN) Smoothing Filter Algorithms, Including Smoothing Processing Results under Salt and Pepper Noise and Gauss White Noise)

图像处理领域有很多滤波器，好的滤波器可以很快的提取有效的特征，MR8是一组特别好的滤波器组，比gabor filter更好，这里是MR8的源码，有需要的可以下载一用！(There are a lot of image processing filter, a good filter can quickly extract effective feature, MR8 is a particularly good filter group, better than gabor filter, here is MR8 source, there is a need to download a use!)

本算法主要采用变分贝叶斯求解图像忙恢复问题。(This package contains implementations of the MAP_k blind deconvolution algorithms described in the paper "Efficient Marginal Likelihood Optimization in Blind Deconvolution" Levin, Weiss, Durand and Freeman, )

说明：  基于MODIS 大气水汽的计算，大气水汽含量(Atmospheric Water Vapor Calculation Based on MODIS)

基于EM-马尔科夫随机场-ICM的图像分割程序，很好的学习代码(EM-based Markov random-ICM image segmentation procedures, good learning code)

常用数字图像处理，图像变换等功能的实现，锐化平滑等算法(digital image processing)

基于边缘特征的图像配准算法源码 基于边缘特征的图像配准算法是将不同时间、不同的传感器（成像设备）或不同条件下（天候、照度、摄像位置和角度等）获取的同一场景的两幅或多幅图像根据其边缘特征进行匹配、叠加的处理，最终生成一幅全景图像的方法。该方法具有抗噪性强，匹配速度快，误匹配率低，适用于多种类型的图像等优点，主要可以运用于以下领域： （1）军事研究领域，如飞行器辅助导航系绞、武器投射系统的末制导以及寻地等应用研究； （2）医学图像分析，如数字剪影血管造影DSA血管造影术、肿瘤检测、白内障检测、CT、MRI、 PET、 SPECT图像结构信息融合； （3）模式识别，如特征识别、波形分析、签名证实、目标物运动跟踪、序列图像分析等； （4）计算机视觉，可用于目标定位、自动质量控制等； （5）遥感数据分析，多电磁波段图像信息融合，如多谱段的等场景分类、定位和识别定义好的或已知特征的场景、自然资源监控、核生长监控、市区增长检测等。 本算法实现使用VC++6.0为开发环境，目前只支持灰度图像，感兴趣的朋友可以进一步扩展。(Image registration is a fundamental problem in image processing, which is a process to match two or more images of the same scene taken at different times, from different viewpoints, or by different sensors. Image registration is an important technique for a great variety of applications such as medical image analysis, computer vision, remote image data analysis, image information fusion, and the recovery of the 3–D characteristics of a scene.)