基于HSV颜色空间的图像分块聚类，曾璐，黄朝兵，论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征, 首先将图像划分成 16×16 子块, 然后在块中按

谈谈探究实验中的数据作图与图像分析

mfc对话框输入一个阈值，对灰度影像（大影像）进行二值化，主要利用已经编译好的gdal2.0库进行图像分块读入、处理及输出

matlab代码实现分形维数计算

多类图像分类器 将视网膜OCT图像分为4类之一-NORMAL，CNV，DME或DRUSEN 分析的目标和动机正如我们所知道的，人类的预期寿命空前高。 由于医疗用品，服务和技术的增加，人们的寿命比祖先长。 因此，由于与眼睛健康有关的退化作用主要随着年龄而增加，因此眼睛疾病增加。 伴随着这种情况，由于数字化，近来人类在屏幕前花费越来越多的时间，这进一步增加了眼睛黄斑变性的问题。 需要开发更有效，快速和简便的方法来检测眼部疾病。 该项目的动机是研究一种可以帮助眼科医生使用图像识别技术更准确，更快速地识别视网膜疾病的技术。 我们可以检测到最常见的眼部疾病，因为它们很常见，因此无需花费很多时间就可以检测出来。 该项目涉及的眼疾是 AMD（与年龄有关的肌肉变性）：这种疾病在老年人中很常见，并且是由于视网膜受损或组织死亡引起的。 在全球75岁以上的成年人中，约有35％患有AMD。 DR（非绝热性视网

CNN图像分类 这个基于CNN的模型将图像分为9类（“飞机”，“汽车”，“鸟”，“猫”，“鹿”，“狗”，“青蛙”，“马”，“船”，“卡车”）使用tensorflow，keras，numpy，scikit-learn，matplotlib

将图像进行分块，充分应用与数字水印技术当中

图像分类算法：第一张图像显示的是提取到的HOG特征，这个主要可以初步了解下特征是否选择的合适，不合适可以调节extractHOGFeatures里面的参数，如cellsize,blocksize,bins等，具体可以参考这个点击打开链接 http://cn.mathworks.com/help/vision/ref/extracthogfeatures.html?searchHighlight=extractHOGFeatures&s_tid=doc_srchtitle。本程序选择的默认参数，从图1可以预览到特征分别合适。

使用matlab语言实现对图像的分块显示，压缩包中有图片和代码，可以走直接运行

用多种的方法计算图像的分形维数，比如差分盒维数，多重，毯子，等算法，值得一看!