提出了一种用于医学图像消噪的新型的小波阈值函数。改进的阈值函数是将两种常见的软、硬小波阈值函数相结合并加以改进，使其兼具了两者的滤波消噪特性。同时将改进的小波阈值函数应用在医学图像图像处理中，用于消除医学图像的噪声干扰，并利用仿真实验与软硬阈值函数作对比，从效果图和实验数据分析验证了其优势。

针对复杂运动背景中慢速小目标检测误检率高，实时性差等问题，提出了基于自适应阈值分割的慢速小目标检测算法。首先计算连续两帧图像特征点的金字塔光流场，对光流场进行滤波，获取匹配特征点集合。然后对图像运动背景进行建模，拟合投影模型参数，通过投影模型得到运动背景补偿图像，进行图像差分处理，获得差分图像。最后迭代计算差分图像的自适应阈值，修正差分阈值，差分图像二值分割，检测出运动目标。实验结果表明算法能够准确地检测出复杂背景中的慢速小目标，虚警率为2%，目标漏检率为2.6%，目标检测准确率95.4%，每帧图像目标检测时间为38ms，能够满足运动目标检测对实时性的要求。

python+numpy实现自适应阈值分割函数OSTU，巩固编程基础以及图像处理基础

这是一段基于OpenCV的图像二值化实例代码，阈值可以通过滑动条来调节，可以观察不同阈值。具体分析见博客http://blog.csdn.net/primetong/article/details/79211648

图像二值化程序，自定义阈值，将彩色图片灰度化，然后设置阈值，二值化图像，可以修改阈值，选最优的

这份代码是实现阈值分割的matlab程序，可以直接用。

C++代码，基于阴影的车辆假设区域生成，主要实现步骤：1.加载一张路面图片；2.加权平均灰度图；3.路面ROI提取（用于作为二值化分割的阈值提取）；4.对路面ROI进行canny边缘提取；5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；6.对步骤5中得到的图片信息进行直方图处理；7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；8.根据标准差和均值信息得到二值化的阈值；9.二值化处理，得到分割后的图像，得到所需要的车底阴影。

小波阈值去噪的程序，包括默认阈值去噪、全局阈值去噪、自适应阈值去噪。 小波阈值去噪的程序，包括默认阈值去噪、全局阈值去噪、自适应阈值去噪。

图像分割是计算机视觉中重要和基础的研究内容之一使用阂值是一种常见且重要的区域分割技术, 它对物体’J 背景有较强对比的景物的分割特别有用.通常采用直方图技来确定阑依.本文介绍了一种新的不需刘直方图做预处理而能直接通过计一算求得二值化阂值的方法. 并将它与常用的大津法 进行了比较.实验表明,本文的方法是快速有效的

ITK读取序列图，处理后再进行保存