行业分类-物理装置-基于环形阵列光源照明的三维全内反射显微成像装置及方法.zip

不同表面处理方法对CAD_CAM氧化锆种植体表面显微形貌的影响研究.pdf

行业分类-物理装置-基于显微视觉改进自适应控制的显微注射系统精准抽取与注射方法.zip

行业分类-物理装置-基于显微图像的细胞分析方法、装置、设备及存储介质.zip

来自 SEM 图像的纤维直径尺寸分布 这是一个简单的代码，用于提取直径大小分布来自 SEM 图像的纤维。 所有长度单位均以微米为单位。 编码生成包括所有观察到的直径的excel文件。 唯一的您需要设置的参数是图像的空间分辨率。 为了要找到它，请将图像的物理高度除以其以像素为单位的高度。 例如，如果图像的高度为 1000 像素和物理高度为 100 微米，您的空间分辨率将每像素 0.1 mcrion。 如果您在研究中使用的是代码，请引用以下论文： Rabbani, A. 和 Salehi, S. (2017)。 地层动态建模损伤理论和泥饼沉积，采用过滤理论并结合SEM图像处理。 天然气科学与工程杂志，42, 157-168。 Ezeakacha, CP、Rabbani, A.、Salehi, S. 和 Ghalambor, A.（2018 年 2 月）。 综合图像处理和计算技术来表征地层损害

maskrcnn_nuclei 该存储库包含使用Mask R-CNN进行核实例分割的完整教程，包括图像预处理，具有训练增强功能的Mask R-CNN，测试阶段集成和后处理。 Mask R-CNN模型的代码改编自。 data/示例数据来自和。 要求 TensorFlow 1.4.0 凯拉斯2.1.3 NumPy 科学 OpenCV scikit图像 scikit学习 大熊猫 怎么跑 步骤1： 将您的训练和测试图像放在数据/训练和数据/测试下。 第2步： （如果不需要马赛克，请跳过） 一些小的训练图像（例如，在）可能来自同一幅大图像。 运行nuclei_mosaic.py以恢复原始图像-这对于数据扩充和图像边界上的对象分割非常有用。 python nuclei_mosaic.py --TRAIN_DIR data/train --MOSAIC_TRAIN_DIR data

基于理论分析和实验验证相结合的方法,对数字全息显微术中常见的三种重建算法即菲涅耳变换算法、角谱算法和卷积算法做了比较研究。结果表明：利用菲涅耳变换算法对离轴无透镜傅里叶变换数字全息进行重建时,无重建距离的限制;采用卷积重建法只能在最佳再现距离附近一个非常小的范围内才能获得高分辨率再现像;而采用角谱重建法在略小于最佳再现距离及大于最佳再现距离较大范围内重建,均能获得高分辨率的再现像。角谱重建法总体上优于卷积重建法。菲涅耳变换重建法简单、快捷,是优化的重建算法。

包含对图像的编辑、处理、分析以及相关的使用算法插件(如图像拼接)。https://imagej.net/plugins/image-stitching 拼接功能：(Plugins->stitching->Grid/Collection Stitching) 2.1.两幅图像简单的横向与纵向上的连接，结果图尺寸为两幅原图尺寸之和 2.2.可以实现顺序序列按照相应扫描顺序的拼接(输入扫描矩阵) 2.3.可以实现无序图像集的拼接

傅里叶叠层显微成像(FPM)是一种能够重建宽视场和高分辨率图像的新型成像技术。传统的FPM重建算法计算成本高,重建高质量的图像需要较大的图像采集量,这些缺点使得传统重建算法的成像性能和效率较低。因此,提出一种基于深度学习的傅里叶叠层显微成像的神经网络模型,对图像进行低分辨率到高分辨率的端到端映射,有效提高成像性能和效率。首先,借助菱形采样方法进行图像采集,加速低分辨图片采集过程。其次,结合残差结构、密集连接以及通道注意力机制等模块,拓展网络深度、挖掘有用特征,增强网络模型的表达能力和泛化能力。然后,使用子像素卷积进行高效地上采样,恢复高清图像。最后,采用主观和客观的评价方法对重建结果进行评估。结果显示,本文提出的网络模型对比传统重建算法重构效果更优,且降低了计算复杂度,平均重建时间更短。同时,在保证图像重建效果不变的情况下,低分辨率图像的采集数量比传统算法减少了约一半。

植物显微技术操作丛书，专门的实验技术，很好的资料