带标签的训练样本的有限且昂贵的可用性导致以基于数据增强的监督学习的形式定义高光谱分类任务的方法的发展。 但是，大多数方法只是隐式地利用各向同性邻域中的频谱空间信息，而不是显式指示各向异性或操纵邻域系统。 在本文中，我们应用导向模板来估计局部方向的同质区域，并利用更有价值的光谱空间环境。 通过使用最佳的导向模板匹配方法，我们提出了一种数据扩充和精炼方法，以改善带有有限标记样本的任何光谱空间分类器的性能。 实验表明，该方法对许多光谱空间分类器都非常有效。

本程序为在matlab平台上编写的，对二值图像边缘细化。该算法是改进的Hildtich。

实现简单图像处理，包括256色转灰度图、Hough变换、Walsh变换、中值滤波、二值化变换、亮度增减、傅立叶变换、反色、取对数、取指数、图像平移、图像旋转、图像细化、图像缩放、图像镜像、均值滤波、对比度拉伸、拉普拉斯锐化（边缘检测）、方块编码、梯度锐化、灰度均衡、直方图均衡、离散余弦变换、维纳滤波处理、逆滤波处理、阈值变换、高斯平滑

恒大集团图纸细化标准.全套.doc

Skeleton3D：3D 二元体积的平行中轴细化此代码计算任意 3d 二进制体积的 3D 中轴骨架。 它是 [1] 中描述的同伦细化算法的优化 MATLAB 实现。 我们开发它是为了量化骨骼中的细胞过程网络 [2]，但它应该适用于任何管状或丝状结构的图像。 包含一个示例卷 (testvol.mat) 以及示例脚本 (Test_Skeleton3D.m)。 非常欢迎任何意见、更正或建议。 用法： 骨架 = Skeleton3D(bin) 其中“bin”是一个 3D 二值图像，“skel”只包含骨架体素的结果图像，或skel = Skeleton3D(bin,mask) 从骨架化中屏蔽'mask'中的所有前景体素，例如保留图像体积中的某些结构。 对于额外的清理，例如修剪短分支，请使用我在 MATLAB File Exchange 上的 Skel2Graph3D 包。 此代码的灵感来自

matlab清理代码framework3D-matlab：3D二进制体积的平行中间轴细化 此代码计算任意3d二进制体积的3D中轴骨架。 它是[1]中描述的同位稀疏算法的优化MATLAB实现。 我们开发了它来量化骨骼中细胞过程的网络[2]，但它应该在任何管状或丝状结构的图像上起作用。 包含示例卷（testvol.mat）和示例脚本（Test_Skeleton3D.m）。 任何意见，更正或建议都非常欢迎。 用法： skel = Skeleton3D(bin) 其中“ bin”是3D二进制图像，而“ skel”仅包含骨架体素的结果图像，或者 skel = Skeleton3D(bin,mask) 从骨架中掩盖“蒙版”中的所有前景体素，例如保留图像体积中的某些结构。 要进行其他清理，例如修剪短分支，请在MATLAB File Exchange上使用我的Skel2Graph3D包。 该代码受Hanno Homann [3]的ITK实现和Ignacio Arganda-Carreras [4]的Fiji / ImageJ插件的启发。 如果您在自己的作品中包含此内容，请引用我们的publicaton

数据采集与光条图象细化新方法——用于三维计算机视觉系统.pdf

频率细化是70年代发展起来的一种新技术，其主要目的是识别谱图上的细微结构。

根据itkBinaryThinningImageFilter3D骨架提取算法改的C++版本。使用的是vs2019版本。输入的是3维二进制数据，代码提供数据的读取与保存。

C语言处理图片腐蚀、膨胀的细化算法实例，用C处理图像的例子。调试时请注意：运行测试文件时，需要测试调用的文件c:\test.bmp必须存在。注意释放内存和位图，调色板句柄，还要注意重新分配内存和调色板，位图句柄时，先释放原来的。