This book provides an introduction to the use of geometric partial differential equations in image processing and computer vision. It brings a number of new concepts into the field, providing a very fundamental and formal approach to image processing. State-of-the-art practical results in a large number of real problems are achieved with the techniques described. Applications covered include image segmentation, shape analysis, image enhancement, and tracking. The volume provides information for people investigating new solutions to image processing problems as well as for people searching for existent advanced solutions.

2021-域自适应-医学图像分析 综述译文

Advances in Face Detection and Facial Image Analysis

matImage：Matlab的图像处理库

存在严重病变时在CT中自动进行肺分割 该软件包提供了用于肺分割的训练有素的U-net模型。 目前，有四个模型可用： U-net（R231）：该模型在覆盖范围广泛的视觉变异性的庞大而多样的数据集上进行了训练。 该模型对单个切片进行分割，分别提取左，右肺，气袋，肿瘤和积液。 气管将不包括在肺分割中。 U-net（LTRCLobes）：该模型是在数据集的子集上训练的。 该模型对单个肺叶进行分割，但是当存在密集的病理或每个切片都不可见裂痕时，其性能有限。 U-net（LTRCLobes_R231）：这将运行R231和LTRCLobes模型并融合结果。 来自LTRCLobe的假阴性将由R231预测填充，并映射到邻居标签。 LTRCLobe的误报将被删除。 融合过程的计算量很大，视数据和结果而定，每卷可能要花费几分钟。 两种模型的应用实例。 左： U-net（R231），将区分左肺和右肺，并包括非常密集的区域，例如积液（第三排），肿瘤或严重纤维化（第四排）。 右： U-net（LTRLobes）将区分肺叶，但不包括非常密集的区域。 LTRCLobes_R231将融合LTRCLobe和R2

rgb转lab代码matlab 蛋白质聚集体，GFAP和IBA1的TITLE共聚焦图像分析 描述该代码设计用于分析共聚焦显微镜图像中的细胞和聚集体。 它是为单个实验而设计的，该实验分析了鼠运动皮层拍摄的免疫荧光图像。 这些实验的方法将在以下位置找到（出版时将添加）。 该程序可很好地用于分析二肽重复聚集体，GFAP（星形细胞）和IBA1（小胶质细胞），但可以轻松地用于分析任何类似的染色。 安装此程序需要安装了图像处理工具箱的MATLAB 2018a或更高版本。 使用情况所使用的图像必须为三通道RGB，并根据处理方式分成多个文件夹。 该代码表示​​为本文中所使用的代码（出版物名称和链接将在此处添加），并且未针对通用目的进行优化。 由于没有图形界面，因此用户必须手动调整文件路径，保存文件名和参数。 第一组代码的注释中包含用于调整参数的指令。 必须根据免疫荧光图像中存在的自然噪声来调整参数（簇大小等），并且应将其保持在定义的范围内以实现数学相关性。 贡献和信用这段代码的主要贡献者是凯蒂·萨维奇（Kitty Savage）。 对实验设计和执行有重大贡献的个人包括（但不限于）Ricardos Ta

MorphoLibJ 在创建的数学形态学方法和插件。 该库实现了ImageJ软件中缺少的一些功能，而其他插件没有或仅部分覆盖了这些功能。 即： 用于2D / 3D和二进制或灰度级图像的形态学过滤：腐蚀和膨胀，闭合和打开，形态学梯度和Laplacian，顶帽... 用于2D / 3D和二进制或灰度图像的形态学重建，可快速检测区域或扩展的极值，去除边界，填充Kong，属性过滤... 分水岭分割+ GUI，可以分割（例如）细胞组织的2D / 3D图像。 2D / 3D测量：光度（强度）和形态测量，例如体积，表面积，惯性椭圆/椭圆形... 二进制/标签图像实用程序，用于删除或保留最大的连接组件，打开尺寸，填充Kong，消除边框... 安装 在ImageJ中，将下载到plugins文件夹中。 在斐济，您只需要添加IJPB-plugins更新站点： 从斐济菜单中选择“帮助”>“更新.

《Markov Random Field Modeling In Image Analysis》(3rd Edition,Stan Z.Li,2009).pdf

IMAGE ANALYSIS,CLASSIFICATION AND CHANGE DETECTION IN REMOTE SENSING(THIRD EDITION)： ·      简明介绍所需的数学和统计背景知识 ·      深度介绍非线性数据分析方法，包括支持向量机等 ·      详细介绍多变量变化检测及软件的实现 ·      提供每个章节的练习源代码

基本概念（概要） 1. 读取输入图像2. 将图像大小调整为 1024 x 1024 图像3. 定义 Haar 滤波器矩阵 { 1/sqrt(2)*[1 1; 1 -1] } 4. 执行过滤沿着 Colms 然后沿着 Rows 并向下采样 2 迭代更新输出图像5. 多分辨率图像的显示6. 执行恢复沿行然后沿 Colms 并按 2 上采样迭代更新输出图像7. 显示最终恢复的 Img