基于互信息的配准程序，matlab版的，内部包括测试图像为CT和ＭＲ。
是老外编的，不错。
-MatlabProgramtofindmutualinformationfortwoimagesstoredasvectors.Theimagesmustcontain8-bit(0-255)integerpixelsRequirestwodatavectorsX,YwhichmustbethesamelengthandNx1insize.WrittenbyB.Corner--2003,UniversityofNebraska-Lincoln
是老外编的，不错。
-MatlabProgramtofindmutualinformationfortwoimagesstoredasvectors.Theimagesmustcontain8-bit(0-255)integerpixelsRequirestwodatavectorsX,YwhichmustbethesamelengthandNx1insize.WrittenbyB.Corner--2003,UniversityofNebraska-Lincoln
2025/3/23 2:43:31
164KB
1
其他版本可以去我空间查看。
CIFAR-10数据集由10个类中的60000个32x32彩色图像组成，每个类有6000个图像。
有50000个训练图像和10000个测试图像。
数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。
测试批次包含来自每个类别的1000个随机选择的图像。
训练批次以随机顺序包含剩余图像，但是一些训练批次可能包含来自一个类别的更多图像而不是另一个类别。
在他们之间，培训批次包含来自每个班级的5000个图像。
CIFAR-10数据集由10个类中的60000个32x32彩色图像组成，每个类有6000个图像。
有50000个训练图像和10000个测试图像。
数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。
测试批次包含来自每个类别的1000个随机选择的图像。
训练批次以随机顺序包含剩余图像，但是一些训练批次可能包含来自一个类别的更多图像而不是另一个类别。
在他们之间，培训批次包含来自每个班级的5000个图像。
2025/3/10 16:42:18
162.18MB
1
数据集包含67个室内类别，总共15620个图像。
图像数量因类别而异，但每个类别至少有100张图像。
所有图像均为jpg格式。
TrainImages.txt：包含每个训练图像的文件名。
共67*80张图片；
TestImages.txt：包含每个测试图像的文件名。
共67*20张图片。
图像数量因类别而异，但每个类别至少有100张图像。
所有图像均为jpg格式。
TrainImages.txt：包含每个训练图像的文件名。
共67*80张图片；
TestImages.txt：包含每个测试图像的文件名。
共67*20张图片。
2025/2/21 2:58:10
154B
1
raw格式图片是相机直接拍摄出的一种格式，一般看到的图像是经过转换格式的，在开发图像处理相关的产品时，需要测试图像转码，例如bayer转RGB，那么输入就是raw格式的。
2025/1/1 17:36:24
23.12MB
1
骨架提取与分水岭算法也属于形态学处理范畴，都放在morphology子模块内。
骨架提取，也叫二值图像细化。
这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。
morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和medial_axis（）函数。
我们先来看Skeletonize（）函数。
格式为：skimage.morphology.skeletonize(image)输入和输出都是一幅二值图像。
例1： 生成一幅测试图像，上面有三个目标对象，分别进行骨架提取，结果如下：例2：利用系统自带的马图片进行骨架提取 medial_axis就是中
骨架提取，也叫二值图像细化。
这种算法能将一个连通区域细化成一个像素的宽度，用于特征提取和目标拓扑表示。
morphology子模块提供了两个函数用于骨架提取，分别是Skeletonize（）函数和medial_axis（）函数。
我们先来看Skeletonize（）函数。
格式为：skimage.morphology.skeletonize(image)输入和输出都是一幅二值图像。
例1： 生成一幅测试图像，上面有三个目标对象，分别进行骨架提取，结果如下：例2：利用系统自带的马图片进行骨架提取 medial_axis就是中
2024/8/3 6:20:31
177KB
1
原创Matlab提取圆点中心坐标-circle.rar首先感谢论坛的资料，让我少走了弯路。
circle.rar名称：提取圆点中心坐标测试图像：背景为黑色，圆点为白色。
测试图像有五个圆点。
功能：提取圆点的中心坐标[XY]，并用一个红色的“十”标出中心。
function[XY]=circletest_im=imread;%原始图像test_im_gray=rgb2gray;%[m,n]=size;bw=0;fori=1:mforj=1:niftest_im_gray＞=250%二值化bw=1;endendend%imshow;L=bwlabel;s=regionprops;centroids=cat;imshow;holdonplot,centroids,'r')holdoffp=centroids;X=p;Y=p;复制代码附图：results.jpg结果
circle.rar名称：提取圆点中心坐标测试图像：背景为黑色，圆点为白色。
测试图像有五个圆点。
功能：提取圆点的中心坐标[XY]，并用一个红色的“十”标出中心。
function[XY]=circletest_im=imread;%原始图像test_im_gray=rgb2gray;%[m,n]=size;bw=0;fori=1:mforj=1:niftest_im_gray＞=250%二值化bw=1;endendend%imshow;L=bwlabel;s=regionprops;centroids=cat;imshow;holdonplot,centroids,'r')holdoffp=centroids;X=p;Y=p;复制代码附图：results.jpg结果
2024/7/15 1:49:15
3KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB