翼遥君的博客

转载自：http://blog.youkuaiyun.com/pachleng/article/details/5465526 第一章与影像设备互连 PACS(PictureArchiving and Communication System)，译为医学影像归档与通讯系统，关于该名词更多详细的解释，请参考网络。一、接收影像1、目的：接收影像设备发送的影像，并显示。2、实验平台：Windows

1、CMake的安装CMake安装时用来对VTK编译前的配置工作。此博客中使用的是CMake2.8。2、VTK源码VTK源码直接从VTK的官方网站上下载得到，此博客中下载的是vtk-5.10.1.zip和vtkdata-5.10.1.zip两个压缩包。其中vtk-5.10.1.zip是VTK的源码，vtkdata-5.10.1.zip是VTK使用中的数据文件，这个文件也可以不用下载。

在findContours函数使用了之后，有时候就会面临对Contours内部区域的访问。由于contours不一定是凸图形，所以使用循环操作的时候总感觉不那么方便。比如在下图中，已经使用findContours查找到边界并填充边界内部，然后与源图像进行and运算后的结果：这时候要对非规则点的区域进行相关特征的计算，比如说是区域的灰度均值。观察图像的特征可以发现除了我们需要的点外，其他

【题外话】:之前在博客中写过一篇“区域生长”的博客，区域生长在平时经常用到，也比较容易理解和代码实现，所以在很多情况下大家会选择这种方法。但是区域生长有一个最致命的点就是需要选取一个生长的种子点。 为了交流学习，同时也为了后面查阅方便，准备陆续将基于直方图的几种分割算法加以总结。1、均值迭代算法的描述对一幅图像MM,均值迭代算法就是要迭代计算得到一个灰度值TT，使得这个灰度值TT将图像分成的

转载请注明出处，谢谢.图像分割系列的博客连续写了两篇了，这次继续写写利用最大熵模型来进行图像的阈值分割。如果对其他相关博客感兴趣可进入下面的链接查看： 1. OpenCV - 区域生长算法 2. OpenCV - 均值迭代分割 3. OpenCV - 最大间方差(OTUS)分割1. 最大熵是什么？这里所说的熵是指信息熵，信息熵是来自于信息论的一个词，它是对系统所含信息的一种度量。通俗的讲，系

1、findContoursfindContours在OpenCV的参考手册（opencv2refman.pdf）中的原型如下：findContours有两个函数的原型，第一个输出带层次的contours，换句话说每一个contours都在一个单独的图像层上，这就给我们需要单独处理每一个contours带来了方便。不带层次的coutours也有自己的用处，也就是我们在不需要输出

OpenCV中其实有对OTUS算法的实现，threhold()函数最后一个参数可以指定使用OTUS算法。1、最大方差(OTUS)算法的描述和均值迭代算法相似，OTUS算法也是利用图像的直方图进行的。OTUS算法的思想是选取一个阈值T，T∈[0,m−1]T， T \in [0,m-1],mm为图像的灰度级将直方图两部分，TT值使得分成的两组间方差最大。2、算法的步骤待处理图像灰度值范围为[0,m−1

**图像插值就是利用已知邻近像素点的灰度值（或RGB图像中的三色值）来产生未知像素点的灰度值，以便由原始图像再生出具有更高分辨率的图像。图像插值常常用在图像的放缩，旋转等变换中。常用的插值运算有三种：最邻近插值、双线性插值和立方卷积插值（cubic运算）。假设变换（放缩，旋转等等）前的图像为S，变换后的图像为T。**1. 最邻近插值【基本思想】变换后图像T中像素 映射在原图像S中的点为 ，需要

1、理论基础      区域生长算法的基本思想是将有相似性质的像素点合并到一起。对每一个区域要先指定一个种子点作为生长的起点，然后将种子点周围领域的像素点和种子点进行对比，将具有相似性质的点合并起来继续向外生长，直到没有满足条件的像素被包括进来为止。这样一个区域的生长就完成了。这个过程中有几个关键的问题：a> 给定种子点(种子点如何选取？)      种子点的选取很多时候都采用人工交互