http://search.csdn.net/CSDN搜索，CSDN还是有非常多的编程资源的，用它的搜索能搜出不少东西。代码类别也比较全面。http://snippets.org/简单实用的代码收集网站，强力推荐。比如你要找个DES加密，要找个数据压缩，找个INI文件操作的C代码等，均能手到擒来。http://www.codase.com/index.html它是一个代码搜索引

一、 实验目的(1) 通过实验分析不同尺度下LOG和Canny边缘提取算子的性能。(2) 研究这两种边缘提取方法在不同参数下的边缘提取能力。(3) 使用不同的滤波尺度和添加噪声能量（噪声水平），通过与无噪声图像对比，选择最能说明自己结论的滤波尺度和噪声水平，并做出分析说明。二、 实验原理边缘的含义：在数字图像中，边缘是指图像局部变化最显著的部分，边缘主要存在

【matlab函数描述】功能：对任意类型数组或多维图像进行滤波。用法：B= imfilter(A,H)　　　B= imfilter(A,H,option1,option2,…)　　　或写作g= imfilter(f, w, filtering_mode, boundary_options, size_options)其中，f为输入图像，w为滤波掩模，g为滤波后

X光拍摄出的原始图像，一般都比较模糊不清，而在医学应用上，这些被模糊的细节又非常有用，因此，X光图像的增强一直是人们研究的重点。下面，给大家介绍一种非常有用的增强方法：Gauss Laplacian Pyramid算法　　关于该方法，已有不少文献对其进行了介绍和阐述，但一般都比较晦涩难懂，本人做了一个比较清晰的实现步骤，以此供大家参考。而关于分解的细节图像如何进行增强(后文会提到)，不是本文介

实验总体思路：   原图像是人体骨骼核扫描图像，我们的目的是通过图像锐化突出骨骼的更多细节来增强图像。由于图像灰度的动态范围很窄并且有很高的噪声内容，所以很难对其进行增强。对此我们采取的策略是，首先用拉普拉斯法突出图像中的小细节，然后用梯度法突出其边。平滑过的梯度图像将用于掩蔽拉普拉斯图像。最后，我们将试图试用灰度变换来增强图像的灰度动态范围。即：具体的实现

【matlab函数描述】功能：对任意类型数组或多维图像进行滤波。用法：B = imfilter(A,H)　　　B = imfilter(A,H,option1,option2,…)　　　或写作g = imfilter(f, w, filtering_mode, boundary_options, size_options)其中，f为输入图像，w为滤波掩模，g为滤波后图像。f

笔者是在医疗AI领域奋斗的博士生，最近好几位做计算机视觉的好朋友，想尝试医疗领域的影像，Bigdata是AI的燃料，索性把自己之前的藏货拿出来分享一下，大家一起加油！（医学影像的分割、匹配、分类、超分辨、重建等应该都有资源）1、Github上哈佛 beamandrew机器学习和医学影像研究者-贡献的数据集https://github.com/beamandrew/medic

机器学习领域的几种主要学习方式From Stumps to Trees to ForestsKDD-2014 – The Biggest, Best, and Booming Data Science Meeting前景目标检测1（总结）行人检测5 Tips for Predictive Modeling SuccessSibyl: Google’s

一、实验目的和要求目的：了解线性分类器，对分类器的参数做一定的了解，理解参数设置对算法的影响。 要求：1. 产生两类样本2. 采用线性分类器生成出两类样本的分类面3. 对比线性分类器的性能，对比参数设置的结果二、实验环境、内容和方法环境：windows 7，matlab R2010a内容：通过实验，对生成的实验数据样本

国际上逐步形成了两个知名的医学图像分析领域学术会议:一个是MICCAI( Medical Image Computing and Computer Assisted Intervention) ,侧重于讨论与临床应用相结合的医学图像分析技术和应用;另一个是IPMI( Information Processing in Medical maging) ,侧重于讨论信息处理和模式识别技术在医学图像处理