血管分割

该程序实现了 2 种基于顶帽的血管分割算法，可通过“处理”菜单使用。需要输入彩色眼底图像和蒙版图像。如果需要将分割结果与人工分割图像（黄金标准）进行比较，还需输入黄金标准图像。可在批处理模式下批量打开图像、蒙版和黄金标准图像。

此脚本由Tyler L. Coye (2015)开发，所有权归天普大学医学博士生所有。自发布以来，已有超过6,000次下载。虽然时间有限，但大量使用此算法的研究论文证明了其在研究中的重要性。欢迎有兴趣的人士与作者共同进一步完善该算法。

该脚本使用Matlab自动检测并测量小鼠脑动脉的感觉诱发血管舒张，生成直径变化kymograph并计算直径变化百分比、基线直径和最大扩张百分比。

聚类分析中的分割聚类技术 数据挖掘算法中的一种聚类方法

基于图像轮廓生成轴对称血管曲率因子图 本方法利用图像中轴对称血管的轮廓线 (I)，计算血管表面每个点的曲率因子，生成曲率因子图 (Mat)。 输入： I：二值边缘图像，表示图像中轴对称血管的边界曲线，其厚度接近一个像素，且相对于 Y 轴对称。 输出： Mat：双精度矩阵，大小与输入图像 I 相同，表示图像中血管区域内每个点的曲率因子 (F)。 应用： 可用于调整容器表面的反射，识别透明容器中的材料。

功能简介 该C++库为图像分割任务提供高效的层次树分割算法。它基于以下论文的研究成果，并使用C++11标准进行开发： T. Liu, C. Jones, M. Seyedhosseini, T. Tasdizen. A modular hierarchical approach to 3D electron microscopy image segmentation. Journal of Neuroscience Methods, 226, pp. 88-102, 2014. T. Liu, E. Jurrus, M. Seyedhosseini, T. Tasdizen. Watershed merge tree classification for electron microscopy image segmentation. ICPR 2012. T. Liu, M. Seyedhosseini, T. Tasdizen. Image segmentation using hierarchical merge trees. IEEE Transactions on Image Processing, 25, pp. 4596-4607, 2016. T. Liu, M. Zhang, M. Javanmardi, N. Ramesh, T. Tasdizen. SSHMT: Semi-supervised hierarchical merge trees for electron microscopy image segmentation. ECCV 2016. 使用方法 使用此库需要支持C++11标准的编译环境。具体的使用方法请参考库文档和示例代码。

Matlab Vascu Synth是一款模拟血管3D图像的软件，提供CA码生成功能。该软件生成一系列PNG图像，可用于测试3D图像分析或生成深度学习数据集。存储库包含克隆软件的简化安装说明和脚本。详细文档请参考官方链接。源代码来自于研究论文提供的vascu合成器C++源，经修改以输出PNG格式图像并增加文件名后缀以支持多于1000张图像堆栈。示例配置文件和Python脚本提供了配置文件生成和并行化运行的支持。

基于投影的方法分割车牌字符，分割后的二值图像字符可用于字符识别。

通过MRI图像识别脑肿瘤，首先去除无关部分，使用各向异性扩散过滤器去除噪声，再通过快速边界盒算法识别肿瘤边界，使用支持向量机对边界分类，提取出肿瘤。

MATLAB图像分割算法是用于将数字图像分割成多个区域或对象的计算程序。该程序利用MATLAB的图像处理工具箱中的算法，根据像素之间的差异或特定的特征进行分割，以提取感兴趣的目标或简化图像表示。图像分割在医学图像分析、目标检测等领域具有广泛应用。