重叠ROI

在之前的版本（DIPVelocimetry ver 1.0）中，我们在不允许用户执行重叠ROI的情况下进行了microPIV。在这个版本中，我们现在升级算法以允许这样的事情，由于重叠的ROI，速度向量的间距更密集。

在重叠保存方法中，输入数据块大小为N=L+M-1，DFT和IDFT的长度为L。每个数据块由前一个块的最后M-1个数据点和L个新数据点组成，形成一个长度为N的数据序列。为每个数据块计算一个N点DFT。通过附加L-1个零来增加FIR滤波器的脉冲响应长度，并且一次计算并存储序列的N点DFT。第m个数据块的N点DFT的乘法产生：Ym(k)=h(k)Xm(k)。由于数据记录的长度为N，Ym(n)的前M-1个点被混叠破坏，必须丢弃。Ym(n)的最后L个点与线性卷积的结果完全相同。为避免混叠造成的数据丢失，保存每条数据记录的最后M-1个点，这些点成为后续记录的前M-1个数据点。为了开始处理，第一条记录的第一个M-1点被设置为零。给出了来自IDFT的结果数据序列，其中前M-1个点由于混叠而被丢弃。

利用Matlab实现图片中感兴趣区域（ROI）的提取，通过简单运行go函数即可进行可视化操作。

这个项目包含两个函数：vec2frames 和 frames2vec。vec2frames 函数通过索引将信号划分为重叠的帧，并可选择应用窗口；frames2vec 函数则通过加权重叠相加合成将帧转换回信号。此外，还提供一个演示脚本来展示这些功能的应用。

matlab编程-重叠添加技术的循环转换方法。利用循环卷积执行重叠添加过程。

这篇文章详细讨论了显著图的ROI检测算法，并提供了示例链接：http://imageprocessingblog.com/region-of-interest-selection-for-saliency-maps/。我们描述了一个实现显著性检测算法（如Itti-Koch [2]或GBVS [3]）的二进制掩码算法，无需显著图阈值。详细信息请参阅我们的论文 [1]：Bharath、Ramesh等人的“使用显著性引导的对象定位进行可扩展的场景理解”（IEEE控制与自动化会议(ICCA)，2013）。请访问：http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber。如果内容对您有帮助，请引用我们的论文。

DirLOT 工具箱提供了一套 MATLAB 类，用于处理方向重叠正交变换 (DLOT)。DLOT 是一种信号处理技术，可用于图像压缩、去噪和其他应用。

生成一张表格，展示统计集群与脑图谱区域（AAL、Harvard-Oxford、Brodmann区域）之间的重叠百分比。

研究背景：本研究通过显微形态学观察、计算机图像处理技术和数据统计分析，对肝癌细胞在融合生长过程中的形变调节趋势进行了定量表征。同时，通过细胞力学和生化检测，探究细胞黏附力与整合素的表达对肝癌细胞重叠生长的影响。实验结果：1. 肝癌细胞的运动变形能力显著强于正常肝细胞，其融合生长层内可观察到大量圆形细胞，且这些圆形细胞易于聚集。2. 肝癌细胞株HepG2的Integrin β1表达水平显著高于正常细胞株LO2。3. 重叠区域中的圆形细胞黏附力显著低于周边铺展细胞。4. 纤维连接蛋白（Fibronectin，Fn）对HepG2的Integrin β1表达有下调作用。5. 经Fn裱衬后，HepG2细胞黏附力出现显著变化。 结论：肝癌细胞的高整合素表达和较弱的黏附力对其在融合生长层内的重叠倾向有显著影响，尤其是在Fn的影响下更为明显。

该算法利用半方差技术计算ROI图像的分形维数，用于评估图像中纹理图案的方向性。水平和垂直方向的半方差分别定义为在所有像素N上的像素强度之和，分形维数通过半方差对数图的线性斜率计算得出。