<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[阿兵-AI医疗的专栏]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/webzhuce</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; webzhuce]]></copyright><item><title><![CDATA[Volume Rendering:Front To Back and Back To Front]]></title><link>https://blog.csdn.net/webzhuce/article/details/146182686</link><guid>https://blog.csdn.net/webzhuce/article/details/146182686</guid><author>webzhuce</author><pubDate>Tue, 11 Mar 2025 16:33:16 +0800</pubDate><description><![CDATA[小朋友一直想不明白：Volume Rendering技术中Front To Back and Back To Front区别。]]></description><category></category></item><item><title><![CDATA[half-angle slicing半角切片技术]]></title><link>https://blog.csdn.net/webzhuce/article/details/135425855</link><guid>https://blog.csdn.net/webzhuce/article/details/135425855</guid><author>webzhuce</author><pubDate>Sat, 06 Jan 2024 14:21:17 +0800</pubDate><description><![CDATA[体渲染（volume rendering）算法包括ray casting、Texture-based technique等。今天介绍Texture-based technique里的half-angle slicing技术。首先理解阴影的本质，光照被其他体素遮挡了。网上的代码有误，修正后代码在。]]></description><category></category></item><item><title><![CDATA[Visual Studio 配置DLL]]></title><link>https://blog.csdn.net/webzhuce/article/details/135288602</link><guid>https://blog.csdn.net/webzhuce/article/details/135288602</guid><author>webzhuce</author><pubDate>Fri, 29 Dec 2023 13:07:35 +0800</pubDate><description><![CDATA[我们在用Visual Studio进行开发时，如果没有正确配置DLL，就会出现类似“丢失***.dll”的错误。DLL配置有哪些方法？]]></description><category></category></item><item><title><![CDATA[灰阶边缘的细化]]></title><link>https://blog.csdn.net/webzhuce/article/details/128372821</link><guid>https://blog.csdn.net/webzhuce/article/details/128372821</guid><author>webzhuce</author><pubDate>Mon, 19 Dec 2022 15:04:03 +0800</pubDate><description><![CDATA[原理很简单做完再进行单点化。]]></description><category></category></item><item><title><![CDATA[程序员如何高效成长]]></title><link>https://blog.csdn.net/webzhuce/article/details/128359576</link><guid>https://blog.csdn.net/webzhuce/article/details/128359576</guid><author>webzhuce</author><pubDate>Sun, 18 Dec 2022 09:19:57 +0800</pubDate><description><![CDATA[这是我在公司培训的讲义，分享了程序员如何高效成长的秘密。一小时价值5万的培训资料，现在分享给大家。你经常在网上看到类似《20 年老程序员告诉你的 20 条编码原则》这样的文章，看了很多却依然成为不了一个优秀的工程师。你肯定遇到个别特别厉害的同事，他们每次都能高质量完成开发任务，最重要的是BUG很少。他们会给你很多建议，你照着做却依然原地踏步。为什么这么努力还是不能变得更优秀？其实这些文章我也浏览过，说实话都是：道理都是对的。就好像武侠里你光知道武功的招式，不知道武功内功心法，是成不了武林高手的。]]></description><category></category></item><item><title><![CDATA[一种二值图像封闭孔洞的高效填充算法]]></title><link>https://blog.csdn.net/webzhuce/article/details/128103427</link><guid>https://blog.csdn.net/webzhuce/article/details/128103427</guid><author>webzhuce</author><pubDate>Tue, 29 Nov 2022 19:04:12 +0800</pubDate><description><![CDATA[首先，我们先定义何谓封闭孔洞？我们认为如果一个特征的边缘完全被另外一个特征包围，则认为其为一个封闭的特征，比如在下图中：1所标注处就是封闭孔洞，2所标注处就是开式孔洞。我们第一直觉，想到的就是用FloodFill。漫水填充法是一种常见的图像处理方法，通过选中和种子点相连相近的区域，将其转换为指定颜色，以达到标记或者分离图像的目的，进而完成对图像的一些分析和处理。不过如果直接用FloodFill，我们无法直接定位那些未知需要进行种子填充的。]]></description><category></category></item><item><title><![CDATA[图像去噪之自适应维纳滤波]]></title><link>https://blog.csdn.net/webzhuce/article/details/128042958</link><guid>https://blog.csdn.net/webzhuce/article/details/128042958</guid><author>webzhuce</author><pubDate>Fri, 25 Nov 2022 19:05:37 +0800</pubDate><description><![CDATA[大多数去除加性噪声的自适应图像复原算法流程：根据噪声图像和先验知识，我们能够使用一些基于滤波图像的局部细节方法。其中一个方法就是局部方差。随空间变化的滤波器h(n1,n2)是由图像局部信息和附加先验知识决定的函数。基于局部图像信息的特殊的方法改进了算法，空变滤波器h(n1,n2)是由图像局部信息和可获得的先验知识决定的函数。在9.2.1节讨论了一种自适应的维纳滤波器。下面很重要，解释从9.26公式如何到Matlab的形式。]]></description><category></category></item><item><title><![CDATA[最优化算法之粒子群算法PSO]]></title><link>https://blog.csdn.net/webzhuce/article/details/128001835</link><guid>https://blog.csdn.net/webzhuce/article/details/128001835</guid><author>webzhuce</author><pubDate>Wed, 23 Nov 2022 15:52:55 +0800</pubDate><description><![CDATA[粒子群算法(PSO)属于群智能算法的一种，1995 年由Eberhart 博士和kennedy 博士提出，源于对鸟群捕食的行为研究。该算法是通过模拟鸟群捕食行为设计的。假设区域里就只有一块食物（即通常优化问题中所讲的最优解），鸟群的任务是找到这个食物源。鸟群在整个搜寻的过程中，通过相互传递各自的信息，让其他的鸟知道自己的位置，通过这样的协作，来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终，整个鸟群都能聚集在食物源周围，即我们所说的找到了最优解，即问题收敛。]]></description><category></category></item><item><title><![CDATA[一种具有肤质保留功能的磨皮算法]]></title><link>https://blog.csdn.net/webzhuce/article/details/127988464</link><guid>https://blog.csdn.net/webzhuce/article/details/127988464</guid><author>webzhuce</author><pubDate>Tue, 22 Nov 2022 19:26:54 +0800</pubDate><description><![CDATA[1、复制原图Src作为HighPass层：HighPass = Copy(Src)。2、对HighPass层磨皮（就是进行保边滤波，可以选择表面模糊、导向滤波、双边滤波、各向异性扩散、BEEP、局部均方差、Domain transfer、 Adaptive Manifolds、 Local Laplacian Filters等任何具有保边效果的EPF-Filter）：HighPass = EPF-Filter(HighPass)。]]></description><category></category></item><item><title><![CDATA[第一集：债基大跌，小姐姐别哭，可以这样做]]></title><link>https://blog.csdn.net/webzhuce/article/details/127947152</link><guid>https://blog.csdn.net/webzhuce/article/details/127947152</guid><author>webzhuce</author><pubDate>Sun, 20 Nov 2022 11:50:34 +0800</pubDate><description><![CDATA[你懂的，为啥跌这么多，以后远离。小姐姐骂人了，银行理财一天跌了5000。支付宝里很多人也骂债基经理，债基不是固收产品，怎么还亏钱。这几天债基连续大跌，市场又一次教育大家：债基是会亏钱的。我在2020年年初遇到债基熊市，也和大家一样，慌得一笔呀。好在，大家处于一个好时代，不懂就上网学习。久期会更长，市场每调整一个点，亏损是中短债的两三倍，需要硬抗很长时间才能回本。这是《我的家庭理财日常》系列的第一集，就先说到这里，最后简单分享下，我的家庭理财计划。下一集预告，我是怎么在大跌前，清空债基的？]]></description><category></category></item><item><title><![CDATA[全变分模型(TV)]]></title><link>https://blog.csdn.net/webzhuce/article/details/127326264</link><guid>https://blog.csdn.net/webzhuce/article/details/127326264</guid><author>webzhuce</author><pubDate>Fri, 14 Oct 2022 19:20:34 +0800</pubDate><description><![CDATA[网上讲全变分模型的博客不少，但如果把技术演变过程讲出，能更好地理解全变分模型。希望对大家有用。]]></description><category></category></item><item><title><![CDATA[一种新颖的保边滤波——Sub Window Filtering]]></title><link>https://blog.csdn.net/webzhuce/article/details/126826563</link><guid>https://blog.csdn.net/webzhuce/article/details/126826563</guid><author>webzhuce</author><pubDate>Tue, 13 Sep 2022 09:09:45 +0800</pubDate><description><![CDATA[分享2019 CVPR的一篇图像滤波算法论文。这个算法的新颖之处在于：不管传统的滤波器保不保边，运用了Side Window后都可以保边。]]></description><category></category></item><item><title><![CDATA[我的长期目标]]></title><link>https://blog.csdn.net/webzhuce/article/details/124702234</link><guid>https://blog.csdn.net/webzhuce/article/details/124702234</guid><author>webzhuce</author><pubDate>Wed, 11 May 2022 09:35:27 +0800</pubDate><description><![CDATA[人生愿景

终身学习：不断学习，做更好的自己
长期主义：做有长期收益的事情，比如写作与投资
积极分享：分享个人经验

长期目标（2020-2030）

财务管理


投资（年化收益率达 10% 以上）

微博：东方芒格   记录投资策略



被动收入占50%以上

写作+投资+副业



健康的家庭财务

微博：东方芒格   记录家庭财务管理常识




职业规划

技术

分享更多图像处理技术和项目





先写这么多

...]]></description><category></category></item><item><title><![CDATA[ITK像素访问]]></title><link>https://blog.csdn.net/webzhuce/article/details/124636774</link><guid>https://blog.csdn.net/webzhuce/article/details/124636774</guid><author>webzhuce</author><pubDate>Sat, 07 May 2022 18:17:31 +0800</pubDate><description><![CDATA[介绍如何访问像素，以及根据图像内存创建ITK图像类

灰度图像访问像素
通常创建一个灰度图像，展示如何访问像素
/
/new a 3D image based on unsigned short pixel
	typedef itk::Image&lt;unsigned short, 3&gt; ImageTpye;
	ImageTpye::Pointer image = ImageTpye::New();

	//define image type index
	ImageTpye::IndexType.]]></description><category></category></item><item><title><![CDATA[OpenCV之YoloV4目标检测实例]]></title><link>https://blog.csdn.net/webzhuce/article/details/124595367</link><guid>https://blog.csdn.net/webzhuce/article/details/124595367</guid><author>webzhuce</author><pubDate>Thu, 05 May 2022 19:07:45 +0800</pubDate><description><![CDATA[基本概念
加载darknet框架的YoloV4模型做目标检测。OpenCV DNN模块支持常见深度学习框架如TensorFlowCaffe、Darknet等，对应的函数：readNetFromTensorflow、readNetFromCaffe.
// 加载darknet网络
Net net = readNetFromDarknet(config, weights);

YoloV4对应的权重和配置文件如下，下载地址。

String config = "./model/yolov4.cfg";
Stri]]></description><category></category></item><item><title><![CDATA[图像分割二十年，盘点影响力最大的10篇论文（含论文和源代码）]]></title><link>https://blog.csdn.net/webzhuce/article/details/124004566</link><guid>https://blog.csdn.net/webzhuce/article/details/124004566</guid><author>webzhuce</author><pubDate>Thu, 07 Apr 2022 08:23:20 +0800</pubDate><description><![CDATA[图像分割（image segmentation）技术是计算机视觉领域的重要的研究方向，近些年，图像分割技术迅猛发展，在多个视觉研究领域都有着广泛的应用。本文盘点了近20年来影响力最大的10 篇论文。 注：这里的影响力以Web of Science上显示的论文的引用量排序，截止时间为2020年9月27日。

TOP10- Mask R-CNN
被引频次：1839
作者：Kaiming He，Georgia Gkioxari，Piotr Dollar，Ross Girshick.
发布信息: 2017，16t.]]></description><category></category></item><item><title><![CDATA[AI临床应用应该回归理性-李安华教]]></title><link>https://blog.csdn.net/webzhuce/article/details/123593008</link><guid>https://blog.csdn.net/webzhuce/article/details/123593008</guid><author>webzhuce</author><pubDate>Sat, 19 Mar 2022 13:08:05 +0800</pubDate><description><![CDATA[AI临床应用应该回归理性-李安华教授
                  

]]></description><category></category></item><item><title><![CDATA[S-Transform]]></title><link>https://blog.csdn.net/webzhuce/article/details/123480295</link><guid>https://blog.csdn.net/webzhuce/article/details/123480295</guid><author>webzhuce</author><pubDate>Mon, 14 Mar 2022 15:45:09 +0800</pubDate><description><![CDATA[基本概念
傅里叶变换只能作用于收敛信号，短时傅里叶变换的窗函数不可变，小波变换虽然窗函数可变，能进行多分辨率分析，但是其基函数选取困难；S变换介于前两者之间，结合两种方法的优势，可自适应调节分辨率且其逆变换无损可逆。S变换（ST）是地球物理学家Stockwell域1996年提出的一种时频分析方法。
推导过程

离散的S变换

示例演示
我们实现S变换和逆变换的代码，来看下变换的结果。
 % code
clear all;
close all;
SampFreq = 1000;
t = 0 : 1/SampF]]></description><category></category></item><item><title><![CDATA[小波变换之尺度函数和小波函数]]></title><link>https://blog.csdn.net/webzhuce/article/details/123422699</link><guid>https://blog.csdn.net/webzhuce/article/details/123422699</guid><author>webzhuce</author><pubDate>Fri, 11 Mar 2022 13:46:39 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[SCI-Hub论文下载可用网址链接 - 实时更新]]></title><link>https://blog.csdn.net/webzhuce/article/details/122733204</link><guid>https://blog.csdn.net/webzhuce/article/details/122733204</guid><author>webzhuce</author><pubDate>Fri, 28 Jan 2022 16:24:47 +0800</pubDate><description><![CDATA[https://sci-hub.se
https://sci-hub.st
https://sci-hub.st


]]></description><category></category></item></channel></rss>