用C#、C 、Java能編寫出Adobe等級的行業(yè)軟件嗎？Adobe軟件工具的核心是算法，這三種語言都可以很好地實現。上世紀90年代初，我做了一個骨折圖像處理的基金項目，它有很多類似adobe的功能

用C#、C 、Java能編寫出Adobe等級的行業(yè)軟件嗎？

Adobe軟件工具的核心是算法，這三種語言都可以很好地實現。

上世紀90年代初，我做了一個骨折圖像處理的基金項目，它有很多類似adobe的功能。當時，還沒有用C語言編寫的CSharp、Java語言或Adobe軟件，更不用說這些面向對象的語言了。

用C語言編寫，相當于手工制作。擦除一行需要逐位對每個點進行異或處理。與C#不同，可以刪除對象。對于圖像去噪、去毛刺、二值化和特征提取，需要編寫相應的算法。例如插值算法用于邊緣增強和平滑，圓形鄰域法用于模式匹配，現在很多算法都有函數庫，可以通過接口調用函數庫。它簡單得多，使用C#、C和Java就足夠了。

圖像的特征提取都有哪些算法？

我認為圖像分割的算法可以從目標的分割開始：通常將圖像分為目標區(qū)域和背景。我們需要從圖像的特征入手，以灰度圖像為例（其他類型的圖像處理都是類似的），圖像圖形的明顯特征有：圖像灰度值特征、目標邊界特征、紋理特征、形態(tài)特征等；也有一些計算和分析基于這些特征提取特征，如信息熵、能量泛函等，最簡單的是灰度值特征。有時在圖片中，目標區(qū)域的亮度與背景區(qū)域的亮度明顯不同。基于這種理解，只要我們試圖找到某個亮度值，我們就假設低于該值的值作為背景，高于該值的值作為目標。Otsu算法屬于最大熵等范疇。

同時也可以注意到，在空域中，目標的邊界是區(qū)分目標與背景的重要依據，因此也是區(qū)分邊界的重要手段。一般情況下，邊界點附近的灰度值變化率很高，可以根據圖像的灰度梯度進行識別。有Sobel算子、canny算子等，它們通過尋找邊界來確定目標區(qū)域和背景。

在某些圖像中，目標區(qū)域具有一定程度的連續(xù)性。一些基于區(qū)域連續(xù)性的方法，如區(qū)域生長法、分水嶺算法等（我對這篇文章不是很熟悉）。

此外，基于圖像的原始特征提取“細化”的二次特征并進行相應的分割也是一種很好的方法。與snake算法一樣，該算法認為目標區(qū)域的邊界是外力和內力共同作用的結果。因此，當外力和內力平衡時，就可以找到邊界。在此基礎上，提出了最小能量泛函的判定原則。此外，還提出了一種基于幾何活動輪廓模型的水平集方法，該方法借助于目標區(qū)域的幾何測量參數來處理某些拓撲變化。

圖像的特征提取都有哪些算法？

經典的圖像特征提取方法有：1 hog（有向梯度直方圖）、2 SIFT（尺度不變特征變換）、3 surf（加速魯棒特征）、4 Dog（高斯差分）和5 LBP（局部二進制）6 Haar（類Haar、類Haar特征），注意Haar是個人名稱，Haar這個人提出了一種用小波作為濾波器，命名為Haar濾波器，用于這個濾波器，后來有人用這個濾波器對圖像進行濾波，就是圖像的Haar特征）圖像的一般特征提取方法：1灰度直方圖，2顏色直方圖均值，方差三種信號處理方法：灰度共生矩陣，Tamura紋理特征，自回歸紋理特征，小波變換。4傅立葉形狀描述符，小波描述符等

圖像處理的一般步驟：1。圖像采集：對原始圖像進行提取和預處理。

2、圖像增強：濾波，對問題進行主觀判斷，對圖像進行操作，使圖像比原始圖像更適合處理。

3. 圖像復原：改善圖像外觀。與圖像增強相比，圖像復原指的是對圖像的客觀處理。

4. 邊緣檢測：對圖像進行分析、定位和匹配。

5. 圖象分割：把圖象分成不同的部分或目標。

6. 提取特征值：提取感興趣區(qū)域。