“ORS Dragonfly是全球首款集人工智能（AI）Deep Learning及Python环境开发的多尺度、多模态图像处理及三维重构和可视化软件。”
ORS Dragonfly 是全球首款集人工智能 (AI) Deep Learning 与 Python 环境开发的软件平台。软件提供无与伦比的图像分割、一流的图像渲染、功能强大的扩展性等丰富功能以实现用户高效率高精度的结果输出。ORS Dragonfly 提供中英文操作界面，更易使用和操作。
功能介绍 简单易用
可视化软件更应是去适应用户，而不应由用户花费数月才能掌握。ORS Dragonfly充分发挥简单易用的优势，使用户操作得心应手。如：中文操作界面、文件批量导入、自动或手动的图像对齐校准、任意角度手动或自动分割、3D 视图直接选取或擦除等。
数据导入
图像数据无论是来自高级的成像设备，还是生成RAW文件，在ORS Dragonfly中总能很容易实现图片或图片序列、及三维或ORSObject格式等数据导入。友好的导入功能使用户可以专注图像处理工作上而无需再费心格式兼容问题。
图像处理
成像系统无法摆脱伪影。ORS Dragonfly的图像处理工具可供用户减轻图像伪影并恢复图像清晰度，因此重要的图像信息可以显示出来。业界领先的图像过滤器和无限制的可扩展性以及机器学习功能使用户能够生成具有清晰特征的定量图像。
图像渲染
ORS Dragonfly具有增强显示效果的功能。在这里，深度感知与高度衍变的色彩感知相结合。对图像的色彩、透明度、阴影等这类复杂操作却能通过简单的控制来实现，意味着用户可随时发现令人瞠目结舌的渲染效果。
图像分割
每个人都喜欢能表征目标的完美图像。但若没有适当的图像分割，目标图像就无法满足所需的定量描述。ORS Dragonfly中的多种图像分割和显示方法允许用户识别和标记感兴趣的区域，并对统计属性进行分析。
图像分析
无论是分析孔隙、纤维、颗粒还是其他任何结构，ORS Dragonfly都提供了可用于计算、测量和表征图像特征的无可比拟的简易性。使用着色和突出显示的交互式检查可以始终以有意义的方式将分析进行可视化。
*可扩展性—ORS Dragonfly的Python集成
用户可以直接在应用程序中执行和访问ORS Dragonfly数据对象的Python脚本，并利用Python生态系统中免费提供的强大图像处理算法构建用户自己的插件。 ORS Dragonfly全面的Python控制台可以轻松执行工作流程，以便您完全能将软件带到任何可以用到的地方。
Dragonfly 产品线的新品牌。它引入了此版本 Dragonfly 的新名称 — Dragonfly 3D World，并包括更新的徽标和图标，如本出版物的封面和应用程序的标题栏上所示。
新的 Dragonfly 3D World 图标
新品牌 Dragonfly 3D World 2024.1 和 Dragonfly
Pro 2024.1 的软件版本包括新功能和性能增强，这些功能和性能增强必将提高您的工作效率。此新版本的一些亮点包括：
• 引入了 Dragonfly Social，这是一个在线社区平台，可让 Dragonfly 用户开始讨论、聊天、访问材料、发布公告以及共享扩展和深度模型（请参阅第 9 页的 Dragonfly Social）。
• 支持稀疏标记的基本事实，这意味着您可以更快地为深度模型训练准备训练数据（请参阅第 12 页的深度模型训练稀疏标记）。
• 访问扩展的远程即用型深度模型库，用于图像增强和分割（请参阅第 17 页的即用型深度模型库）。
• 加速推理（请参阅第 24 页的更高效的补丁混合以加速推理）和用于检查补丁和生成增强训练集的高级工具，用于深度学习（请参阅第 26 页的新高级工具）。
• 集成 NGSolve，用于量化工程和研究应用中的流体流动和散热（请参阅第 33 页的 NGSolve 集成）。
• 自动分割程序，包括从增强复合材料数据集中提取单个纤维（请参阅第 35 页的开放式纤维分割）和自动化方法，以可靠地分割单一材料样品（例如铸件）中的孔隙度（请参阅第 37 页的自动孔隙度分割）。
• 高级图像分析可回答细微的研究问题，放射组学纹理提取可识别和分析图像特征（请参阅第 39 页的计算测量值和第 40 页的放射组学特征）。
• Dragonfly 3D World 的分析和分类测量模块的生产版本，可让您从多 ROI、网格、图形和矢量场导入标量数据，以进行特征向量的跨表分析（请参阅第 47 页的分析和分类测量值）。
• 多种灯光、“材质”定义和改进的色调映射，让您的 3D 渲染更加震撼（请参阅第 58 页的 3D 渲染）。
• 扩展了可访问性，可以选择在没有专用 GPU 的系统/笔记本电脑上安装应用程序（请参阅第 82 页的系统要求）。
支持可以加载dcm文件
联系 1739083603@qq.com
微博帐号登录