利用Matlab语言。采用做差也就是差影法的算法。利用测试图片和背景图片进行做差，提取出车型的轮廓。因为考虑到会有一些噪声和抖动的干扰。这个时候结合形态学的方法，将噪声给滤除掉。因为总体来说，测试图片和背景图片进行做差。车型的轮廓它肯定是最大的一个连通域。其他的噪声和一些噪点是比较小的联通域。可以把比较小的帘头一点去掉，留下精准的车型的轮廓。这个时候去统计车型轮廓的车棚和车底的长度。根据这个长度的比例来判别是小轿车，面包车，还是公交车等等。制作一个GUI人机交互界面进行展示。

MATLAB人体姿态行为识别[差影法，GUI界面，多姿势].zip

本程序是用matlab编写 实现了差影法对运动目标的检测，是一个很不错的小程序，希望对同学有帮助。

精通系列\精通Visual C++数字图像处理技术与工程案例\chap01\差影法.rar

差影法matlab代码 code-of-matlab-PCA 利用库函数实现的主成分分析 其中对应的数据来自网上 实现PCA的方法， 可【1】直接调用Matlab工具箱princomp( )函数实现，也可【2】 自己实现PCA的过程，当然也可以【3】使用快速PCA算法的方法。 （1）方法一：[COEFF SCORE latent]=princomp(X) 参数说明： 1）COEFF 是主成分分量，即样本协方差矩阵的特征向量； 2）SCORE主成分，是样本X在低维空间的表示形式，即样本X在主成份分量COEFF上的投影 ，若需要降k维，则只需要取前k列主成分分量即可 3）latent：一个包含样本协方差矩阵特征值的向量； 实例：假设有8个样本，每个样本有4个特征（属性），使用PCA方法实现降维（k维，k小于特征个数4），并提取前2个主成份的特征，即将原始数据从4维空间降维到2维空间。 对应的代码分别用三种方法进行了实现。

各种图像边缘检测算法，还有两幅图像相减即差影法，检测圆和检测直线。

差影法matlab代码 主动脉分割与特征提取系统页面展示部分代码 系统最终效果 主动脉病例预览模块 该部分是主动脉病例预览模块的效果，包括分页显示病例，点击病例后可以显示对应的病例CT的第一帧，并在拖动进度条的时候对该病例的CT的所有数据实现预览。 主动脉分割展示模块 显示三个部分的内容，分别是主动脉CTA原图像帧，对应帧的分割热图，最终判断的结果 主动脉特征提取模块 该图是主动脉分割后的3D的体数据和对应中心线提取结果和主动脉的走向的获取。 该图是主动脉的形态特征即长短轴长度的统计 该图是主动脉的影像值特征即像素均值方差的统计 系统运行需求 python==3.6.0 django==2.0 Pillow==6.2.1 numpy==1.17.4 matlab==R2018a 系统运行方法 可用conda创建python36的环境，然后conda activate python36 在python36的环境里进行进入myechartsite目录，运行python manage.py runserver 在本地浏览器中输入：

该课题为基于MATLAB差影法的人体姿态识别。带有一个GUI可视化界面。需要准备对应的模板图片作为背景图，然后测试图和背景图进行作差，结合形态学知识，提取出人体轮廓，接上最外接矩形，得出矩形长宽，计算长宽比例，从而判断人体姿态。优点是通俗易懂，缺点是局限性大，因为对背景图片要求比较高。另外可改造成不需要模板图片的纯形态学或者利用帧差法识别的基于视频的人体行为检测。

该课题为基于MATLAB差影法的人体姿态识别。带有一个GUI可视化界面。需要准备对应的模板图片作为背景图，然后测试图和背景图进行作差，结合形态学知识，提取出人体轮廓，接上最外接矩形，得出矩形长宽，计算长宽比例，从而判断人体姿态。优点是通俗易懂，缺点是局限性大，因为对背景图片要求比较高。另外可改造成不需要模板图片的纯形态学或者利用帧差法识别的基于视频的人体行为检测。

图像处理代码 差影法 图象的检测，模板匹配 source目录下为本章介绍的源程序 功能是图象的检测，模板匹配 命令行编译过程如下 vcvars32 rc bmp.rc cl detect.c bmp.res user32.lib gdi32.lib 注意事项： 运行时，文件c:\test.bmp必须存在