主要内容

LocalWeightedMeanTransformation2D

二维局部加权平均几何变换

全部展开页面

描述

一个LocalWeightedMeanTransformation2D对象封装了一个二维局部加权平均几何变换。

创建

您可以创建LocalWeightedMeanTransformation2D对象使用以下方法：

  • 的FitegeOtrans.函数，该函数估计映射两个图像之间控制点对的几何变换。

  • 的images.geotrans.LocalWeightedMeanTransformation2D这里描述。这个函数创建一个LocalWeightedMeanTransformation2D对象使用坐标的不动点和动点，并使用指定数量的点进行局部加权平均计算。

语法

tform = images.geotrans.localweightedmeantransformation2d（移动点，固定点，n）

描述

例子

tform = images.geotrans.LocalWeightedMeanTransformation2D (movingPoints，定点，n）创建一个LocalWeightedMeanTransformation2D对象给定的控制点坐标movingPoints和定点，其分别在移动和固定图像中定义匹配的控制点。的n最接近的点被用来推断一个二次多项式变换为每个控制点对。

输入参数

全部展开

x- 和y-运动图像中控制点的坐标，指定为米- 2矩阵。控制点数米必须大于或等于n．

数据类型:双|单

x- 和y- 指定为固定图像中的控制点的控制点米- 2矩阵。控制点数米必须大于或等于n．

数据类型:双|单

在局部加权平均计算中使用的点数，指定为数值。n可以小到6个，但制作呢n产生病态多项式的小风险

数据类型:双|单|uint8|uint16|uint32|uint64|int8|int16|int32

属性

全部展开

输入和输出点的几何变换的维数，指定为值2。

对象的功能

输出 给定输入空间限制，求输出空间限制
transformPointsInverse 应用逆几何变换

例子

全部折叠

将局部加权平均变换拟合到一组固定和移动控制点上，这些控制点实际上与整个平面上的全局二次多项式变换相关。

设置变量。

X = [10,12,17,14,7,10];Y = [8, 2, 6, 10, 20,4];A = [1 2 3 4 5 6];B = [2.3 3 4 5 6 7.5];U = a(1) + a(2)* x +(3)。*y + a(4)。* y +(5)。* x。^ 2 +(6)。* y ^ 2;V = b(1) + b(2)* x + b(3)。*y + b(4) *y + b(4)* y + b(5)。* x。(6) ^ 2 + b。* y ^ 2; movingPoints = [u',v']; fixedPoints = [x',y'];

拟合局部加权平均变换到点。

tformLocalWeightedMean = images.geotrans.LocalWeightedMeanTransformation2D (movingPoints定点6);

检查是否合适LocalWeightedMeanTransformation2D目标在控制点。

移动点扫描= TransformPointSinverse（TformLocalweightedmean，固定点）;ERRERINFIT =斜面（移动点录像（：，1）-movingPoints（：1），．..movingPointsComputed (:, 2) -movingPoints (:, 2))

算法

局部加权平均变换在每个控制点上利用相邻控制点推断一个多项式。任何位置的映射都依赖于这些多项式的加权平均值。的n最接近的点被用来推断一个二次多项式变换为每个控制点对。n可以小到6，但产生病态多项式的风险很小。

另请参阅

功能

对象

介绍在R2013B.

图像处理工具箱文档

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书