文件帮助中心
局部特征及其描述符是许多计算机视觉算法的基石。它们的应用包括图像配准、目标检测和分类、跟踪和运动估计。这些算法使用局部特征来更好地处理尺度变化、旋转和遮挡。计算机视觉工具箱™算法包括FAST、Harris和Shi & Tomasi角检测器,以及SURF、KAZE和MSER blob检测器。工具箱包括SURF, FREAK,轻快,LBP, ORB和HOG描述符。您可以根据应用程序的要求混合和匹配检测器和描述符。你也可以使用一个预先训练的卷积神经网络来提取特征,它应用了深度学习领域的技术。
全部展开
detectBRISKFeatures
Brikspoint.
detectFASTFeatures
cornerPoints
detectHarrisFeatures
侦探训练
detectMSERFeatures
MSERREGIONS
detectORBFeatures
detectSURFFeatures
SURFPoints
detectKAZEFeatures
extractFeatures
extractLBPFeatures
extractHOGFeatures
matchFeatures
showMatchedFeatures
imwarp.
estimateGeometricTransform2D
estimateGeometricTransform3D
vision.AlphaBlender
vision.BlockMatcher
vision.LocalMaximaFinder
Vision.templateMatcher.
insertMarker
insertShape
showShape
insertObjectAnnotation
InsertText.
imshow
imshowpair
vision.gammacorrector.
Vision.chromaresampler.
二进制文件
KAZEPoints
ORBPoints
Affine2d.
Affine3d.
rigid3d.
projective2d
局部特征检测与提取
了解本地特征检测和提取的好处和应用
点特征类型
为几种类型的特性选择返回和接受points对象的函数
坐标系
指定像素索引、空间坐标和三维坐标系统
绘制形状和线条
在指定要绘制的形状类型时,还必须指定它在图像上的位置。
检测,解码和本地化图像中的1-D和2-D条形码。
自动检测并识别自然图像中的文本。
给定杂乱场景中的特定对象,给定对象的参考图像。
使用HOG功能和多字符SVM分类器对数字进行分类。
自动确定一对图像之间的几何变换。当一个图像通过旋转和缩放相对于另一个图像被扭曲时,使用detectSURFFeatures和estimateGeometricTransform2D求旋转角度和比例因子。然后,您可以转换扭曲的图像,以恢复原始图像。
使用基于特征的图像登记技术自动创建全景。
从视频流中取出相机运动的效果。
稳定从抖动平台捕获的视频。稳定视频的一种方法是跟踪图像中的突出特征,并使用它作为锚点,以取消相对于它的所有扰动。然而,此过程必须以这种突出特征在于第一视频帧的位置引导。在此示例中,我们探讨了一种视频稳定方法,其无需任何此类先验知识。它改为自动搜索视频序列中的“背景平面”,并使用其观察失真来校正相机运动。
使用基本形态运算符和BLOB分析的组合来从视频流中提取信息。在这种情况下,该示例计算每个视频帧中的大肠杆菌细菌的数量。注意,细胞具有不同的亮度,这使得分割的任务更具挑战性。
使用形态操作来计算视频流中的对象。
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入该命令运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,以便在可用的地方进行翻译的内容,并查看本地活动和优惠。根据您的位置,我们建议您选择:。
您也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。
联系当地办事处