特征检测与提取

图像配准、兴趣点检测、特征描述符提取、点特征匹配

局部特征及其描述符是许多计算机视觉算法的基础。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™算法包括快速,哈里斯,和Shi & Tomasi角落探测器,和冲浪,KAZE,和MSER斑点探测器。工具箱包括冲浪,畸形,轻快,LBP,球体,和猪描述符。您可以根据应用程序的需求混合并匹配检测器和描述符。您还可以使用一个预先训练好的卷积神经网络来提取特征,该网络应用了深度学习领域的技术。

功能

全部展开

detectBRISKFeatures 检测轻快的特征并返回轻快的物体
detectFASTFeatures 使用快速算法检测角点并返回角点对象
detectHarrisFeatures 使用Harris-Stephens算法检测角点并返回角点对象
detectMinEigenFeatures 利用最小特征值算法检测角点,并返回角点目标
detectMSERFeatures 检测MSER特征并返回MSERRegions对象
detectORBFeatures 检测和存储ORB关键字
detectSURFFeatures 检测SURF特征并返回SURFPoints对象
detectKAZEFeatures 检测KAZE特性
extractFeatures 提取兴趣点描述符
extractLBPFeatures 提取局部二值模式(LBP)特征
extractHOGFeatures 提取方向梯度直方图(HOG)特征
matchFeatures 找到匹配的特性
showMatchedFeatures 显示对应的特征点
imwarp 应用几何变换到图像
estimateGeometricTransform 从匹配点对估计几何变换
vision.BlockMatcher 估计图像或视频帧之间的运动
vision.LocalMaximaFinder 求矩阵的局部极大值
vision.TemplateMatcher 在图像中定位模板
insertMarker 在图像或视频中插入标记
insertShape 在图像或视频中插入形状
insertObjectAnnotation 注释的truecolor或灰度图像或视频流
insertText 在图像或视频中插入文本
imshow 显示图象
imshowpair 比较图像之间的差异
binaryFeatures 对象,用于存储二进制特征向量
BRISKPoints 反对储存活跃的兴趣点
KAZEPoints 对象存储KAZE兴趣点
cornerPoints 对象,用于存储角点
SURFPoints 对象存储冲浪兴趣点
MSERRegions 对象,用于存储MSER区域
ORBPoints 对象,用于存储ORB关键字
affine2d 二维仿射几何变换
affine3d 三维仿射几何变换
projective2d 二维射影几何变换

主题

局部特征检测和提取

学习局部特征检测和提取的优点和应用

点特征类型

为几种类型的特性选择返回和接受点对象的函数

坐标系统

指定像素索引、空间坐标和三维坐标系统

绘制形状和线条

当指定要绘制的形状类型时,还必须指定它在图像上的位置。

特色的例子