extractFeatures

提取兴趣点的描述符

折叠所有页面

语法

[特性,validPoints] = extractFeatures(我点)
[特性,validPoints] = extractFeatures(我点名称,值)

描述

例子

(特征,validPoints] = extractFeatures（我,点)返回提取的特征向量，也称为描述符，及其对应的位置，从二进制或强度图像。

这个功能可以从周围的兴趣点像素导出描述符。的像素表示，并通过单点位置指定匹配的特征。每个单点指定一个住宅区的中心位置。您使用的描述符的提取方法依赖于类的输入点。

例子

(特征,validPoints] = extractFeatures（我,点,名称,值)使用由一个或多个指定的附加选项名称,值对参数。

例子

全部折叠

开立真实脚本

读取图像。

I = imread（'cameraman.tif');

找到并提取角特征。

角落= detectHarrisFeatures(我);[features, valid_corners] = extractFeatures(I, corners);

显示图像。

数字;imshow（I）;保持上

画出有效的角点。

情节(valid_corners);

开立真实脚本

读取图像。

I = imread（'cameraman.tif');

查找和提取特征。

点= detectSURFFeatures(我);[features, valid_points] = extractFeatures(I, points);

显示和情节十强SURF功能。

数字;imshow（I）;保持上;情节（valid_points.selectStrongest（10），“showOrientation”，真正）;

开立真实脚本

读取图像。

I = imread（'cameraman.tif');

使用冲浪特征描述符MSER找到特征。

区域= detectMSERFeatures（I）;[特征，valid_points] = extractFeatures（I，区域，“正直”，真正）;

显示SURF特征对应于MSER椭圆中心。

数字;imshow（I）;保持上;图（valid_points，“showOrientation”，真正）;

输入参数

全部折叠

输入图像，指定为二进制或2d灰度图像。

数据类型：逻辑|单|双|int16|UINT8|UINT16

正方形邻域的中心定位点，指定为aBRISKPoints,SURFPoints,KAZEPoints,MSERRegions,cornerPoints， 要么ORBPoints对象，或米-by-2的矩阵米坐标的数目。该表列出了可用于提取的点的可能输入类。

分等级
BRISKPoints 二进制健壮不变可伸缩关键点(BRISK)
SURFPoints对象 加速强健特征（SURF）
MSERRegions对象 最大稳定极值区域（MSER）
cornerPoints 从功能加速段测试（FAST），最小特征值，或者哈里斯
KAZEPoints 非线性基于金字塔图像旋转和方向不变的特性。类似SURF，但包含噪音更小点。
ORBPoints 面向快速和旋转简要(ORB)的特点。
米的[X Y]坐标-by-2矩阵 在[x, y]点位置附近的简单方形邻域

名称-值对的观点

的可选逗号分隔对名称,值参数。名称参数名称和值是对应的值。名称必须出现在引号内。可以按任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例：'方法',“块”指定了块方法描述符提取。

描述符提取方法，指定为逗号分隔的对，由'方法“和”怪物”、“冲浪”、“ORB”,块'， 要么 '汽车”。

下表描述了该功能是如何实现的描述符提取方法。

方法 特征矢量（描述符）
轻快 二进制健壮的不变可伸缩关键点(BRISK)。
函数设置取向财产的validPoints将对象输出到提取特征的方向，以弧度为单位。
怪物 快速视网膜关键点（FREAK）。
函数设置取向财产的validPoints将对象输出到提取特征的方向，以弧度为单位。
冲浪 加速强健特征（SURF）。
函数设置取向财产的validPoints将对象输出到提取特征的方向，以弧度为单位。

当你使用MSERRegions对象的冲浪方法,重心对象的属性提取SURF描述符。的轴对象的属性选择SURF描述符的比例，使代表该特征的圆的面积与MSER椭圆的面积成比例。比例尺计算为1/4 *√(majorAxes / 2) * (minorAxes / 2))。饱和到1.6根据需要，由SURFPoints目的。
ORB 面向快速和旋转简要(ORB)的特点。
的取向财产的validPoints输出对象被自动设定为取向输入属性ORBPoints对象点。
KAZE 基于非线性金字塔的特点。

函数设置取向财产的validPoints将对象输出到提取特征的方向，以弧度为单位。

当你使用MSERRegions对象的KAZE方法,位置该对象的属性被用于提取KAZE描述符。

的轴对象的属性选择KAZE规模描述符使得表示该特征的圆的面积正比于MSER椭圆区域。
块 简单的方形neighbhorhood。

的块方法只提取完全包含在图像边界内的邻域。因此,输出,validPoints，可以包含比输入更少的点点。
汽车 功能选择方法，根据输入点的类，实现:
的怪物方法一cornerPoints输入对象。
的冲浪方法一SURFPoints要么MSERRegions输入对象。
的轻快方法一BRISKPoints输入对象。
的ORB方法一ORBPoints输入对象。

为米-by-2的输入矩阵[xy，该函数实现块方法。

请注意

的描述符提取方法必须是ORB，如果输入点是一个ORBPoints目的。也，ORB描述符提取方法不支持任何其他类型的点，除了万博1manbetxORBPoints。

块大小，指定为一个奇整数标量。该值定义了本地广场附近BlockSize-通过-BlockSize，以每个兴趣点为中心。此选项仅在函数实现时应用块方法。

旋转不变性标志，指定的逻辑标。当您将此属性设置为真正，不估计特征向量的方向，将特征方向设为pi/2。设置这个真正当你不需要的图像描述符，以捕获旋转的信息。当您将此属性设置为假，估计特征的方向，然后特征不旋转。

请注意

旋转不变性标志“正直”如果输入不支持万博1manbetx点是一个ORBPoints目的。

在SURF或KAZE特征矢量（描述符）的长度，指定为64要么128。此选项仅在函数实现时应用冲浪要么KAZE方法。的较大特征尺寸128提供了更大的精确度，但降低了特征匹配速度。

输出参数

全部折叠

特征向量，返回为binaryFeatures对象或米-通过-N矩阵的米特征向量，也称为描述符。每个描述符都有长度N。

中与每个输出特征向量(描述符)相关联的有效点特征，以与输入相同的格式返回。有效点可以是aBRISKPoints,cornerPoints,SURFPoints,KAZEPoints,MSERRegions,ORBPoints对象，或米-乘2矩阵的[x,y]坐标。

这个功能可以从围绕每个兴趣点的区域中提取描述符。如果图像的区域位于外，该功能不能计算出该点的特征描述符。当关注点在于过于靠近图像的边缘，该功能无法计算的特征描述信息。在这种情况下，该功能会忽略这一点。该点不包括在有效点输出。

参考文献

[1] G. Bradski和A. Kaehler，学习OpenCV:计算机视觉与OpenCV库，奥赖利，塞瓦斯托波尔，CA，2008年。

赫伯特·贝，安德烈亚斯·艾斯，廷尼·图伊特拉尔斯，卢克·范·古尔，SURF:加速健壮的功能”，计算机视觉和图像理解(CVIU)《中华人民共和国刑法》，第110卷第3期，第346—359页，2008年

[3] Bay, Herbert, Andreas Ess, Tinne Tuytelaars，和Luc Van Gool，“冲浪:加速强大的特征”，计算机视觉和图像理解(CVIU)《中华人民共和国刑法》，第110卷第3期，第346—359页，2008年。

Alahi, Alexandre, Ortiz, Raphael, and Pierre Vandergheynst，《畸形:快速视网膜关键点》，IEEE计算机视觉与模式识别会议，2012。

[5] Alcantarilla, p.f.， A. Bartoli和A.J. Davison。“KAZE功能”,ECCV 2012，第六部分，lncs7577第214，2012

扩展功能

另请参阅

|||||||||||||||

主题

介绍了R2011a

计算机视觉工具箱文档
万博1manbetx
用MATLAB引入深度学习

用MATLAB引入深度学习

下载电子书