文档帮助中心文档
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、运动估计和基于内容的图像检索(CBIR)。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角点检测器,以及SIFT、SURF、KAZE和MSER斑点检测器。工具箱包括SIFT、SURF、FREAK、BRISK、LBP、ORB和HOG描述符。您可以根据应用程序的需求混合和匹配检测器和描述符。
全部展开
detectBRISKFeatures
BRISKPoints
detectFASTFeatures
cornerPoints
detectHarrisFeatures
detectKAZEFeatures
KAZEPoints
detectMinEigenFeatures
detectMSERFeatures
MSERRegions
detectORBFeatures
ORBPoints
detectSIFTFeatures
SIFTPoints
detectSURFFeatures
SURFPoints
extractFeatures
extractLBPFeatures
extractHOGFeatures
matchFeatures
matchFeaturesInRadius
imwarp
estimateGeometricTransform2D
estimateGeometricTransform3D
愿景。alphablend
愿景。BlockMatcher
愿景。LocalMaximaFinder
愿景。TemplateMatcher
insertMarker
insertShape
showMatchedFeatures
showShape
insertObjectAnnotation
insertText
imshow
imshowpair
愿景。GammaCorrector
愿景。ChromaResampler
binaryFeatures
affine2d
affine3d
rigid3d
projective2d
bagOfFeatures
invertedImageIndex
retrieveImages
imageDatastore
evaluateImageRetrieval
局部特征检测与提取
学习局部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。
图像检索与袋视觉词
使用基于内容的图像检索(CBIR)系统从类似于查询图像的图像集合中检索图像。
使用定制的功能袋工作流创建基于内容的图像检索(CBIR)系统。
利用二维归一化互相关进行模式匹配和目标跟踪。该示例使用预定义的或用户指定的目标以及要跟踪的类似目标的数量。归一化互相关图表明,当值超过设定的阈值时,目标被识别。
在一个杂乱的场景中检测一个特定的物体,给定一个物体的参考图像。
使用HOG特征和多类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。当一幅图像因旋转和缩放而相对于另一幅图像发生畸变时,请使用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配准技术自动创建全景图。
稳定从一个紧张的平台上拍摄的视频。稳定视频的一种方法是跟踪图像中的一个显著特征,并将其作为锚点来抵消与它相关的所有扰动。然而,在引导这个过程时,必须知道在第一个视频帧中这个显著特征在哪里。在这个例子中,我们探索了一种不需要任何先验知识的视频稳定方法。相反,它会自动搜索视频序列中的“背景平面”,并利用其观测到的失真来校正摄像机的运动。
使用形态运算来计数视频流中的对象。
结合使用基本形态运算符和blob分析从视频流中提取信息。在本例中,该示例计算了每个视频帧中大肠杆菌的数量。注意,细胞的亮度是不同的,这使得分割任务更具挑战性。
有一个对应于MATLAB的代码:
把它扔进introduciéndolo然后把它扔进MATLAB。Los navegadores web no admit comandos de MATLAB。
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系