indexImages
创建图片搜索索引
语法
描述
imageIndex= indexImages (洛桑国际管理发展学院)invertedImageIndex对象,imageIndex,包含一个搜索索引洛桑国际管理发展学院。使用imageIndex与retrieveImages函数搜索图像。
imageIndex= indexImages (洛桑国际管理发展学院,袋)bagOfFeatures对象,袋。使用这种语法袋当你想创建修改视觉单词的数量或功能类型用于创建图片搜索指数洛桑国际管理发展学院。
imageIndex= indexImages (___,名称,值)名称,值对参数,使用任何前面的语法。
这个对象使用多个MATL万博1manbetxAB支持并行计算®工人。支持并行计算的计算机视觉工具箱的偏好对话框。打开计算机视觉工具箱™偏好,家选项卡,环境部分中,点击首选项。然后选择计算机视觉的工具箱。
例子
搜索图像设置使用查询图像
创建一个图像集。
setDir = fullfile (toolboxdir (“愿景”),“visiondata”,“imageSets”,“杯子”);imd = imageDatastore (setDir);
索引图像集。
imageIndex = indexImages (imd)
创建一个使用Bag-Of-Features反向图像索引。- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -创建Bag-Of-Features。- - - - - - - - - - - - - - - - - - - - - - - - - *使用检测器方法选择特征点位置。*从所选特征点提取冲浪功能位置。* * detectSURFFeatures是特征提取的用于检测要点。*从6图像中提取特征……做的。提取1708特性。*保持最强的功能从每个类别的80%。*平衡特性的数量在所有图像分类来提高聚类。* *图像类别1最少的最强的特点:1366。 ** Using the strongest 1366 features from each of the other image categories. * Creating a 1366 word visual vocabulary. * Number of levels: 1 * Branching factor: 1366 * Number of clustering steps: 1 * [Step 1/1] Clustering vocabulary level 1. * Number of features : 1366 * Number of clusters : 1366 * Initializing cluster centers...100.00%. * Clustering...completed 1/100 iterations (~0.10 seconds/iteration)...converged in 1 iterations. * Finished creating Bag-Of-Features Encoding images using Bag-Of-Features. -------------------------------------- * Encoding 6 images...done. Finished creating the image index.
imageIndex = invertedImageIndex属性:ImageLocation: {6} x1细胞ImageWords: x1 vision.internal.visualWords [6] WordFrequency: [1 x1366双]BagOfFeatures: [1 x1 BagOfFeatures] ImageID: (1 2 3 4 5 6) MatchThreshold: 0.0100 WordFrequencyRange: [0.0100 - 0.9000]
显示图像设置使用蒙太奇函数。
thumbnailGallery = [];为i = 1:长度(imds.Files)我= readimage (imd,我);缩略图= imresize(我,(300 300));thumbnailGallery =猫(4 thumbnailGallery缩略图);结束图蒙太奇(thumbnailGallery);
选择一个查询的形象。
queryImage = readimage (imd, 2);图imshow (queryImage)
搜索图像相似的图像使用查询图像。最好的结果是第一。
指数= retrieveImages (queryImage imageIndex)
指数=5 x1 uint32列向量5 4 3 2 1
bestMatchIdx =指数(1);
显示图像的最佳匹配。
bestMatch = imageIndex.ImageLocation {bestMatchIdx}
bestMatch = ' / mathworks猛击/棒/ Bdoc21b /构建/ matlab工具箱/视觉/ visiondata / imageSets /杯/ blueCup.jpg '
图imshow (bestMatch)
创建搜索索引使用自定义包的功能
创建一个图像集。
setDir = fullfile (toolboxdir (“愿景”),“visiondata”,“imageSets”,“杯子”);imgSets = imageSet (setDir,“递归”);
显示图象。
thumbnailGallery = [];为我= 1:imgSets。数我=读(imgSets,我);缩略图= imresize(我,(300 300));thumbnailGallery =猫(4 thumbnailGallery缩略图);结束图蒙太奇(thumbnailGallery);
火车一袋器特性使用自定义特性。
器= @exampleBagOfFeaturesExtractor;袋= bagOfFeatures (imgSets,“CustomExtractor”器);
创建Bag-Of-Features。- - - - - - - - - - - - - - - - - - - - - - - - - *图像类别1:杯*提取功能使用自定义特征提取功能:exampleBagOfFeaturesExtractor。*从6图像在图像中提取特征集1…。提取115200特性。*保持最强的功能从每个类别的80%。*创建一个500字的视觉词汇。*层数:1 *分支系数:500 *的聚类步骤:1 *[1/1]步聚类词汇一级。*的特点:92160 *集群数量:500 *初始化聚类中心…100.00%。*集群…完成22/100的迭代(~ 0.89秒/迭代)……聚集在22个迭代。*完成创建Bag-Of-Features
使用功能的训练包索引图像集。
imageIndex = indexImages (imgSets,包,“详细”假)
imageIndex = invertedImageIndex属性:ImageLocation: {6} x1细胞ImageWords: x1 vision.internal.visualWords [6] WordFrequency: [1 x500双]BagOfFeatures: [1 x1 BagOfFeatures] ImageID: (1 2 3 4 5 6) MatchThreshold: 0.0100 WordFrequencyRange: [0.0100 - 0.9000]
queryImage =阅读(imgSets 4);图imshow (queryImage)
搜索的图像从图像索引使用查询图像。
指数= retrieveImages (queryImage imageIndex);bestMatch = imageIndex.ImageLocation{指数(1)};图imshow (bestMatch)
输入参数
输出参数
算法
imageIndex使用bag-of-features框架与日后健壮的特性(冲浪)探测器和器学习20000个视觉单词的词汇。然后使用视觉单词创建一个索引映射视觉单词的图片洛桑国际管理发展学院。您可以使用索引搜索图像中洛桑国际管理发展学院类似于一个给定的查询图像。
介绍了R2015a
