영상 처리 및 컴퓨터 비전

알고리즘 개발과 시스템 설계를 위한 영상 및 비디오 수집, 처리 및 분석

MathWorks^®의 영상 처리 및 컴퓨터 비전 제품을 사용하면 데이터 수집 및 전처리부터 향상 및 분석, 임베디드 비전 시스템 배포에 이르는 전체 처리 워크플로를 수행할 수 있습니다.

이들 제품은 영상, 비디오, 포인트 클라우드, 라이다, 초분광 데이터를 위한 다양한 워크플로우를 지원합니다. 이러한 제품을 사용하여 다음을 수행할 수 있습니다.

앱을 사용하여 대화형 방식으로 데이터를 시각화하고 탐색하고 처리합니다.
알고리즘적으로 데이터를 개선하고 분석합니다.
딥러닝을 사용하여 의미론적 분할, 객체 검출, 분류 및 영상 간 변환을 수행합니다.
하드웨어와의 인터페이스를 통해 영상 수집, 알고리즘 가속화, 데스크탑 프로토타이핑 및 임베디드 비전 시스템 배포를 수행합니다.

영상 처리 및 컴퓨터 비전 관련 제품

Image Processing Toolbox

영상 처리, 시각화 및 분석

Computer Vision Toolbox

컴퓨터 비전, 3차원 비전 및 비디오 처리 시스템의 설계 및 테스트

Lidar Toolbox

Design, analyze, and test lidar processing systems

Medical Imaging Toolbox

Visualize, register, segment, and label 2D and 3D medical images

도움말 항목

데이터 전처리 및 데이터에 레이블 지정하기

Choose an App to Label Ground Truth Data (Computer Vision Toolbox)
Decide which app to use to label ground truth data: Image Labeler, Video Labeler, Ground Truth Labeler, Lidar Labeler, Signal Labeler, or Medical Image Labeler.
Preprocess Data for Domain-Specific Deep Learning Applications (Deep Learning Toolbox)
Perform deterministic or randomized data processing for domains such as image processing, object detection, semantic segmentation, signal and audio processing, and text analytics.
Getting Started with Point Clouds Using Deep Learning (Computer Vision Toolbox)
Understand how to use point clouds for deep learning.
영상 정합 방법 (Image Processing Toolbox)
네 가지의 영상 정합 방법, 즉 정합 추정기 앱, 명암 기반의 자동 영상 정합, 제어점 정합, 자동화된 특징 매칭 중에서 선택합니다.

객체 및 특징 검출하기

Getting Started with Object Detection Using Deep Learning (Computer Vision Toolbox)
Object detection using deep learning neural networks.
Local Feature Detection and Extraction (Computer Vision Toolbox)
Learn the benefits and applications of local feature detection and extraction.
Match and Visualize Corresponding Features in Point Clouds (Lidar Toolbox)
This example shows how to match corresponding features between point clouds using the pcmatchfeatures function and visualize them using the pcshowMatchedFeatures function.

영상 분할하기

딥러닝을 사용한 의미론적 분할 시작하기 (Computer Vision Toolbox)
딥러닝을 사용하여 클래스를 기준으로 객체를 분할합니다.
영상 분할기 시작하기 (Image Processing Toolbox)
다양한 기법을 사용하여 영상을 분할하고 이진 마스크를 미세 조정하고 저장하며 영상 분할기 앱을 사용하여 분할 코드를 내보냅니다.
색 이진화 앱을 사용하여 영상을 분할하고 마스크 만들기 (Image Processing Toolbox)
색 값을 기준으로 영상을 분할하고 색 이진화를 사용하여 이진 마스크 영상을 만듭니다.

영상 향상시키기

Get Started with GANs for Image-to-Image Translation (Image Processing Toolbox)
Transfer styles and characteristics from one set of images to the scene content of other images by using generative adversarial networks (GANs).
대비 향상 기법 (Image Processing Toolbox)
명암 값 매핑, 히스토그램 평활화, 대비 제한 적응 히스토그램 평활화를 사용하여 회색조 영상과 컬러 영상의 대비를 조정합니다.
잡음 제거 (Image Processing Toolbox)
평균화 필터링, 중앙값 필터링, 국소 영상 분산에 기반한 적응 필터링과 같은 기법을 사용하여 영상 잡음을 제거합니다.

동시적 위치추정 및 지도작성 수행하기

Choose SLAM Workflow Based on Sensor Data (Computer Vision Toolbox)
Choose the right simultaneous localization and mapping (SLAM) workflow and find topics, examples, and supported features.

데이터 수집 및 보정하기

Get Started with Image Acquisition Explorer (Image Acquisition Toolbox)
Use the Image Acquisition Explorer to preview, configure, acquire, and save image data.
Using the Single Camera Calibrator App (Computer Vision Toolbox)
Estimate camera intrinsics, extrinsics, and lens distortion parameters.
What Is Lidar-Camera Calibration? (Lidar Toolbox)
Fuse lidar and camera data.

하드웨어에 배포하기

Code Generation for Image Processing (Image Processing Toolbox)
Learn how to generate C code from Image Processing Toolbox™ functions using MATLAB^® Coder™.
GPU Code Generation Workflow (GPU Coder)
Design, implement, and verify generated CUDA MEX for acceleration and standalone CUDA code for deployment.

추천 예제

영상 크기 조정하기

승산식 스케일링 인자를 지정하거나 영상의 원하는 출력 크기를 지정하여 영상의 크기를 변경합니다.

Detect and Count Cell Nuclei in Whole Slide Images

Use color thresholding and region property analysis, while working with small blocks of image data, to detect nuclei in WSIs.

Automatically Detect and Recognize Text Using Pretrained CRAFT Network and OCR

Perform text recognition by using a deep learning based text detector and OCR. In the example, you use a pretrained CRAFT (character region awareness for text) deep learning network to detect the text regions in the input image. You can modify the region threshold and the affinity threshold values of the CRAFT model to localise an entire paragraph, a sentence, or a word. Then, you use OCR to recognize the characters in the detected text regions.