특징 검출 및 추출

영상 정합, 관심점 검출, 특징 설명자 추출, 특징점 매칭 및 영상 검색

국소 특징과 그 설명자는 많은 컴퓨터 비전 알고리즘에서 기본적인 구성요소입니다. 응용 분야로는 영상 정합, 객체 검출 및 분류, 추적, 움직임 추정, 콘텐츠 기반 영상 검색(CBIR) 등이 있습니다. 이러한 알고리즘은 스케일 변화, 회전 및 폐색을 더 효과적으로 처리하기 위해 국소 특징을 사용합니다. Computer Vision Toolbox™ 알고리즘에는 FAST, Harris, Shi & Tomasi 코너 검출기와 SIFT, SURF, KAZE, MSER 블롭 검출기가 포함됩니다. 이 툴박스에는 SIFT, SURF, FREAK, BRISK, LBP, ORB 및 HOG 설명자가 포함되어 있습니다. 응용 분야의 요구 사항에 따라 이러한 검출기와 설명자를 적절히 조합하여 사용할 수 있습니다.

One item feature matched from a cluttered scene

함수

모두 확장

특징 검출

`detectBRISKFeatures`	BRISK 특징을 검출하고 `BRISKPoints` 객체를 반환
`detectFASTFeatures`	FAST 알고리즘을 사용하여 코너를 검출하고 `cornerPoints` 객체 반환
`detectHarrisFeatures`	Harris–Stephens 알고리즘을 사용하여 코너를 검출하고 `cornerPoints` 객체 반환
`detectKAZEFeatures`	Detect KAZE features
`detectMinEigenFeatures`	최소 고유값 알고리즘을 사용하여 코너를 검출하고 `cornerPoints` 객체 반환
`detectMSERFeatures`	Detect MSER features
`detectORBFeatures`	Detect ORB keypoints
`detectSIFTFeatures`	SIFT(Scale-Invariant Feature Transform) 특징 검출 및 `SIFTPoints` 객체 반환
`detectSURFFeatures`	SURF 특징을 검출하고 `SURFPoints` 객체를 반환

특징 추출

`extractFeatures`	Extract interest point descriptors
`extractLBPFeatures`	Extract local binary pattern (LBP) features
`extractHOGFeatures`	Extract histogram of oriented gradients (HOG) features

특징 매칭

`matchFeatures`	매칭되는 특징 찾기
`matchFeaturesInRadius`	Find matching features within specified radius

영상 검색

`imwarp`	영상에 기하 변환 적용
`estgeotform2d`	Estimate 2-D geometric transformation from matching point pairs
`estgeotform3d`	Estimate 3-D geometric transformation from matching point pairs
`vision.AlphaBlender`	Combine images, overlay images, or highlight selected pixels
`vision.BlockMatcher`	Estimate motion between images or video frames
`vision.LocalMaximaFinder`	Find local maxima in matrices
`vision.TemplateMatcher`	Locate template in image

시각화 및 표시

`insertMarker`	영상 또는 비디오에 마커 삽입
`insertShape`	영상 또는 비디오에 형태 삽입
`showMatchedFeatures`	Display corresponding feature points
`showShape`	Display shapes on image, video, or point cloud
`insertObjectAnnotation`	Annotate truecolor or grayscale image or video stream
`insertText`	Insert text in image or video
`imshow`	영상 표시
`imshowpair`	두 영상의 차이 비교
`vision.GammaCorrector`	Apply or remove gamma correction from images or video streams
`vision.ChromaResampler`	Downsample or upsample chrominance components of images

특징 저장

`binaryFeatures`	Object for storing binary feature vectors
`BRISKPoints`	Object for storing BRISK interest points
`cornerPoints`	Object for storing corner points
`KAZEPoints`	Object for storing KAZE interest points
`MSERRegions`	Object for storing MSER regions
`ORBPoints`	Object for storing ORB keypoints
`SIFTPoints`	Object for storing SIFT interest points
`SURFPoints`	Object for storing SURF interest points

객체 변환

`rigidtform2d`	2-D rigid geometric transformation
`simtform2d`	2-D similarity geometric transformation
`affinetform2d`	2-D affine geometric transformation
`projtform2d`	2-D projective geometric transformation
`rigidtform3d`	3-D rigid geometric transformation
`simtform3d`	3-D similarity geometric transformation

영상 검색

인식 데이터베이스 만들기

`bagOfFeatures`	Bag-of-visual-words 객체
`invertedImageIndex`	Search index that maps visual words to images

영상 검색

`retrieveImages`	Search image set for similar image
`imageDatastore`	이미지 데이터의 데이터저장소
`evaluateImageRetrieval`	Evaluate image search results

도움말 항목

Local Feature Detection and Extraction
Learn the benefits and applications of local feature detection and extraction.
Point Feature Types
Choose functions that return and accept points objects for several types of features.
Coordinate Systems
Specify pixel Indices, spatial coordinates, and 3-D coordinate systems
Draw Shapes and Lines
When you specify the type of shape to draw, you must also specify its location on the image.
Image Retrieval with Bag of Visual Words
Retrieve images from a collection of images similar to a query image using a content-based image retrieval (CBIR) system.

추천 예제

Image Retrieval Using Customized Bag of Features

Create a Content Based Image Retrieval (CBIR) system using a customized bag-of-features workflow.

라이브 스크립트 열기

Pattern Matching

Use the 2-D normalized cross-correlation for pattern matching and target tracking. The example uses predefined or user specified target and number of similar targets to be tracked. The normalized cross correlation plot shows that when the value exceeds the set threshold, the target is identified.

스크립트 열기

Object Detection in a Cluttered Scene Using Point Feature Matching

Detect a particular object in a cluttered scene, given a reference image of the object.

스크립트 열기

Digit Classification Using HOG Features

Classify digits using HOG features and a multiclass SVM classifier.

라이브 스크립트 열기

자동화된 특징 매칭을 사용하여 영상 회전과 스케일 구하기

이 예제에서는 단일 영상 쌍 간의 기하 변환을 자동으로 확인하는 방법을 보여줍니다. 한 영상이 회전과 스케일 때문에 다른 영상보다 왜곡된 경우 detectSURFFeatures와 estgeotform2d를 사용하여 회전 각도와 스케일링 인자를 찾을 수 있습니다. 그런 다음 왜곡된 영상을 변환하여 원래 영상을 복구할 수 있습니다.

스크립트 열기

특징 기반 파노라마 영상 이어 붙이기

이 예제에서는 특징 기반 영상 정합 기법을 사용하여 파노라마를 자동으로 만드는 방법을 보여줍니다.

라이브 스크립트 열기

Video Stabilization Using Point Feature Matching

Stabilize a video that was captured from a jittery platform. One way to stabilize a video is to track a salient feature in the image and use this as an anchor point to cancel out all perturbations relative to it. This procedure, however, must be bootstrapped with knowledge of where such a salient feature lies in the first video frame. In this example, we explore a method of video stabilization that works without any such a priori knowledge. It instead automatically searches for the "background plane" in a video sequence, and uses its observed distortion to correct for camera motion.

라이브 스크립트 열기

Object Counting

Use morphological operations to count objects in a video stream.

라이브 스크립트 열기

Cell Counting

Use a combination of basic morphological operators and blob analysis to extract information from a video stream. In this case, the example counts the number of E. Coli bacteria in each video frame. Note that the cells are of varying brightness, which makes the task of segmentation more challenging.

라이브 스크립트 열기