Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

detectMinEigenFeatures

최소 고유값 알고리즘을 사용하여 코너를 검출하고 cornerPoints 객체 반환

페이지 내 모두 축소

구문

points = detectMinEigenFeatures(I)
points = detectMinEigenFeatures(I,Name,Value)

설명

예제

points = detectMinEigenFeatures(I)는 cornerPoints 객체 points를 반환합니다. 이 객체는 2차원 회색조 입력 영상 I에서 검출된 특징점에 대한 정보를 포함합니다. detectMinEigenFeatures 함수는 Shi와 Tomasi가 개발한 최소 고유값 알고리즘을 사용하여 특징점을 찾습니다.

points = detectMinEigenFeatures(I,Name,Value)는 하나 이상의 Name,Value 쌍 인수로 지정된 추가 옵션을 사용합니다.

예제

모두 축소

라이브 스크립트 열기

영상을 읽어 들입니다.

I = checkerboard;

코너를 찾습니다.

corners = detectMinEigenFeatures(I);

결과를 표시합니다.

imshow(I); hold on;
plot(corners.selectStrongest(50));

Figure contains an axes object. The axes object contains 2 objects of type image, line.

입력 인수

모두 축소

입력 영상으로, 2차원 회색조로 지정됩니다. 입력 영상은 실수형 비희소(nonsparse) 형식이어야 합니다.

데이터형: single | double | int16 | uint8 | uint16 | logical

이름-값 인수

선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN으로 지정합니다. 여기서 Name은 인수 이름이고 Value는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.

R2021a 이전 릴리스에서는 쉼표를 사용하여 각 이름과 값을 구분하고 Name을 따옴표로 묶으십시오.

예: 'MinQuality','0.01','ROI', [50,150,100,200]은 검출기가 지정된 관심 영역(ROI) 내에서 코너에 대해 허용되는 최소 품질로 1%를 사용하도록 지정합니다. 이 관심 영역은 x=50, y=150에 있습니다. ROI의 너비는 100픽셀이고 높이는 200픽셀입니다.

코너에 대해 허용되는 최소 품질로, 'MinQuality'와 함께 [0,1] 범위의 스칼라 값이 쉼표로 구분되어 지정됩니다.

코너에 대해 허용되는 최소 품질은 영상에서 최대 코너 메트릭 값의 비율을 나타냅니다. 실수로 검출된 코너를 제거하려면 더 큰 값을 사용하면 됩니다.

예: 'MinQuality', 0.01

데이터형: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

가우스 필터 차원으로, 'FilterSize'와 [3, inf) 범위의 홀수 정수 값이 쉼표로 구분되어 지정됩니다.

가우스 필터는 입력 영상의 기울기를 평활화합니다.

이 함수는 FilterSize 값을 사용하여 필터의 차원 FilterSize×FilterSize를 계산합니다. 또한 표준편차를 FilterSize/3으로 정의합니다.

예: 'FilterSize', 5

데이터형: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64

코너 검출에 대한 사각형 영역으로, 'ROI'와 [x y width height] 형식의 벡터가 쉼표로 구분되어 지정됩니다. 처음 두 정수 값 [x y]는 관심 영역의 왼쪽 위 코너의 위치를 나타냅니다. 마지막 두 정수 값은 너비와 높이를 나타냅니다.

예: 'ROI', [50,150,100,200]

출력 인수

모두 축소

코너 점으로, cornerPoints 객체로 반환됩니다. 이 객체는 2차원 회색조 입력 영상에서 검출된 특징점에 대한 정보를 포함합니다.

참고 문헌

[1] Shi, J., and C. Tomasi, "Good Features to Track," Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, June 1994, pp. 593–600.

확장 기능

버전 내역

R2013a에 개발됨

참고 항목

함수

객체

도움말 항목