主要内容

extractFeatures

提取兴趣点描述符

折叠所有页面

语法

[特征，有效点]=提取特征（I，点）
[特征，有效点]=提取特征（I，点，名称，值）

描述

例子

[特性,validPoints] =提取物（我,要点)返回从二值图像或强度图像中提取的特征向量（也称为描述符）及其相应位置。

该函数从兴趣点周围的像素派生描述符。像素代表并匹配由单点位置指定的特征。每个单点指定一个邻域的中心位置。用于描述符提取的方法取决于输入的类要点．

例子

[特性,validPoints] =提取物（我,要点,名称、值)使用一个或多个指定的附加选项名称、值对论点。

例子

全部崩溃

打开生活的脚本

阅读图片。

我= imread (“cameraman.tif”);

查找并提取角落功能。

角落= detectHarrisFeatures(我);[features, valid_corners] = extractFeatures(I, corners);

显示图像。

数字;imshow（i）;抓住在

图中包含一个坐标轴。轴包含一个image类型的对象。

绘制有效的角点。

绘图（有效的_角）；

图中包含一个坐标轴。轴包含两个类型为image, line的对象。

打开生活的脚本

阅读图片。

我= imread (“cameraman.tif”);

查找并提取特征。

点=检测（I）;[功能，有效_Points] =提取物（i，点）;

显示和绘图10个最强的SURF功能。

数字;imshow（i）;抓住在；情节(valid_points.selectStrongest (10),“展示方向”,真正的);

图中包含一个轴。该轴包含3个类型为image、line的对象。

打开生活的脚本

阅读图片。

我= imread (“cameraman.tif”);

使用MSER和SURF特征描述符查找特征。

区域= detectMSERFeatures(我);[feature, valid_points] = extractFeatures(I,regions, valid_points)“直立的”,真正的);

显示与MSER椭圆中心对应的曲面特征。

数字;imshow（i）;抓住在；情节(valid_points“展示方向”,真正的);

图中包含一个轴。该轴包含3个类型为image、line的对象。

输入参数

全部崩溃

输入图像，指定为二进制或二维灰度图像。

数据类型:符合逻辑的|单|双|int16|uint8|uint16

正方形邻域的中心位置点，指定为轻点,SURFPoints,Kazepoints.,MSERRegions,角点,或ORBPoints对象,或一个M2的矩阵M[x y]坐标的数量。表列出了可用于提取的可能输入的点数。

类的点
轻点 二进制鲁棒不变可伸缩关键点（BRISK）
SURFPoints对象 加速强大的功能（冲浪）
MSERRegions对象 最大稳定极值区域(MSER)
角点 来自加速分段测试(FAST)、最小特征值或哈里斯的特征
Kazepoints. 基于非线性图像金字塔的旋转和方向不变特征。类似于冲浪，但包含较少的嘈杂点。
ORBPoints 面向快速和旋转的简短（ORB）功能。
M[xy]坐标的- × 2矩阵 [x y]点位置周围的简单方形邻域

名称-值对参数

指定可选的逗号分隔的字符对名称、值论点。的名字是参数名和价值为对应值。的名字必须出现在引号内。您可以按任意顺序指定多个名称和值对参数，如下所示：name1，value1，...，namen，valuen．

例子:“方法”,“街区”指定堵塞方法提取描述符。

描述符提取方法，指定为逗号分隔的配对组成方法”和“狂'，'冲浪'，'ORB',堵塞'， 或者 '汽车'.

该表描述了函数如何实现描述符提取方法。

方法 特征向量(描述符)
轻快的 二进制鲁棒不变可伸缩关键点（BRISK）。
该功能设置了方向财产的财产validPoints将对象输出到提取特征的方向（以弧度为单位）。
狂 快速视网膜关键点(FREAK)。
该功能设置了方向财产的财产validPoints将对象输出到提取特征的方向（以弧度为单位）。
冲浪 加速健壮特性(SURF)。
该功能设置了方向财产的财产validPoints将对象输出到提取特征的方向（以弧度为单位）。

当你使用MSERRegions对象与之冲浪方法，这质心属性提取SURF描述符。这个轴对象的属性选择表面粗糙度描述符的比例，以便表示特征的圆具有与MSER椭圆面积成比例的面积。比例计算如下：1/4*sqrt（（大口径/2）。*（小口径/2））和饱和1．6的要求SURFPoints对象。
ORB 面向快速和旋转的简短（ORB）功能。
这个方向财产的财产validPoints的输出对象将自动设置为方向输入的属性ORBPoints对象要点．
KAZE 基于非线性金字塔的特征。

该功能设置了方向财产的财产validPoints将对象输出到提取特征的方向（以弧度为单位）。

当你使用MSERRegions对象与之KAZE方法，这位置属性用于提取KAZE描述符。

这个轴属性选择KAZE描述符的比例，这样表示特征的圆的面积与MSER椭圆面积成比例。
堵塞 简单的方形neighbhorhood。

这个堵塞方法仅提取完全包含在图像边界内的邻域。因此，输出，validPoints，可以包含比输入更少的点要点．
汽车 函数选择方法，基于输入点和实现的类：
这个狂a的方法角点输入对象。
这个冲浪a的方法SURFPoints或MSERRegions输入对象。
这个轻快的a的方法轻点输入对象。
这个ORBa的方法ORBPoints输入对象。

对于一个M-by-2输入矩阵[xY]坐标，函数实现堵塞方法。

注

描述符提取方法必须为ORB，如果输入要点是一个ORBPoints对象。同时,ORB描述符提取方法不支持任何其他类别的点，除非金宝appORBPoints．

块大小，指定为奇整数标量。这个值定义了本地的正方形邻域块大小-经过-块大小，以每个兴趣点为中心。此选项仅在函数实现堵塞方法。

旋转不变标志，指定了逻辑标量。当您将此属性设置为真正的，将不估计特征向量的方向，并将特征方向设置为pi/2。将此设置为真正的当您不需要图像描述符来捕获旋转信息时。当您将此属性设置为假的，估计特征的方向，然后特征对旋转保持不变。

注

旋转不变性标志“直立的”不支持输入金宝app要点是一个ORBPoints对象。

SURF或KAZE特征向量(描述符)的长度，指定为64或128．该选项仅在函数实现冲浪或KAZE方法。特征尺寸越大128提供更高的精度，但降低特征匹配速度。

输出参数

全部崩溃

特征向量，作为二进制特征对象或一个M-经过-N矩阵M特征向量，也称为描述符。每个描述符都有长度N．

与中的每个输出特征向量（描述符）关联的有效点特性，以与输入相同的格式返回。有效点可以是轻点,角点,SURFPoints,Kazepoints.,MSERRegions,ORBPoints对象,或一个M-[x，y]坐标的x-2矩阵。

该函数从每个兴趣点周围的区域中提取描述符。如果该区域位于图像之外，则该函数无法计算该点的特征描述符。当感兴趣点离图像边缘太近时，该函数无法计算特征描述子。在这种情况下，函数忽略这个点。该点不包含在有效点输出中。

参考

G. Bradski和A. Kaehler学习OpenCV：使用OpenCV库进行计算机视觉， O'Reilly, Sebastopol, CA, 2008。

[2] 赫伯特湾、安德烈亚斯·艾斯、蒂恩·图泰拉尔斯、吕克·凡·格尔、，SURF：加速强大功能”，计算机视觉和图像理解（CVIU），第110卷，第3期，第346-359页，2008年

[3] Bay、Herbert、Andreas Ess、Tinne Tuytelaars和Luc Van Gool，“冲浪：加速强健的功能”，计算机视觉和图像理解（CVIU），第110卷，第3期，第346-359页，2008年。

[4] Alahi、Alexandre、Ortiz、Raphael和Pierre Vandergheynst，“怪物：快速视网膜关键点”，计算机视觉和模式识别大会上, 2012年。

[5] 阿尔坎塔里拉，P.F.，A.巴托利和A.J.戴维森的《卡泽特色》，ECCV 2012，第六部分，LNCS 7577214年,2012页

扩展功能

另见

|||||||||||||||

话题

在R2011a中引入

计算机视觉工具箱文档

金宝app

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书