主要内容

detectSIFTFeatures

检测尺度不变特征变换(SIFT)特征

自从R2021b

所有的页面崩溃

语法

点= detectSIFTFeatures(我)
点= detectSIFTFeatures(我的名字=值)

描述

例子

点= detectSIFTFeatures (我)二维灰度输入图像检测筛选功能我并返回一个SIFTPoints对象。的detectSIFTFeatures函数实现尺度不变特征变换(SIFT)算法在图像找到地方特色。

点= detectSIFTFeatures (我,名称=值)指定选项使用一个或多个名称参数除了参数从以前的语法的任意组合。例如,detectSIFTFeatures(我ContrastThreshold = 0.0133)检测筛选功能不足的对比0.0133。

例子

全部折叠

打开生活的脚本

加载一个图像。

我= imread (“cameraman.tif”);

检测图像中筛选功能。

点= detectSIFTFeatures(我);

显示结果

imshow(我);持有在;情节(points.selectStrongest (10))

图包含一个坐标轴对象。坐标轴对象包含3图像类型的对象,线。一个或多个行显示的值只使用标记

输入参数

全部折叠

输入图像,作为指定米——- - - - - -N矩阵。输入图像必须是真实的,nonsparse价值。

数据类型:单|双|int16|uint8|uint16|逻辑

名称-值参数

例子:detectSIFTFeatures(我ContrastThreshold = 0.0133)检测筛选功能不足的对比0.0133。

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

对比度阈值选择最强的特性,指定为一个非负的标量范围[0,1]。阈值是用来过滤掉弱特征图像的低对比度区域。增加对比度阈值降低的数量返回功能。

边缘阈值,指定为一个非负标量大于或等于1。阈值是用来过滤掉不稳定边特征易受噪声的图像。增加边缘阈值降低的数量特征被过滤。

层数在每个八度,指定为一个整数标量大于或等于1。八度的数量自动计算图像分辨率。增加层数在每个八度来检测图像中较大的特点。

高斯的σ,指定为一个标量。高斯的σ应用于输入图像的初始八度。σ值通常范围内[1,2]。较低的σ值如果图像是模糊的。

输出参数

全部折叠

筛选功能,作为一个返回SIFTPoints对象。这个对象包含的信息筛选功能检测的二维灰度图像。

引用

[1]劳,大卫G。“独特的形象特征尺度不变的要点。”国际计算机视觉杂志》上60,不。2(2004年11月):91 - 110。

扩展功能

版本历史

介绍了R2021b

另请参阅

对象

功能