使用加速鲁棒功能（SURF）的对象识别由三个步骤组成：功能提取，功能描述和功能匹配。该示例执行特征提取，这是冲浪算法的第一步。这里使用的算法基于OpenSurf库实现。此示例显示如何通过CUDA®代码生成使用GPU编码器™来解决此计算密集型问题。

从MATLAB®代码生成CUDA®MEX并执行两个图像之间的功能匹配。这个例子使用了matchfeatures.（计算机视觉工具箱）从图像处理工具箱™函数以匹配两个旋转并相对于彼此缩放的图像之间的特征描述符。通过使用加速鲁棒特征（冲浪）算法来检测和提取两个图像的特征描述符。

为Matlab®功能生成CUDA®MEX，可以检测图像上的车道标记边界。该示例将RGB图像拍摄为输入并使用ordfilt2.（图像处理工具箱），霍夫（图像处理工具箱），Houghpeaks.（图像处理工具箱），和Houghlines.（图像处理工具箱）是图像处理工具箱™的一部分的函数，以产生车道检测到的输出图像。

在具有从MATLAB®功能生成的CUDA®MEX功能中展示了边缘检测。边缘检测算法以半精密数据类型实现。

为Simulink®模型生成CUDA®代码，可以检测金宝app和输出图像上的车道标记边界。此示例将RGB图像作为输入，并使用imresize（图像处理工具箱），RGB2GRAY.那ordfilt2.（图像处理工具箱），霍夫（图像处理工具箱），Houghpeaks.（图像处理工具箱），和Houghlines.（图像处理工具箱）是图像处理工具箱™的一部分的函数，用于检测车道标记。此示例通过使用Houghlines函数密切关注GPU上的车道检测。

雾化算法的典型实现。示例使用Conv2.那IM2GRAY.， 和im（图像处理工具箱）函数。此示例密切关注雾化整流示例。此示例说明以下概念：GPU环境验证。