使用自定义的特性工作流程创建基于内容的图像检索（CBIR）系统。

使用2-D标准化的互相关进行模式匹配和目标跟踪。该示例使用预定义或用户指定的目标和要跟踪的类似目标的数量。归一化交叉相关图表明，当该值超过设定阈值时，识别目标。

在一个杂乱的场景中检测一个特定的物体，给定一个物体的参考图像。

使用HOG特征和多类SVM分类器对数字进行分类。

自动确定一对图像之间的几何变换。当一幅图像因旋转和缩放而相对于另一幅图像发生畸变时，请使用探测拍摄和estimateGeometricTransform2d.找到旋转角度和比例因子。然后，您可以转换扭曲的图像以恢复原始图像。

使用基于特征的图像配准技术自动创建全景图。

稳定从一个紧张的平台上拍摄的视频。稳定视频的一种方法是跟踪图像中的一个显著特征，并将其作为锚点来抵消与它相关的所有扰动。然而，在引导这个过程时，必须知道在第一个视频帧中这个显著特征在哪里。在这个例子中，我们探索了一种不需要任何先验知识的视频稳定方法。相反，它会自动搜索视频序列中的“背景平面”，并利用其观测到的失真来校正摄像机的运动。

使用形态运算来计数视频流中的对象。

结合使用基本形态运算符和blob分析从视频流中提取信息。在本例中，该示例计算了每个视频帧中大肠杆菌的数量。注意，细胞的亮度是不同的，这使得分割任务更具挑战性。