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。

给定杂乱场景中的特定对象，给定对象的参考图像。

使用HOG功能和多字符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。当一个图像通过旋转和缩放相对于另一个图像被扭曲时，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登记技术自动创建全景。

稳定从抖动平台捕获的视频。稳定视频的一种方法是跟踪图像中的突出特征，并使用它作为锚点，以取消相对于它的所有扰动。然而，此过程必须以这种突出特征在于第一视频帧的位置引导。在此示例中，我们探讨了一种视频稳定方法，其无需任何此类先验知识。它改为自动搜索视频序列中的“背景平面”，并使用其观察失真来校正相机运动。

使用形态操作来计算视频流中的对象。

使用基本形态运算符和BLOB分析的组合来从视频流中提取信息。在这种情况下，该示例计算每个视频帧中的大肠杆菌细菌的数量。注意，细胞具有不同的亮度，这使得分割的任务更具挑战性。