图像的类别分类

为图像分类和基于内容的图像检索(CBIR)系统创建视觉词包

通过生成表示图像的视觉词出现的直方图，将图像分类为类别。使用这个直方图，称为一个视觉词汇包，来训练一个图像分类器。

应用程序

图片标志	为计算机视觉应用的标签图像
贴标签机视频	为计算机视觉应用的标签视频

`bagOfFeatures`	视觉词的袋子物体
`trainImageCategoryClassifier`	训练一个图像分类器
`imageCategoryClassifier`	预测图像类别
`imageDatastore`	用于图像数据的数据存储

交互式标记矩形roi用于目标检测，像素用于语义分割，多边形用于实例分割，场景用于图像分类。

交互式标记矩形roi用于目标检测，像素用于语义分割，多边形用于实例分割，场景用于视频或图像序列中的图像分类。

你可以使用带有许多不同类型图像特征的特征包(BoF)框架。

使用计算机视觉工具箱™功能，通过创建一个视觉词汇袋来进行图像类别分类。

采用包特征方法对图像进行分类。这种技巧也经常被称为词汇袋。视觉图像分类是将类别标签分配给被测图像的过程。类别可以包含代表任何东西的图像，例如，狗、猫、火车、船。

打开生活的脚本

使用预先训练的卷积神经网络(CNN)作为特征提取器来训练图像分类器。

打开生活的脚本

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。

打开生活的脚本

使用形态运算来计数视频流中的对象。

打开生活的脚本