matchfeatures.

查找匹配功能

页面上倒塌

句法

IndexPairs = MatchFeatures（特性1，功能2）
[indexpairs，matilemmetric] = matchfeatures（特点1，特点2）
[IndexPairs，MatileMetric] = MatchFeatures（特征1，功能2，名称，值）

描述

例子

indexPair.= matchfeatures（特点1那特点2）返回两个输入功能集中匹配功能的索引。输入功能必须是二进制文件对象或矩阵。

[indexPair.那mationmetric.] = matchFeatures（特点1那特点2）还返回匹配功能之间的距离，索引indexPair.。

[indexPair.那mationmetric.] = matchFeatures（特点1那特点2那名称，价值）包括一个或多个指定的其他选项名称，价值对论点。

例子

全部收缩

打开直播脚本

在使用本地邻居和Harris算法之间查找一对图像之间的相应兴趣点。

阅读立体声图像。

i1 = rgb2gray（imread（'viprection_deskleft.png'））;I2 = RGB2GRAY（IMREAD（'viprection_deskright.png'））;

找到角落。

要点1 =探测器（I1）;要点2 =探测法（I2）;

提取邻域功能。

[特征1，有效_Points1] =提取物（I1，Points1）;[特征2，有效_Points2] =提取物（I2，Point2）;

匹配功能。

indexPairs = MatchFeatures（特点1，特点2）;

检索每个图像的对应点的位置。

matchedpoints1 = viply_points1（indexPairs（：，1），:);matchedpoints2 =有效_points2（IndexPairs（:,2），:);

可视化相应的点。尽管有几个错误的匹配，您可以看到两个图像之间的翻译效果。

数字;ShowMatchedFeatures（I1，I2，MatchedPoints1，MatchedPoints2）;

打开直播脚本

使用冲浪本地特征检测器功能在两个图像之间找到相应的点，彼此旋转并缩放。

阅读两个图像。

i1 = imread（'cameraman.tif'）;I2 = Imresize（Imrotate（I1，-20），1.2）;

找到冲浪功能。

要点1 =检测到（I1）;点2 =检测到（I2）;

提取功能。

[F1，VPTS1] =提取物（I1，点1）;[F2，VPTS2] =提取物（I2，点2）;

检索匹配点的位置。

IndexPairs = MatchFeatures（F1，F2）;matchedpoints1 = VPTS1（IndexPairs（：，1））;matchedpoints2 = VPTS2（IndexPairs（:,2））;

显示匹配点。数据仍然包含多个异常值，但您可以看到旋转和缩放对匹配功能显示的影响。

数字;ShowMatchedFeatures（I1，I2，MatchedPoints1，MatchedPoints2）;传奇（'匹配点1'那'匹配要点2'）;

输入参数

全部收缩

特点设置1，指定为a二进制文件对象或An.m1-经过-N矩阵。矩阵包含m1功能和N对应于每个特征向量的长度。你可以获得二进制文件对象使用提取物质使用快速视网膜键点（Freak），以快速和旋转的简要（ORB）为定向（ORB），或二进制强大的不变性可伸缩关键点（快速）描述符方法。

特点设置2，指定为a二进制文件对象或An.m2-经过-N矩阵。矩阵包含m2功能和N对应于每个特征向量的长度。你可以获得二进制文件对象使用提取物质使用快速视网膜键点（Freak），以快速和旋转的简要（ORB）为定向（ORB），或二进制强大的不变性可伸缩关键点（快速）描述符方法。

名称值对参数

指定可选的逗号分离对名称，价值论点。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen。

例子：'公制'那'SSD'指定特征匹配度量的平方差的和。

匹配方法，指定为逗号分隔的配对组成方法'还有'彻底的'要么'近似'。该方法指定邻居之间的最近邻居特点1和特点2被发现。当它们之间的距离小于由此设置的阈值时，两个特征向量匹配Matchthreshold.范围。

'彻底的'

计算特征向量之间的成对距离特点1和特点2。
'近似'

使用有效的近似最近邻搜索。使用此方法进行大功能集。[3]

匹配的阈值阈值，指定为由“逗号分隔的对”组成“Matchthreshold.'和标量百分比范围（0,100]。默认值设置为10.0对于二进制特征向量或1.0对于非加入特征向量。您可以使用匹配阈值来选择最强的匹配。阈值表示与完美匹配的距离的百分比。

当它们之间的距离小于设置的阈值时，两个特征向量匹配Matchthreshold.。当特征之间的距离大于值时，该功能拒绝匹配Matchthreshold.。增加值以返回更多匹配项。

输入的输入二进制文件对象通常需要匹配阈值的更大值。这提取物质函数返回二进制文件提取句柄时，ORB或快速描述符。

比率阈值，指定为逗号分隔的配对组成Maxratio.'和范围内的标量比值（0,1]。使用MAX比率来拒绝模糊匹配。增加此值以返回更多匹配项。

特征匹配度量标准，指定为逗号分隔对组成公制'还有'伤心'要么'SSD'。

'伤心' 绝对差异的总和
'SSD' 平方差异的总和

此属性适用于输入功能集时，特点1和特点2， 不是二进制文件对象。指定功能时二进制文件对象，该函数使用汉明距离来计算相似度量。

独特的匹配，指定为逗号分隔的配对组成独特'还有错误的要么真的。将此值设置为真的返回之间的独特匹配特点1和特点2。

当你设置时独特到错误的，该函数返回之间的所有匹配特点1和特点2。多个功能特点1可以匹配一个功能特点2。

当你设置时独特到真的，该函数执行前后匹配以选择唯一的匹配。匹配后特点1到特点2， 它匹配特点2到特点1并保持最佳匹配。

输出参数

全部收缩

两个输入功能集之间的相应功能的指标，返回为aP.- 2矩阵P.指数数量。每个索引对对应于之间的匹配功能特点1和特点2输入。第一个元素索引该功能特点1。第二个元素索引匹配功能特点2。

匹配功能之间的距离，作为a返回P.-by-1矢量。距离的值基于所选的度量。每个一世inmationmetric.对应于一世在里面indexPair.输出矩阵。什么时候公制被设置为伤心要么SSD.，特征向量在计算之前被归一化到单元向量。

公制 范围 完美匹配价值
伤心 [0.那2*SQRT.（尺寸（特点1那2））]。 0.
SSD. [0.那4.] 0.
汉字 [0，功能1.numbits.] 0.

笔记

你不能选择汉字公制。它是自动调用的特点1和特点2输入是二进制文件。

参考

[1] Lowe，David G.“来自Scale-Invariant Keypoints的独特图像特征。”国际计算机愿景。第60卷，第2页，第91-110页。

[2] Muja，M.和D. G. Lowe。“二元特征的快速匹配。”计算机和机器人愿景会议。CRV，2012年。

[3] Muja，M.和D. G. Lowe。“具有自动算法配置的快速近似邻居。”计算机视觉理论与应用国际会议.Visapp，2009。

[4] Rublee，E.，V.Rabaud，K.Konolige和G. Bradski。“ORB：筛选或冲浪的有效替代品。”在2011年国际计算机愿景会议的诉讼程序，2564-2571。巴塞罗那，西班牙，2011年。

扩展能力

也可以看看

|||||||||||

话题

在R2011A介绍

计算机视觉工具箱文档
金宝app
与Matlab引入深度学习

与Matlab引入深度学习

下载电子书