图像特征检测是许多计算机视觉任务的构建块,如图像配准、跟踪和目标检测。计算机视觉工具箱™包含多种图像特征检测功能。这些函数返回一些对象,这些对象存储特定于特定类型特性的信息,包括(x,y)坐标位置
属性)。您可以将一个点对象从一个检测函数传递给各种需要特征点作为输入的其他函数。检测函数使用的算法确定它返回的点对象的类型。
点对象 | 返回的 | 类型的特性 |
---|---|---|
cornerPoints |
检测到空间 加速分段测试(FAST)算法的特点 使用近似度量来确定角。[1] |
角落 |
detectMinEigenFeatures 最小特征值算法 使用最小特征值度量来确定角位置。[4] |
||
detectHarrisFeatures Harris-Stephens算法 比最小特征值算法更有效。[3] |
||
BRISKPoints |
检察机构 二进制稳健不变可扩展关键点(BRISK)算法[6] |
角落 |
SIFTPoints |
detectSIFTFeatures 尺度不变特征变换 |
斑点 |
SURFPoints |
detectSURFFeatures 加速鲁棒特征(SURF)算法[11] |
斑点 |
orbpoints. |
detectORBFeatures 面向快速和旋转简短(ORB)方法[13] |
角落 |
KAZEPoints |
detectKAZEFeatures KAZE不是首字母缩写,而是源于日语的名字kaze,意思是风。参考的是由非线性过程控制的大尺度气流。[12] |
多尺度BLOB功能 减少了物体边界的模糊 |
MSERRegions |
|
均匀强度区 |
函数 | 描述 | ||||
---|---|---|---|---|---|
relativeCameraPose |
计算相机姿态之间的相对旋转和平移 |
||||
estimateFundamentalMatrix |
从立体图像中相应的点估计基本矩阵 | ||||
estimateGeometricTransform2D |
从匹配点对估计几何变换 | ||||
estimateUncalibratedRectification |
未校准的立体声整改 | ||||
extractFeatures |
提取兴趣点描述符 | ||||
方法 | 特征向量 | ||||
轻快的 |
函数设置取向 财产的validPoints 输出对象为提取特征的方向,以弧度为单位。 |
||||
狂 |
函数设置取向 财产的validPoints 输出对象为提取特征的方向,以弧度为单位。 |
||||
冲浪 |
函数设置取向 财产的validPoints 输出对象为提取特征的方向,以弧度为单位。当你使用 |
||||
KAZE |
基于非线性金字塔的特点。 函数设置 当你使用 的 |
||||
ORB |
函数不设置取向 财产的validPoints 输出对象指向所提取特征的方向。默认情况下,取向 的属性validPoints 设置为取向 输入属性orbpoints. 对象。 |
||||
块 |
简单的方形neighbhorhood。 的 |
||||
汽车 |
函数选择方法 根据类的输入点和实现:
对于一个米[的- × 2输入矩阵xy,则函数实现 |
||||
extractHOGFeatures |
提取直方图定向梯度(HOG)特征 | ||||
InsertMarker. |
在图像或视频中插入标记 | ||||
showMatchedFeatures |
显示相应的特征点 | ||||
由三角形组成的 |
立体图像中未扭曲匹配点的三维位置 | ||||
undistortPoints |
矫正点坐标的镜头畸变 |
Rosten, E.和T. Drummond,“高速转角检测的机器学习”。第九届欧洲计算机视觉会议.2006年第1卷,第430-443页。
[2] Mikolajczyk, K.和C. Schmid。“对本地描述符的性能评估。”IEEE模式分析与机器智能汇刊。27卷,2005年第10期,1615-1630页。
哈里斯C.和M. J.斯蒂芬斯。"角和边缘综合检测器"第四届阿尔维视觉会议论文集.1988年8月,147-152页。
[4]施,J.和C.托马西。“要追踪的好功能。”计算机视觉与模式识别IEEE会议论文集.1994年6月,第593-600页。
[5] Tuytelaars,T.和K.Mikolajczyk。“本地不变特征探测器:调查。”计算机图形和愿景的基础和趋势.第3卷,2007年第3期,第177-280页。
[6] Leutenegger,S.,M.Chli和R. Siegwart。“快速:二进制强大的不变可伸缩关键点。”IEEE国际会议论文集.ICCV, 2011年。
[7] Nister, D.和H. Stewenius。"线性时间最大稳定极值区域"计算机科学讲稿。第十届欧洲计算机视觉会议.法国马赛:2008年,第一名。5303年,页183 - 196。
[8] Matas, J., O. Chum, M. Urba和T. Pajdla。“稳健的宽基线立体声从最大稳定的极值区域。”英国机器视觉会议论文集.2002年,页384 - 396。
[9] Obdrzalek D., S. Basovnik, L. Mach和A. Mikulik。"使用最稳定的颜色区域来检测场景元素"计算机与信息科学中的通信.中国科学院院刊,2009,Vol. 82, CCIS(2010年12月),pp . 107-115。
[10] Mikolajczyk, K., T. Tuytelaars, C. Schmid, A. Zisserman, T. Kadir和L. Van Gool。"仿射区域探测器的比较"国际计算机视觉杂志.第65卷第1-2号,2005年11月,第43-72页。
[11]贝,H., A. Ess, T. Tuytelaars和L. Van Gool。SURF:加速的健壮功能。计算机视觉与图像理解(CVIU).Vol。110, 2008年第3期,第346-359页。
Alcantarilla, p.f., A. Bartoli和A. j . Davison。“KAZE功能”,ECCV 2012,第六部分,LNCS 7577214年,2012页
[13]卢布,E., V. Rabaud, K. Konolige和G. Bradski。ORB:一种替代SIFT或SURF的有效方法在2011年计算机视觉国际会议论文集, 2564 - 2571。2011年西班牙巴塞罗那。
[14] Rosten E.和T. Drummond。“融合点和线的高性能跟踪,”IEEE计算机视觉国际会议论文集,第2卷(2005年10月):1508-1511页
[15] Lowe, David G..“基于尺度不变关键点的独特图像特征。”Int。j .第一版。愿景60,不。2(2004):91--110。