日后健壮的特性(冲浪)を使用したオブジェクト認識は3つのステップで構成されます。特徴抽出,特徴記述,および特徴マッチングです。この例では,冲浪アルゴリズムの最初のステップである特徴抽出を実行します。ここで使用されるアルゴリズムは,OpenSURFライブラリの実装に基づきます。この例では,GPU编码器™を使用し,CUDA®コード生成を通じてこの計算量が多い問題を解く方法を示します。

この例では,MATLAB®コードからCUDA®墨西哥人を生成し,2つのイメージ間で特徴マッチングを実行する方法を説明します。この例では、图像处理工具箱™の関数matchFeatures(计算机视觉工具箱)を使用して,互いに回転しスケーリングされた2つのイメージ間で特徴記述子をマッチングします。日后健壮的特性(冲浪)アルゴリズムを使用して2つのイメージの特徴記述子を検出および抽出します。

この例では,イメージの車線マーカー境界を検出して出力するMATLAB®関数のCUDA®墨西哥人を生成する方法を説明します。この例では,RGBイメージを入力として受け取り,图像处理工具箱™に用意されている関数rgb2gray、ordfilt2(图像处理工具箱)，脚腕(图像处理工具箱)，houghpeaks(图像处理工具箱),およびhoughlines(图像处理工具箱)を使用して,車線検出後の出力イメージを生成します。

この例では,MATLAB®関数から生成されたCUDA®墨西哥人関数を使用したイメージ内のエッジ検出について説明します。エッジ検出アルゴリズムは,半精度データ型で実装されます。

この例では,イメージの車線マーカー境界を検出して出力する仿金宝app真软件®モデルのCUDA®コードを生成する方法を説明します。この例では,RGBイメージを入力として受け取り,图像处理工具箱™に用意されている関数imresize(图像处理工具箱)，rgb2gray、ordfilt2(图像处理工具箱)，脚腕(图像处理工具箱)，houghpeaks(图像处理工具箱),およびhoughlines(图像处理工具箱)を使用して,車線区分線を検出します。この例は関数houghlinesを使用したGPUでの車線検出とほぼ同じです。

この例では,霧のかかったイメージを入力として受け取り,霧が取り除かれたイメージを出力として生成する仿金宝app真软件®モデルから,CUDA®コードを生成する方法を示します。この例は,霧修正アルゴリズムの一般的な実装です。この例では,関数conv2、rgb2gray,およびimhist(图像处理工具箱)を使用します。この例は霧の修正の例とほぼ同じです。この例では以下の概念を説明します。