创建一个基于内容的图像检索(CBIR)系统使用一个定制的bag-of-features工作流。

使用模式匹配的二维归一化互相关和目标跟踪。示例使用预定义的或用户指定的目标和许多类似的目标跟踪。归一化互相关的情节显示值超过设定阈值时,目标识别。

检测到一个特定的对象在一个混乱的场景,给图像的对象的引用。

数字使用猪的特性和多类支持向量机分类器进行分类。

自动确定一对图像之间的几何变换。当一个图像扭曲相对于另一个旋转和尺度,使用detectSURFFeatures和estimateGeometricTransform2D旋转角度和比例因子。你可以改变扭曲的图像恢复原始图像。

自动创建一个全景使用基于特征的图像配准技术。

稳定的视频中战战兢兢的平台。稳定视频的一种方法是跟踪图像的显著特征,使用这个作为一个锚点来抵消扰动相对于它。然而,这个过程必须与知识的引导,这样的显著特征在于第一视频帧。在这个例子中,我们探索一种有效的方法,视频稳定没有任何先验知识。它不是自动搜索“背景平面”的视频序列,并利用其观察到的畸变对相机运动。

使用形态学操作数对象在一个视频流。

结合使用的基本形态运营商和blob分析从视频流中提取信息。在这种情况下,示例计算大肠杆菌的数量在每个视频帧。注意细胞是不同的亮度,使分割更具挑战性的任务。