Обнаружение и хранение ключевых точек ORB
points = detectORBFeatures(I,Name,Value)
Считайте изображение в рабочую область.
I = imread('businessCard.png');Преобразуйте изображение в полутоновое изображение.
I = rgb2gray(I);
Отображение полутонового изображения.
figure imshow(I)
Обнаружение и хранение ключевых точек ORB.
points = detectORBFeatures(I);
Отобразите полутоновое изображение и постройте обнаруженный ORB keypoints. Подавите отображение кругов вокруг обнаруженного keypoints. ORB keypoints обнаруживается в областях с отклонением высокой интенсивности.
figure imshow(I) hold on plot(points,'ShowScale',false) hold off
Считайте двухуровневое изображение в рабочую область.
I = imread('star.png');Отобразите изображение.
figure imshow(I)
Обнаружение и хранение ключевых точек ORB. Задайте масштабный коэффициент для разложения изображений как 1,01 и количество уровней разложения как 3.
points = detectORBFeatures(I,'ScaleFactor',1.01,'NumLevels',3);
Отобразите изображение и постройте обнаруженный ORB keypoints. Точки перегиба в бинарном изображении формы обнаруживаются как ORB keypoints.
figure imshow(I) hold on plot(points) hold off
I — Введите изображениеВведите изображение, заданное как M-by-N полутоновое изображение. Входное изображение должно быть действительным и неразреженным.
Типы данных: single | double | int16 | uint8 | uint16 | logical
Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.
detectORBFeatures(I,'NumLevels',4)'ScaleFactor' — Масштабный коэффициент для разложения изображенийМасштабный коэффициент для разложения изображений, заданного как разделенная запятой пара, состоящая из 'ScaleFactor' и скаляр, больше, чем 1. Значением шкалы на каждом уровне разложения является ScaleFactor(level-1), где level является любым значением в области значений [0, Numlevels- 1]. Учитывая входное изображение размера M-by-N, размер изображения на каждом уровне разложения
.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint64 | uint32
'NumLevels' — Количество уровней разложенияКоличество уровней разложения, заданных как разделенная запятой пара, состоящая из 'NumLevels' и скаляр, больше, чем или равный 1. Увеличьте это значение, чтобы извлечь keypoints из изображения на большем количестве уровней разложения.
Количество уровней разложения для извлечения keypoints ограничивается размером изображения на том уровне. Размер изображения на уровне разложения должен быть, по крайней мере, 63 63 для обнаружения keypoints. Максимальный уровень разложения вычисляется как
Если или значение по умолчанию или заданное значение 'NumLevels' больше levelmax, функция изменяет NumLevels к levelmax и возвращает предупреждение.
Типы данных: single | double | int8 | int16 | int32 | int64 | uint8 | uint16 | uint64 | uint32
'ROI' — Необходимая область[1 1 M N]
(значение по умолчанию) | четырехэлементный векторНеобходимая область для keypoint обнаружения, заданного как разделенная запятой пара, состоящая из 'ROI' и вектор формата [x
y
width
height]. Первые два элемента представляют местоположение левого верхнего угла необходимой области. Последние два элемента представляют ширину и высоту необходимой области. Ширина и высота необходимой области должны каждый быть значением, больше, чем или равный 63.
Функция обнаруживает keypoints от входного изображения при помощи метода выявления признаков ORB в [1].
[1] Rublee, E., В. Рабо, К. Конолидж и Г. Брадский. "ORB: эффективная альтернатива, чтобы ОТСЕЯТЬ или SURF". В продолжениях 2 011 международных конференций по вопросам компьютерного зрения, 2564–2571. Барселона, Испания: IEEE, 2011.
ORBPoints | detectBRISKFeatures | detectFASTFeatures | detectHarrisFeatures | detectKAZEFeatures | detectMSERFeatures | detectMinEigenFeatures | detectSURFFeatures | extractFeatures | matchFeatures