Создайте систему извлечения изображений на основе содержимого (CBIR) с помощью настраиваемого рабочего процесса набор признаков.

Используйте 2-D нормированную перекрестную корреляцию для соответствия шаблона и отслеживания цели. В примере используется предопределенная или заданная пользователем цель и количество аналогичных целей, которые будут отслеживаться. Нормированный график перекрестной корреляции показывает, что, когда значение превышает установленный порог, цель идентифицируется.

Обнаружите конкретный объект в загроможденной сцене, учитывая ссылку изображение объекта.

Классифицируйте цифры с помощью функций HOG и многоклассового классификатора SVM.

Автоматически определите геометрическое преобразование между парой изображений. Когда одно изображение искажается относительно другого поворотом и шкалой, используйте detectSURFFeatures и estimateGeometricTransform2D для поиска угла поворота и масштабного коэффициента. Затем можно преобразовать искаженное изображение, чтобы восстановить оригинальное изображение.

Автоматически создайте панораму с помощью методов регистрации изображений на основе объектов.

Стабилизируйте видео, которое было запечатлено с джиттерной платформы. Один из способов стабилизировать видео - отследить характерную функцию изображения и использовать это в качестве опорной точки, чтобы отменить все возмущения относительно него. Эта процедура, однако, должна быть загружена со знанием того, где такая характерная функция лежит в первом видеокадре. В этом примере мы исследуем метод стабилизации видео, который работает без каких-либо априорных знаний. Вместо этого он автоматически ищет «фоновую плоскость» в видеопоследовательности и использует наблюдаемое искажение для коррекции движения камеры.

Используйте морфологические операции для подсчета объектов в видеопотоке.

Используйте комбинацию базовых морфологических операторов и анализа больших двоичных объектов, чтобы извлечь информацию из видеопотока. В этом случае пример отсчитывает количество бактерий E. Coli в каждом видеокадре. Обратите внимание, что камеры имеют различную яркость, что делает задачу сегментации более сложной.