Обнаружьте функции MSER и возвратите MSERRegions объект
regions = detectMSERFeatures(I)MSERRegions объект, regions, содержа информацию о функциях MSER, обнаруженных в 2D полутоновом входном изображении, I. Этот объект использует алгоритм Максимально устойчивых экстремальных областей (MSER), чтобы найти области.
Примечание
Для Simulink® поддержка с помощью этой функции, необходимо включить настройки конфигурации модели. Чтобы отобразить диалоговое окно, в Редакторе Simulink, выбирают вкладку Modeling и затем выбирают Model Settings > Model Properties. В диалоговом окне Configuration Parameters выберите Simulation Target> Advanced Parameters > Dynamic Memory allocation in MATLAB functions.
[___] = detectMSERFeatures( дополнительные опции наборов заданы одним или несколькими I,Name,Value)Name,Value парные аргументы.
Считайте изображение и обнаружьте области MSER.
I = imread('cameraman.tif');
regions = detectMSERFeatures(I);Визуализируйте области MSER, которые описаны списками пикселей, сохраненными в возвращенном объекте 'областей'.
figure; imshow(I); hold on; plot(regions,'showPixelList',true,'showEllipses',false);
Отобразите замещающие знаки, и центроиды помещаются в области. По умолчанию постройте замещающие знаки отображений и центроиды.
figure; imshow(I);
hold on;
plot(regions);
Обнаружьте области MSER.
I = imread('coins.png');
[regions,mserCC] = detectMSERFeatures(I);Покажите, что все обнаружили области MSER.
figure imshow(I) hold on plot(regions,'showPixelList',true,'showEllipses',false)
Измерьте эксцентриситет области MSER, чтобы измерить зацикливание области.
stats = regionprops('table',mserCC,'Eccentricity');
Пороговые значения эксцентриситета, чтобы только сохранить круговые области. (Круговые области имеют низкий эксцентриситет.)
eccentricityIdx = stats.Eccentricity < 0.55; circularRegions = regions(eccentricityIdx);
Покажите круговые области.
figure imshow(I) hold on plot(circularRegions,'showPixelList',true,'showEllipses',false)
Детектор MSER инкрементно продвигается через область значений интенсивности входного изображения, чтобы обнаружить стабильные области. ThresholdDelta параметр определяет количество шага тесты детектора для устойчивости. Можно думать о пороговом значении дельты как о размере чашки, чтобы заполнить блок водой. Чем меньший чашка, тем больше количества шага требуется, чтобы заполнить блок. Блок может считаться профилем интенсивности области.
Объект MSER проверяет изменение размера области области между различными порогами интенсивности. Изменение должно быть меньше значения MaxAreaVariation параметр, который будет рассмотрен устойчивым.
Примечание
Выявление признаков MSER не подходит для использования в изображениях с экстремальными изменениями значения интенсивности.
На высоком уровне MSER может быть объяснен путем размышления о профиле интенсивности изображения, представляющего серию блоков. Вообразите верхние части сброса блоков с землей и шланг включенными в одном из блоков. Когда вода заполняет в блок, она переполняется, и следующий блок запускает заполнение. Меньшие области водного соединения и становятся большими массами воды, и наконец целая область заполнена. Когда вода заполняется в блок, она проверяется по критерию стабильности MSER. Области появляются, выращивают и объединяют в различных порогах интенсивности.
[1] Nister, D. и Х. Стьюениус, "Линейное Время Максимально Устойчивые Экстремальные области", Примечания Лекции в Информатике. 10-я европейская Конференция по Компьютерному зрению, Марселю, Франция: 2008, № 5303, стр 183–196.
[2] Матас, J. O. Приятель, М. Арба, и Т. Пэдждла. "Устойчивый широкий базовый стерео из максимально устойчивых экстремальных областей". Продолжения британской Конференции по Машинному зрению, страниц 384-396, 2002.
[3] Обдрзэлек Д., С. Бэзовник, Л. Мах и А. Микулик. "Обнаруживая Элементы Сцены Используя Максимально Устойчивые Цветные области", Коммуникации в Информатике и вычислительной технике, Ля-Ферт-Бернаре, Франция; 2009, CCIS издания 82 (2010 12 01), стр 107–115.
[4] Mikolajczyk, K., Т. Тейтелэарс, К. Шмид, А. Зиссермен, Т. Кэдир и Л. ван Гул, "Сравнение Аффинных Детекторов области"; Международный журнал Компьютерного зрения, Объем 65, Числа 1-2 / ноябрь 2005, стр 43–72.
detectSURFFeatures | detectMinEigenFeatures | detectBRISKFeatures | detectFASTFeatures | detectHarrisFeatures | detectKAZEFeatures | extractFeatures | extractHOGFeatures | detectFASTFeatures | matchFeatures