Exponenta Banner
exponenta event banner

detectSIFTFeatures

Обнаружьте функции функции инварианта шкалы преобразовывает (SIFT) и возвратите SIFTPoints объект

свернуть все на странице

Синтаксис

points = detectSIFTFeatures(I)
points = detectSIFTFeatures(I,Name=Value)

Описание

пример

points = detectSIFTFeatures(I) обнаруживает функции SIFT в 2D полутоновом входном изображении I и возвращает SIFTPoints объект. detectSIFTFeatures функционируйте реализует алгоритм Инвариантного к масштабу преобразования функции (SIFT), чтобы найти локальные признаки в изображении.

points = detectSIFTFeatures(I,Name=Value) задает дополнительные опции с помощью одних или нескольких аргументов name-value.

Примеры

свернуть все

Скрипт Open Live Script

Загрузите изображение. 

I = imread('cameraman.tif');

Обнаружьте функции SIFT в изображении.

points = detectSIFTFeatures(I);

Отобразите результаты

imshow(I);
hold on;
plot(points.selectStrongest(10))

Figure contains an axes object. The axes object contains 3 objects of type image, line.

Входные параметры

свернуть все

Введите изображение в виде M-by-N матрица. Входное изображение должно быть действительным, неразреженным значением.

Типы данных: single | double | int16 | uint8 | uint16 | logical

Аргументы name-value

Задайте дополнительные пары аргументов как Name1=Value1,...,NameN=ValueN, где Name имя аргумента и Value соответствующее значение. Аргументы name-value должны появиться после других аргументов, но порядок пар не имеет значения.

Пример: detectSIFTFeatures(I,ContrastThreshold=0.0133) обнаруживает функции SIFT с контрастом меньше, чем 0.0133.

Контрастный порог для выбора сильнейших признаков в виде неотрицательного скаляра в области значений [0,1]. Порог используется, чтобы отфильтровать слабые функции в низкоконтрастных областях изображения. Увеличьте контрастный порог, чтобы сократить число возвращенных функций.

Порог ребра в виде неотрицательного скаляра, больше, чем или равный 1. Порог используется, чтобы отфильтровать нестабильные подобные ребру функции в изображении, которые восприимчивы к шуму. Увеличьте порог ребра, чтобы сократить число функций, удаленных путем фильтрации.

Количество слоев в каждой октаве в виде целочисленного скаляра, больше, чем или равный 1. Количество октав вычисляется автоматически из разрешения изображения. Увеличьте число слоев в каждой октаве, чтобы обнаружить большие функции в изображении.

Сигма Гауссова в виде скаляра. Сигма Гауссова применяется к входному изображению в начальной октаве. Значения сигмы обычно находятся в области значений [1,2]. Понизьте значение сигмы, если изображение является расплывчатым.

Выходные аргументы

свернуть все

Функции SIFT, возвращенные как SIFTPoints объект. Этот объект содержит информацию о функциях SIFT, обнаруженных в 2D полутоновом изображении.

Ссылки

[1] Лоу, Дэвид Г. "Отличительные Функции Изображений от Инвариантного к масштабу Keypoints". Международный журнал Компьютерного зрения 60, № 2 (ноябрь 2004): 91 - 110.

Расширенные возможности

Смотрите также

Объекты

Функции

Введенный в R2021b

Документация Computer Vision Toolbox

Поддержка