特徴の検出と抽出

この例では、カスタマイズされた bag of features ワークフローを使用してコンテンツ ベースの画像検索 (Content Based Image Retrieval: CBIR) システムを作成する方法を説明します。

この例では、2 次元の正規化された相互相関を使用してパターン マッチングとターゲット追跡を行う方法を説明します。ここでは事前定義あるいはユーザー指定されたターゲットと、追跡する類似ターゲットの数を使用して追跡を行います。正規化された相互相関プロットには、設定されたしきい値を値が超えるとターゲットが特定されることが示されます。

この例では、オブジェクトの参照イメージがある場合に、要素の多いシーンで特定のオブジェクトを検出する方法を説明します。

この例では、HOG 特徴およびマルチクラス SVM 分類器を使用して数字を分類する方法を説明します。

この例では、イメージのペアの間に見られる幾何学的変換を自動的に判定する方法を説明します。あるイメージをもう 1 つのイメージと比べて回転とスケールによる歪みが見られる場合に、detectSURFFeatures および estgeotform2d を使用して回転角度と倍率を求めます。その後、歪んだイメージを変換して元のイメージを復元することができます。

この例では、特徴ベースのイメージ レジストレーションの手法を使用してパノラマを自動作成する方法を説明します。

この例では、不安定なプラットフォームから撮影されたビデオを安定化する方法を説明します。映像安定化の 1 つの方法は、イメージ内の際立った特徴を追跡し、これをアンカー ポイントとして、それに対するすべての摂動を取り除くことです。ただし、この手続きは、最初のビデオ フレームのどこに際立った特徴があるかについての知識を用いてブートストラップしなければなりません。この例では、そのような "事前" 知識がなくても有効な、映像安定化の方法について説明します。この方法は、代わりにビデオ シーケンス内の「背景面」を自動的に探索し、その観測された歪みを使ってカメラの動きを補正します。

この例では、モルフォロジー演算を使用してビデオ ストリーム内のオブジェクトをカウントする方法を説明します。

この例では、基本的なモルフォロジー演算子とブロブ解析を組み合わせて使用して、ビデオ ストリームから情報を抽出する方法を説明します。ここでは各ビデオ フレームに含まれる大腸菌の数をカウントします。細胞の明るさが均一でないためにセグメンテーションのタスクが困難になる点に注意してください。