matlab画图,matlab画surf图

　　一内容介绍传统的全景图像配准多采用基于撒的方法，该方法数据量大，时间效率低。提出了一种基于冲浪的全景图像快速配准方法。运用苏无线电频率(radio frequency)提取特征点，计算特征描述符；运用低时间复杂度的K-D树最近邻搜索法实现特征点快速匹配；利用随机抽样一致性算法算法剔除误匹配点；最后估计出两幅全景图像的变换矩阵。测试表明：算法具有较高的时间效率和良好的鲁棒性。

　　2部分代码%例3,仿射配准

　　%加载图像

　　色度控制中心

　　清理所有

　　全部关闭

　　痉挛

　　I1=im2 double(imread( test images/Lena 1。png’)；

　　I2=im2 double(im read( test images/Lena 2。png’))；

　　%获得关键点

　　Options.upright=true

　　Options.tresh=0.0001

　　Ipts1=OpenSurf(I1，选项);

　　Ipts2=OpenSurf(I2，Options)；

　　%将地标描述符放入矩阵中

　　D1=形状([IP ts1。descriptor]，64，[])；

　　D2=形状([ipts 2。descriptor]，64，[])；

　　%找到最佳匹配

　　err=zeros(1，长度(IP ts1))；

　　cor1=1:长度(IP ts1)；

　　cor2=零(1,长度(IP ts1))；

　　对于i=1:长度(Ipts1)，

　　距离=总和((D2-雷普马特(D1(:我)，[1长度(Ipts2)]).^2,1);

　　[err(i)，cor2(i)]=min(距离);

　　目标

　　基于向量距离的%排序匹配

　　[err，ind]=sort(err)；

　　cor 1=cor 1(ind)；

　　cor 2=cor 2(ind)；

　　%使用最佳匹配的坐标生成向量

　　pos 1=[[IP ts1(cor 1].y]，[Ipts1(cor1).x]]；

　　pos 2=[[ipts 2(cor 2)].y]，[Ipts2(cor2).x]]；

　　Pos1=Pos1(1:30，)；

　　Pos2=Pos2(1:30，)；

　　%显示两幅图像

　　我=零([大小(I1，1)大小(I1，2)*2大小(I1，3)])；

　　我(:1:大小(I1，2)，)=I1；I(:size(I1，2) 1:size(I1，2) size(I2，2)，)=I2

　　图，imshow(一);坚持住；

　　%显示最佳匹配

　　plot([Pos1(:2) Pos2(:2) size(I1，2)]，[Pos1(:1) Pos2(:1)]，-)；

　　plot([Pos1(:2) Pos2(:2) size(I1，2)]，[Pos1(:1) Pos2(:1)]， o ；

　　%计算仿射矩阵

　　Pos1(:3)=1；Pos2(:3)=1；

　　m=位置1 /位置2 ；

　　%向矩阵实验室搜索路径添加子功能

　　function name= open surf。m’；

　　function dir=which(函数名)；

　　函数目录=函数目录(1:结束长度(函数名));

　　添加路径([函数方向/扭曲函数])

　　%扭曲图像

　　I1扭曲=仿射扭曲(I1，M双三次);

　　%显示结果

　　图，

　　支线剧情(1，3，1)，im show(I1)；标题("图1");

　　支线剧情(1，3，2)，imshow(I2)；标题("图2");

　　支线剧情(1，3，3)，im show(I1 _翘曲);标题("扭曲的图1");

　　总有机碳

　　fprintf(找到了%d个匹配项. \n ，size(Pos1，1))；

　　fprintf(Matched in %.3f s\n ，TOC)；

　　3运行结果

　　四参考文献[1]阳吉斌，胡访宇，朱高。基于改进冲浪算法的遥感图像配准[J]的缩写.电子测量技术， 2012, 35(3):5.

　　博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的矩阵实验室仿真，相关矩阵实验室代码问题可私信交流。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。