非极大值抑制matlab 函数

非极大值抑制（Non-Maximum Suppression，NMS）是一种常见的图像处理技术，在目标检测、边缘检测等应用中用于减少冗余的目标候选。在MATLAB中，可以使用`vision.CascadeObjectDetector`结合`maxScore`和`nonMaxSupression`函数来实现非极大值抑制。

`vision.CascadeObjectDetector`是一个预训练的对象检测器，它可以生成包含潜在物体位置的边界框。当你运行检测后，会得到一系列候选区域。`maxScore`函数可以获取每个候选区域的置信度分数，然后`nonMaxSuppression`则通过比较相邻边框的得分和重叠程度，保留得分最高且与其他边框重叠最少的边框，以此来去除相似的、低质量的候选。

以下是简单的使用步骤：

% 加载对象检测器
detector = vision.CascadeObjectDetector('haarcascade_frontalface_default.xml');

% 执行对象检测
inputImage = imread('your_image.jpg'); % 替换为你需要检测的图片路径
bboxes = step(detector, inputImage);

% 计算每个边界框的得分
scores = detectionScores(bboxes, detector);

% 应用非极大值抑制
[keptBBoxes, ~] = nonMaxSuppression(bboxes, scores);

相关问题

MATLAB中canny算子调用非极大值抑制函数

在MATLAB中，Canny边缘检测算法通常包含两个步骤：高斯滤波和平滑后的梯度计算，以及非极大值抑制（Non-Maximum Suppression, NMS）和双阈值处理。

当你调用`edge`函数并传入`Canny`选项时，MATLAB会自动应用Canny算法。如果你想要手动控制这个过程，可以分为以下几个步骤：

1. 首先，对图像进行高斯滤波以平滑噪声，可以用`imgaussfilt`函数，例如：

   img = imread('your_image.jpg'); % 替换为你的图片文件名
   blurred_img = imgaussfilt(img, sigma); % sigma是高斯核的标准差

2. 计算图像的梯度及其方向，通常使用Sobel算子或其他类似方法，然后用`gradient`函数：

   [Ix, Iy] = gradient(blurred_img);
   magnitude = sqrt(Ix.^2 + Iy.^2);
   angle = atan2(Iy, Ix);

3. 接下来，应用非极大值抑制。MATLAB本身并未直接提供非极大值抑制函数，你需要手动编写或者使用已经存在的开源库来实现，比如自定义一个函数来沿着角度选择最大值：

   suppressed_magnitude = zeros(size(magnitude));
   suppressed_angle = NaN(size(angle));
   for i = 1:numel(angle)
       row = i;
       col = fix(angle(i)); % 将角度转为整数索引
       if mod(angle(i), 2*pi) > pi / 2
           col = col + 1; % 考虑到边界条件
       end
       if magnitude(row, col) >= magnitude(row, col - 1) && ...
              magnitude(row, col) >= magnitude(row, col + 1)
           suppressed_magnitude(row, col) = magnitude(row, col);
           suppressed_angle(row, col) = angle(row, col);
       end
   end

4. 最后，确定边缘位置，通常是通过比较抑制后的梯度强度与预设的阈值来完成：

   threshold1 = ...; % 第一个阈值
   threshold2 = ...; % 第二个阈值
   edges = (suppressed_magnitude > threshold1) & (suppressed_magnitude > threshold2);

记得替换上述代码中的'your_image.jpg'为你要处理的实际图片文件名，并调整阈值等参数。完成后，`edges`就是应用了Canny算子的结果。

matlab非极大值抑制代码

在MATLAB中，非极大值抑制（Non-Maximum Suppression, NMS）通常用于从一组候选边界框中选择具有最高置信度的对象实例。以下是一个简单的示例，展示了如何使用上述原理来实现非极大值抑制[^2]：

% 假设我们有分数矩阵（scores）和边界框（boxes），其中分数代表每个框的置信度
scores = rand(1, 10); % 生成一些随机得分
boxes = [rand(1, 4), ... % 生成随机的x,y坐标以及宽高
         rand(1, 4)];

% 首先，创建一个掩码矩阵，表示哪些边界框应该被抑制
invalid_boxes_mask = boxes(:, [3, 4]) < boxes(:, [1:2]); % 检查宽度和高度是否合理

% 将得分设置为负无穷大，以排除无效的边界框
scores(invalid_boxes_mask) = -Inf;

% 使用NMS函数，比如imregionalmax，它会返回最高分的边界框索引
[nms_idx, ~] = imregionalmax(scores, boxes(:, 1:2)); % 第二个参数可以省略，因为我们只关心位置

% 最终，nms_idx就是保留下来的有效边界框的索引
disp('Selected bounding boxes after NMS:');
disp(boxes(nms_idx, :));

这段代码的关键在于`imregionalmax`函数，它找到每个局部区域内的最大值，并且只有当周围的值小于等于当前最大值时，该最大值才会被保留。