MATLAB et OpenCV

Avec le support package de l'interface OpenCV, vous pouvez intégrer la bibliothèque d'algorithmes de vision par ordinateur OpenCV dans MATLAB^® pour développer des algorithmes, effectuer des analyses et réaliser des calculs numériques au sein du logiciel.

L'intégration d'OpenCV dans MATLAB vous permet d'effectuer les tâches suivantes :

• Utiliser et explorer les algorithmes de recherche actuels, qu'ils soient implémentés dans MATLAB ou dans OpenCV
• Utiliser des algorithmes OpenCV, tout en bénéficiant des fonctionnalités d'accès aux données, d'acquisition d'image et de visualisation offertes par MATLAB
• Utiliser MATLAB pour explorer, analyser et déboguer des conceptions qui intègrent des algorithmes OpenCV

L'interface OpenCV permet de disposer facilement de fonctions et de projets C++ basés sur OpenCV dans MATLAB à l'aide de MEX. L'interface OpenCV fournit :

• Des binaires OpenCV précompilés permettant d'éviter la compilation d'OpenCV
• Un script de compilation pour créer des fichiers MEX basés sur OpenCV
• Des conversions de types de données entre MATLAB et OpenCV
• Des exemples pour bien démarrer avec des workflows courants comme la détection et l'extraction de caractéristiques, le traitement d'images et l'estimation du mouvement

Vous pouvez utiliser la Computer Vision Toolbox™ pour optimiser votre travail dans MATLAB et OpenCV. La toolbox fournit des algorithmes MATLAB pour l'extraction de caractéristiques, la détection et le suivi d'objets, la reconnaissance d'objets, la calibration géométrique de caméras et la vision 3D. La toolbox prend également en charge le prototypage rapide avec des fonctions comme le support arithmétique en virgulefixe et la génération de code C.

The OpenCV interface to MATLAB makes it easy to bring single functions and entire OpenCV-based C++ projects into MATLAB using MEX. This support package requires Computer Vision Toolbox. The OpenCV interface provides:

• Prebuilt OpenCV binaries that eliminate the need to compile and build OpenCV
• Build script to create OpenCV based MEX-files
• Data type conversions between MATLAB and OpenCV
• Examples to help you get started with common workflows such as feature detection and extraction, image processing, and motion estimation

You can get started using this quick command-line example:

% After installing support package
>> mexOpenCV detectORBFeatures.cpp
% Then call this function in MATLAB just like any other MATLAB command
>> im = imread('cameraman.tif'); 
>> keypoints = detectORBFeatures(im);

Get started with the Computer Vision Toolbox OpenCV Interface in MATLAB documentation, which helps you download the support package, understand and use the syntax, and explore examples.

Simulink OpenCV Interface

The OpenCV interface to Simulink enables you to import OpenCV code into Simulink. This support package requires Computer Vision Toolbox. The Simulink OpenCV interface enables you to:

• Import OpenCV code into a Simulink block using OpenCV Importer UI
• Generate C++ code for the Simulink model integrated with OpenCV code
• Access examples that show how to use the OpenCV Importer for designing different vision related examples

Commencez par cet exemple simple qui utilise un modèle Simulink pour convertir une entrée vidéo RGB en échelle de gris avec une fonction OpenCV dans le sous-système subsystem_slwrap_toGrayScale.

L’application OpenCV Importer permet d’importer une fonction OpenCV qui effectue la conversion RGB en niveaux de gris et de créer une bibliothèque Simulink contenant le bloc équivalent pour la fonction. Vous pouvez alors intégrer ce bloc dans votre modèle Simulink.

Démarrez avec l'Interface OpenCV de Computer Vision Toolbox avec la documentation Simulink, qui vous aide à télécharger le support package, à explorer et à utiliser l’outil OpenCV Importer, et à explorer des exemples.

Computer Vision with MATLAB

MATLAB and Computer Vision Toolbox™ offer functionality not available in OpenCV. The toolbox provides algorithms for object detection, image recognition, and 3D lidar processing. Interactive apps such as the Camera Calibration App and Image Labeling App can save significant time when developing image algorithms.

MATLAB has new capabilities in deep learning for computer vision including access to the latest deep learning models, and training acceleration using multiple GPUs, the cloud, or clusters. You can convert your models to CUDA code with GPU Coder™. Generated CUDA code runs models up to 7x faster than TensorFlow.

Calling MATLAB from C++ and Python Applications

Interact with MATLAB functions and data types from other programming languages through MATLAB Engine:

• For documentation on calling MATLAB within Python using MATLAB Engine, see the MATLAB API for Python documentation.
• For documentation on calling MATLAB from C++ applications, see Calling MATLAB from C and C++ applications.