imregtform
估计几何变换将两个二维或三维图像
语法
描述
例子
估计变换用于图像配准
看两张图片。这个例子使用了两个膝盖的磁共振(MRI)图像。固定的图像是一个自旋回波图像,而移动的图像是一个自旋回波图像的反转恢复。这两个矢状切片获得在同一时间,但略有失准。
固定= dicomread (“knee1.dcm”);移动= dicomread (“knee2.dcm”);
查看错位的图像。
imshowpair(固定,移动,“缩放”,“联合”)
创建优化器和度量。指定”的形态多通道”因为来自不同传感器的图像。
(优化器,度量)= imregconfig (“多通道”)
优化器= registration.optimizer。OnePlusOneEvolutionaryProperties: GrowthFactor: 1.050000e+00 Epsilon: 1.500000e-06 InitialRadius: 6.250000e-03 MaximumIterations: 100
度量= registration.metric。MattesMutualInformationProperties: NumberOfSpatialSamples: 500 NumberOfHistogramBins: 50 UseAllPixels: 1
调整优化器的属性让问题收敛在全球最大值,并允许更多的迭代。
优化器。InitialRadius = 0.009;优化器。ε= 1.5的军医;优化器。GrowthFactor = 1.01;优化器。MaximumIterations = 300;
找到地图图像的几何变换注册(移动)参考图像(固定)。
tform = imregtform(移动,固定的,“仿射”、优化、指标)
tform = affinetform2d属性维数:2:[3 x3的两倍)
转换应用到图像注册(移动)使用imwarp函数。例子使用了”OutputView”名称-值参数保存参考图像时形成的世界范围和分辨率转换后的图像。
tform movingRegistered = imwarp(移动,“OutputView”imref2d(大小(固定)));
查看注册图像。
图imshowpair (movingRegistered固定,“缩放”,“联合”)
输入参数
输出参数
提示
当你有空间参考信息,提供这些信息是很重要的
imregtform,使用空间引用对象。这些信息帮助imregtform收敛更快更好的结果,因为规模的差异可以被考虑。这两个
imregtform和imregister使用相同的底层注册算法。imregister执行额外的重采样步骤移动生产注册输出图像的几何变换估计计算imregtform。使用imregtform当你想要访问几何变换关系移动来固定。使用imregister当你想要注册输出图像。从文中针对图像配准得到好的结果通常需要修改优化器和/或指标设置的图像被注册。的
imregconfig函数提供了一个默认的配置,应该只被认为是一个起点。看到的输出imregconfig更多信息在不同的参数,可以修改。
