基于功能的注册

基于特征的配准技术自动检测出清晰的图像特征，如尖锐的角、斑点或均匀强度的区域。运动图像经过单一的全局变换，以提供相应特征与固定图像的最佳对齐。

快检测角落特征，特别是在人类起源的场景，如街道和室内房间。FAST支金宝app持单尺度图像和点跟踪。

MinEigen也检测角特征。MinEigen支金宝app持单尺度图像和点跟踪。

哈里斯也可以检测角点特征，使用比MinEigen更有效的算法。Harris支金宝app持单尺度图像和点跟踪。

轻快的也检测角特征。与前面的算法不同，BRISK支持缩放和旋转的变化，以及点跟踪。金宝app

ORB检测图像中的角与变化的比例和/或旋转。

冲浪检测斑点在图像和支持变化的比例和旋转。金宝app

KAZE从非线性扩散构造的尺度空间中检测多尺度斑点特征。

女士检测均匀强度区域。MSER支金宝app持缩放和旋转的变化，与其他基于特征的算法相比，它对仿射变换更有鲁棒性。

在登记估计量，您可以注册图像并为所有基于特性的技术生成函数，而无需计算机视觉工具箱™许可证。然而，要运行使用基于特征的注册技术的自动生成函数，必须有计算机视觉工具箱。有关更多信息，请参见从注册估算程序导出结果。

灰度登记

基于强度的配准技术在空间或频率域关联图像强度。运动图像经过单一的全局变换，使其强度与固定图像强度的相关性最大化。

Monomodal强度用相同类型的扫描仪或传感器捕捉到的亮度和对比度相似的图像。例如，使用单模强度来记录使用相同成像序列的类似对象的MRI扫描。

多峰强度记录不同亮度和对比度的图像。这些图像可以来自两种不同类型的设备，如两个摄像机模型或两种类型的医学成像系统(如CT和MRI)。这些图像也可以来自单个设备。例如，使用多模态强度来注册使用不同曝光设置的同一相机拍摄的图像，或者使用不同的成像序列来注册在单个会议期间获得的MRI图像。

相关联在频域注册图像。像多模态强度一样，相位相关对图像亮度是不变的。相位相关比其他基于强度的配准技术对噪声具有更强的鲁棒性。

非刚性的登记

非刚性的配准对运动图像应用非全局变换。非刚性变换产生一个位移场，其中固定图像中的每个像素位置被映射到运动图像中的相应位置。然后根据位移场对运动图像进行变形，并利用线性插值进行重新采样。有关估计非刚性转换的位移场的更多信息，请参见imregdemons。