imregister

灰度图像配准

折叠所有页面

语法

moving_reg = imregister(移动、固定、transformType优化、指标)

[moving_reg, R_reg] = imregister(移动、Rmoving、固定、Rfixed transformType,优化器,度量)

___= imregister (___、名称、值)

描述

moving_reg= imregister (移动,固定,transformType,优化器,度规)转换二维或三维图像，移动，以便与参考图像注册，固定。这两个移动和固定图像必须具有相同的维数，无论是二维的还是三维的。transformType是定义要执行的转换类型的字符串标量或字符向量。优化器是描述优化度量的方法的对象。度规是一个对象，定义了图像之间相似性的定量度量，以进行优化。返回对齐后的图像，moving_reg。

(moving_reg,R_reg) = imregister (移动,Rmoving,固定,Rfixed,transformType,优化器,度规)转换空间参考图像移动这样它就可以与空间参考的图像进行注册固定。Rmoving和Rfixed描述世界坐标的空间引用对象的极限和分辨率移动和固定。

___= imregister (___,名称,值)指定带有一个或多个选项的附加选项名称,值对参数。

例子

全部折叠

注册多模态MRI图像优化

打开生活的脚本

看两张图片。这个例子使用了膝盖的两个磁共振(MRI)图像。固定图像为自旋回波图像，运动图像为带反演恢复的自旋回波图像。两个矢状面切片是同时获得的，但稍不对齐。

固定= dicomread (“knee1.dcm”);移动= dicomread (“knee2.dcm”);

查看未对齐的图像。

imshowpair(固定,移动,“缩放”,“联合”)

创建优化器和度量，将模态设置为“多通道”因为图像来自不同的传感器。

[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

调优优化器的属性，使问题收敛于全局最大值，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;

执行注册。

移动，固定，仿射的优化器,指标);

查看已注册的图像。

图imshowpair (movingRegistered固定,“缩放”,“联合”)

输入参数

全部折叠

`移动`- - - - - -待注册图像
灰度图像

要注册的图像，指定为2d或3d灰度图像。

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

`Rmoving`- - - - - -与要注册的图像相关联的空间引用信息
`imref2d`或`imref3d`对象

与要注册的图像关联的空间引用信息，指定为imref2d或imref3d对象。

`固定`- - - - - -参考图像在目标方向
灰度图像

参考图像在目标方向上，指定为灰度图像。

数据类型:单|双|int8|int16|int32|uint8|uint16|uint32

`Rfixed`- - - - - -与参考图像相关的空间参考信息
`imref2d`或`imref3d`对象

与引用(固定)图像相关联的空间引用信息，指定为imref2d或imref3d对象。

`transformType`- - - - - -将几何变换应用于待配准的图像
`“翻译”`|`“刚性”`|`“相似”`|`仿射的`

将应用于运动图像的几何变换，指定为以下值之一:

价值	描述
`“翻译”`	(x, y)2-D平移，或者(x, y, z)翻译3 d。
`“刚性”`	由平移和旋转组成的刚性变换。
`“相似”`	非反思性相似变换，包括平移、旋转和缩放。
`仿射的`	仿射变换包括平移、旋转、缩放和剪切。

的“相似”和仿射的转换类型总是涉及非反射转换。

数据类型:字符|字符串

`优化器`- - - - - -相似度度量优化方法
`RegularStepGradientDescent`或`OnePlusOneEvolutionary`优化器对象

相似度度量的优化方法，指定为aRegularStepGradientDescent或OnePlusOneEvolutionary优化器对象。

`度规`- - - - - -配准过程中需要优化的图像相似性度量
`均方`或`MattesMutualInformation`度量对象

配准时需要优化的图像相似度度量，指定为a均方或MattesMutualInformation度量对象。

名称-值对的观点

的可选逗号分隔对名称,值参数。的名字参数名称和价值为对应值。的名字必须出现在单引号内(' ')。可以按任意顺序指定多个名称和值对参数Name1, Value1,…,的家。

例子:“DisplayOptimization”,1启用详细优化模式。

全部折叠

`“DisplayOptimization”`- - - - - -详细优化国旗
`假`(默认)|`真正的`

详细优化标志，指定为逗号分隔对所组成的“DisplayOptimization”，以及逻辑值真正的或假。控制是否imregister在注册过程中在命令窗口中显示优化信息。

数据类型:逻辑

`“InitialTransformation”`- - - - - -从几何变换
`affine2d`或`affine3d`对象

开始几何变换时，指定为逗号分隔对所组成的“InitialTransformation”和一个affine2d或affine3d对象。

`“PyramidLevels”`- - - - - -在注册过程中使用金字塔级别的数量
`3.`(默认)|正整数

在注册过程中使用的金字塔级数，指定为逗号分隔对所组成的“PyramidLevels”一个正整数。

例子:“PyramidLevels”4将金字塔级别的数量设置为4。

数据类型:双

输出参数

全部折叠

`moving_reg`——改变了形象
数字矩阵

转换后的图像，以矩阵形式返回。引入的不与原始图像中的位置对应的填充像素是0。

`R_reg`-与输出图像相关的空间引用信息
`imref2d`或`imref3d`对象

与输出图像相关联的空间引用信息，返回为imref2d或imref3d对象。

提示

这两个imregtform和imregister使用相同的基础注册算法。imregister执行额外的重采样步骤移动以产生由几何变换估计的图像注册输出imregtform。使用imregtform当你想要访问相关的几何变换时移动来固定。使用imregister当需要注册输出映像时。
创建一个优化器和度规与imregconfig函数之前调用imregister。要从基于优化的图像配准中获得良好的效果，通常需要修改正在注册的图像对的优化器或度量设置。的imregconfig函数提供了一个只能被视为起点的默认配置。例如，如果您增加优化器中的迭代次数、减少优化器步长或更改随机度量中的样本数量，注册会改进到一定程度，但会以牺牲性能为代价。查看输出imregconfig有关可以修改的不同参数的详细信息。
如果您的图像的空间缩放差异超过10%，调整它们的大小imresize之前注册。
使用imshowpair或imfuse使登记结果形象化。
您可以使用imregister在一个自动化的工作流程中注册几个图像。
当您有关于要注册的图像的空间引用信息时，指定要注册的信息imregister使用空间引用对象。这可以帮助imregister可以更快地收敛到更好的结果，因为可以考虑规模差异。