matlab直方图确定图像阈值（MATLAB图像配准各方法介绍和对比）

本文包含四个部分

MATLAB图像配准各方法介绍和对比
交互式配准估计应用程序支持的方法介绍
MATLAB 图像配准官方实例
MATLAB 图像配准开源包

MATLAB图像配准各方法介绍和对比

图像配准是对同一场景的两个或多个图像进行对齐的过程。此过程包括将一个图像指定为参考图像(也称为固定图像)，并将几何变换或局部位移应用于其他图像，使其与参照对齐。由于各种原因，图像可能会未对齐。通常，图像是在可变条件下拍摄的，这将影响摄像头的视角或者场景的内容。镜头和传感器失真或捕获设备之间的差异也会导致未对齐。

在其他图像处理应用中，图像配准通常被用作初步步骤。例如，可以使用图像配准将卫星图像或使用不同诊断模式(如MRI和SPECT)捕获的医疗图像配准。通过图像配准，可以比较不同图像中的常见特征。借此，可能会发现河流是如何迁移的，一个区域是如何被淹没的，或者在MRI或SPECT图像中是否可见肿瘤。

图像处理工具箱™提供三种图像配准方法：交互式配准估计应用程序、基于强度的自动图像配准以及使用控制点的图像配准。计算机视觉工具箱™提供自动特征检测和匹配。

matlab直方图确定图像阈值（MATLAB图像配准各方法介绍和对比）(1)

注：上表中涉及的链接

交互式配准估计应用程序 Registration Estimator App

基于强度的自动图像配准 Intensity-Based Automatic Image Registration

使用控制点的图像配准 Control Point Registration

基于计算机视觉工具箱™的自动特征检测和匹配 Automated Feature Detection and Matching

交互式配准估计应用程序 Registration Estimator App

交互式配准估计应用程序使您能够以交互方式配准二维图像。您可以比较不同的配准方法、调整设置和可视化已配准的图像。该应用不仅提供了检查配准质量的定量度量，而且它会反馈配准后图像和转换矩阵。该应用程序还能够使用所选的配准方法和设置自动生成代码,因此您之后可对多个图像使用相同的转换。

交互式配准估计应用程序提供了六种基于特征的方法、三种基于强度的方法和一种非刚性配准方法。有关可用技术的更详细比较，请参阅交互式配准估计应用程序支持的方法 Techniques Supported by Registration Estimator App

matlab直方图确定图像阈值（MATLAB图像配准各方法介绍和对比）(2)

基于强度的自动图像配准 Intensity-Based Automatic Image Registration

基于强度的自动图像配准根据相对强度模式映射每个图像中的像素。您可以同时配准单模和多模图像对，也可以配准二维和三维图像。此方法可用于:

配准大量图像
自动配准

若要使用基于强度的技术配准图像，请使用 imregister 并指定要应用于源图像的几何转换类型。imregister 迭代地调整变换，优化两个图像的相似性。

或者，您可以估计局部位移场，并使用 imregdemons 对源图像应用非刚性变换。

使用控制点的图像配准 Control Point Registration

使用控制点的图像配准 Control Point Registration ，您可以手动选择每个图像中的通用特征。使用控制点的图像配准在以下情况下很有用:

您希望确定特定特征的对齐顺序，而不是使用自动特征检测匹配检测到的整个特征集。例如，在配准两个医学图像时，您可以集中校准所需的解剖特征，而忽略信息较少的解剖结构相对应的匹配特征。
图像具有重复的模式，可使用自动特征匹配提供模糊的映射。例如，有许多窗户的建筑物的照片，或网格化城市街道的航拍照片，都有许多类似的特征，很难自动映射。在这种情况下，手动选择控制点对可以提供更清晰的特征映射，从而更好地转换以对齐特征点。

控制点配准可以对源图像应用多种类型的变换。全局变换对整个图像均匀作用，包括仿射、投影和多项式几何变换。非刚性变换作用于图像的局部区域，包括分段线性变换和局部加权均值变换。

使用控制点选择工具选择控制点。启动该工具使用 cpselect 命令。

matlab直方图确定图像阈值（MATLAB图像配准各方法介绍和对比）(3)

自动特征检测和匹配 Automated Feature Detection and Matching

自动特征检测和提取 Feature Detection and Extraction (基于计算机视觉工具箱) 可检测角和 blobs 等特征，匹配源图像和目标图像中的相应特征，并估计几何变换以匹配特征。

有关示例，请参阅使用自动特征匹配寻找合适图像旋转和缩放 Find Image Rotation and Scale Using Automated Feature Matching 。您必须借助计算机视觉工具箱才能使用此方法。

注意：交互式配准估计应用程序提供了六种基于特征的方法来配准一对图像。但是，该应用不提供用于配准多个图像的自动工作流。

交互式配准估计应用程序支持的方法介绍 Techniques Supported by Registration Estimator App

基于特征的图像配准 Feature-Based Registration

基于特征的配准技术可自动检测不同的图像特征，如尖角、斑点或均匀强度的区域。源图像经过单一的全局转换，使得特征同目标图像的相应特征最佳对齐。

FAST 可检测角特征，尤其是在人源场景中（如街道和室内客房）。FAST 支持单尺度图像和点追踪。
MinEigen 也检测角特征。MinEigen 支持单尺度图像和点追踪。
Harris 也检测角特征，使用比 MinEigen 更有效的算法。Harris 支持单尺度图像和点追踪。
BRISK 也检测角特征。与前面的算法不同, BRISK 支持放缩和旋转以及点追踪方面的更改。
SURF检测图像斑点。并支持放缩和旋转方面的更改。
MSER检测均匀强度的区域。 MSER 支持放缩和旋转的变化，与其他基于特征的算法相比，具有更鲁棒性的仿射变换。

注意：计算机视觉工具箱™中存在基于特征的自动化工作流。此工作流包括特征检测、提取和匹配，然后进行转变换估计。有关详细信息, 请参阅使用自动特征匹配寻找图像旋转和缩放.

基于强度的图像配准 Intensity-Based Registration

基于强度的图像配准方法评估图像在空间域或频率域中的强度相关性。源图像经历了一个单一的全局变换，以最大限度地提高其强度与目标图像强度的相关性。

单模态配准被应用在从同一类型的扫描仪或传感器上捕获的亮度和对比度相似的图像。例如，使用单模强度来配准使用 MRI 扫描类似对象得到的图像序列。
多模态强度配准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，如两个型号的相机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一个设备。例如，使用多模态强度配准同一相机使用不同曝光设置后拍摄的图像，或配准在单个阶段 MRI 采集不同成像序列的图像。
基于相位相关性的配准，根据图像在频率域的特性配准图像。与多模态强度一样,基于相位相关性的配准与图像亮度也是无关的。相位相关性与其他基于强度的配方法相比，对噪声更具鲁棒性。

注意：当每个图像为正方形时,基于相位相关性的配准可提供更好的结果。

Nonrigid Registration非刚性配准

非刚性配准将非全局变换应用于源图像。非刚性变换生成一个向量场，在该场中，目标图像中的每个像素都将映射到源图像中的相应位置。然后根据位移场对源图像的变形，并利用线性插值对其进行重新采样。有关估计非刚性变换的向量场的详细信息，请参见 imregdemons 。