主要内容

imregtform

估计将两个2-D或3-D图像对齐的几何变换

折叠所有页面

语法

tform = imregtform(移动，固定，transformType，优化器，度量)
tform = imregtform(移动，Rmoving,fixed,Rfixed,transformType，优化器，度量)
Tform = imregtform(＿＿＿、名称、值)

描述

例子

tform= imregtform (移动，固定，transformType，优化器，度规）估计使运动图像对齐的几何变换移动用固定的图像固定．transformType定义要估计的转换类型的字符串标量或字符向量。优化器描述优化度量的方法的对象。度规是定义要优化的图像之间相似性的定量度量的对象。输出tform是映射的几何变换对象吗移动来固定．

tform= imregtform (移动，Rmoving，固定，Rfixed，transformType，优化器，度规）估计几何变换在哪里Rmoving而且Rfixed属性关联的空间引用对象移动而且固定图像。输出tform几何变换对象的单位是否由空间引用对象定义Rmoving而且Rfixed．

tform= imregtform (＿＿＿，名称,值）使用名称-值对来控制操作的各个方面来估计几何转换。

例子

全部折叠

打开实时脚本

读两幅图。这个例子使用了膝盖的两张磁共振(MRI)图像。固定图像为自旋回波图像，运动图像为反转恢复的自旋回波图像。两个矢状面切片是同时获得的，但有轻微的不对齐。

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”）

图中包含一个轴。坐标轴包含一个image类型的对象。

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。

[optimizer, metric] = imregconfig(“多通道”）
optimizer = registration.optimizer.OnePlusOneEvolutionary Properties: GrowthFactor: 1.050000e+00 Epsilon: 1.500000e-06 InitialRadius: 6.250000e-03 MaximumIterations: 100
metric = registration.metric.MattesMutualInformation属性:NumberOfSpatialSamples: 500 numberofhistogrambin: 50 UseAllPixels: 1

调优优化器的属性，使问题收敛于全局最大值，并允许进行更多迭代。

优化器。InitialRadius = 0.009;优化器。= 1.5e-4;优化器。GrowthFactor = 1.01;优化器。MaximumIterations = 300;

找到映射待配准图像的几何变换(移动)转至参考图像(固定）.

Tform = imregtform(移动，固定，仿射的，优化器，度量)
tform = affine2d with properties: T: [3x3 double]维度:2

将转换应用到正在注册的图像(移动)使用imwarp函数。该示例使用“OutputView”参数，以在形成转换后的图像时保留参考图像的世界极限和分辨率。

movingRegistered = imwarp(移动，tform，“OutputView”imref2d(大小(固定)));

查看已注册的镜像。

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

图中包含一个轴。坐标轴包含一个image类型的对象。

输入参数

全部折叠

要注册的图像，指定为2-D或3-D灰度图像。

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

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

目标方向上的参考图像，指定为2-D或3-D灰度图像。

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

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

要应用于要注册的图像的几何变换，指定为以下值之一:

价值 描述
“翻译” (x, y)翻译。
“刚性” 由平移和旋转组成的刚性变换。
“相似” 由平移、旋转和缩放组成的非反射相似变换。
仿射的 仿射变换包括平移、旋转、缩放和剪切。

的“相似”而且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

优化相似度度量的方法，指定为RegularStepGradientDescent或OnePlusOneEvolutionary优化器对象。

在配准过程中要优化的图像相似度度量，指定为均方或MattesMutualInformation度量对象。

名称-值对参数

的可选逗号分隔对名称,值参数。的名字参数名称和价值对应的值。的名字必须出现在引号内。您可以以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。

详细优化标志，指定为逗号分隔的对，由“DisplayOptimization”，和逻辑值真正的或假．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

开始几何变换，指定为由逗号分隔的对组成“InitialTransformation”和一个affine2d或affine3d对象。

注册过程中使用的金字塔层数，指定为逗号分隔的对，由“PyramidLevels”一个正整数。

例子:“PyramidLevels”4将金字塔的层数设置为4．

输出参数

全部折叠

几何变换，返回为affine2d或affine3d对象。如果输入矩阵是三维的，imregtform返回一个affine3d对象。

提示

  • 当您有可用的空间引用信息时，将此信息提供给imregtform，使用空间引用对象。这些信息很有用imregtform收敛可以更快地得到更好的结果，因为可以考虑尺度差异。

  • 这两个imregtform而且imregister使用相同的底层配准算法。imregister执行重新采样的附加步骤移动由所计算的几何变换估计产生配准的输出图像imregtform．使用imregtform当你想要访问相关的几何变换移动来固定．使用imregister当您需要注册输出图像时。

  • 从基于优化的图像配准中获得良好结果通常需要修改要配准的图像对的优化器和/或度量设置。的imregconfig函数提供的默认配置只应被视为起点。方法的输出imregconfig有关可以修改的不同参数的详细信息。

另请参阅

应用程序

功能

对象

主题

在R2013a中引入

图像处理工具箱文档

万博1manbetx

用MATLAB介绍深度学习

用MATLAB介绍深度学习

下载电子书