主要内容

imregtform

估计对齐两个二维或三维图像的几何变换

折叠所有页面

语法

tform = imregtform(移动、固定、transformType优化、指标)
tform = imregtform(移动、Rmoving、固定、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）估计对齐运动图像的几何变换移动固定图像固定。transformType定义要估计的转换类型的字符串标量或字符向量。优化器是描述优化指标方法的对象。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Rmoving和Rfixed属性关联的空间引用对象移动和固定图像。输出tform几何变换对象的单位是由空间引用对象定义的吗Rmoving和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

打开生活的脚本

看两张图片。这个例子使用了两个磁共振成像的膝盖。固定图像为自旋回波图像，运动图像为具有反转恢复的自旋回波图像。两个矢状切片是同时获得的，但排列稍不一致。

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”）

图中包含一个轴对象。axis对象包含一个image类型的对象。

创建优化器和指标，将模式设置为“多通道”因为图像来自不同的传感器。

[优化器，度量]= imregconfig(“多通道”）
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 NumberOfHistogramBins: 50 UseAllPixels: 1

调整优化器的属性，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。ε= 1.5的军医;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、指标)
tform = affine2d with properties: T: [3x3 double]维数:2

将转换应用于正在注册的图像(移动)使用imwarp函数。示例使用“OutputView”参数，以保持世界范围和参考图像的分辨率。

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

查看已注册的镜像。

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

图中包含一个轴对象。axis对象包含一个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)图像相关联的空间参考信息，指定为imref2d或imref3d对象。

对待配准图像进行的几何变换，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”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

方法的相似性度量的优化，指定为RegularStepGradientDescent或OnePlusOneEvolutionary优化器对象。

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

名称-值参数

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。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。

Verbose优化标志，指定为逗号分隔的对“DisplayOptimization”，以及逻辑值真正的或假。控制是否imregister在注册过程中命令窗口显示优化信息。

数据类型:逻辑

开始几何变换，指定为逗号分隔对，由“InitialTransformation”和一个affine2d或affine3d对象。

在注册过程中使用的金字塔层数，指定为逗号分隔对组成“PyramidLevels”一个正整数。

例子:“PyramidLevels”4设置金字塔层的数量为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，将该信息提供给imregtform，使用空间引用对象。这些信息帮助imregtform收敛到更好的结果更快，因为规模差异可以考虑。

  • 这两个imregtform和imregister使用相同的基础注册算法。imregister执行重采样的附加步骤移动由计算得到的几何变换估计值生成配准输出图像imregtform。使用imregtform当你想要用到相关的几何变换时移动来固定。使用imregister当您需要注册的输出图像时。

  • 从基于优化的图像配准中获得良好的结果通常需要修改正在配准的一对图像的优化器和/或度量设置。的imregconfig函数提供了一个默认配置，该配置应仅被视为起点。的输出imregconfig有关可修改的不同参数的更多信息。

另请参阅

应用程序

功能

对象

主题

介绍了R2013a

图像处理工具箱文档

万博1manbetx

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书