本文講述如何利用Matlab Image Processing Toolbox中的圖像配準(zhǔn)工具實(shí)現(xiàn)線性正投影、仿射、投影、多項(xiàng)式、分段線性、局部加權(quán)平均配準(zhǔn)的過程。

實(shí)驗(yàn)平臺(tái)

X86 PC，Windows XP sp2, Matlab 7.1

資源的獲取

matlab工具的使用方法：查看幫助mage Processing Toolbox User's Guide——Image registration。

涉及配準(zhǔn)方法簡(jiǎn)介

該工具箱提供的配準(zhǔn)方法均需手工選擇圖像間的匹配點(diǎn)對(duì)(control points pair)，均屬于交互配準(zhǔn)方法。其基本過程為：讀入圖像數(shù)據(jù)－>在兩副圖像上選擇足夠匹配點(diǎn)－>選擇配準(zhǔn)算法，計(jì)算變換參數(shù)－>變換圖像。

假設(shè)input image(輸入圖像)為欲進(jìn)行配準(zhǔn)的圖像，base image為配準(zhǔn)是的參考圖像。以下是我參考matlab幫助給出了簡(jiǎn)介。

1．線性正投影(linear conformal)：最簡(jiǎn)單。平面映射成平面。

當(dāng)輸入輸入圖像與參考圖像對(duì)比，只是存在全局的平移、旋轉(zhuǎn)、縮放或其三者組合的差別時(shí)(正方形仍對(duì)應(yīng)正方形)，選擇此配準(zhǔn)方法。此方法至少需要2對(duì)匹配點(diǎn)。

2．仿射(affine)：將平行線轉(zhuǎn)換成平行線。

當(dāng)輸入圖像形狀存在切變現(xiàn)象(正方形對(duì)應(yīng)平行四邊形)，選此法。至少需3對(duì)匹配點(diǎn)。

3．投影(projective)：將直線映射成直線。

如果輸入圖像呈現(xiàn)傾斜，翹起現(xiàn)象，選此法。至少需4對(duì)匹配點(diǎn)。

4．多項(xiàng)式(polynomial)：將直線映射成曲線。

如果輸入圖像出現(xiàn)不規(guī)則曲變，采用此法。Matlab中提供有2、3、4次冪的實(shí)現(xiàn)，分別至少需要6，10，10對(duì)匹配點(diǎn)。

5．分段線性(piecewise linear)

如果輸入圖像的各個(gè)局部之間的退化模式明顯不一樣，選此法。至少需要4對(duì)匹配點(diǎn)。

6．局部加權(quán)平均(local weighted mean)

與分段線性一致，但效果較之好。至少需要6對(duì)(推薦12對(duì))匹配點(diǎn)。

實(shí)驗(yàn)步驟

1．讀取圖像數(shù)據(jù)。

因?yàn)樵磮D像以矩陣形式存在一個(gè)二進(jìn)制的文件里，用fread可將其讀取到變量矩陣中。將讀取文件編制成一個(gè)子函數(shù)(RTIread.m)，源代碼如下：

function imMatrix=RTIread(FILENAME,SIZE)

%RTIreadRead the image matrix from binary "Registration Test Image" file.

%imMatrix=RTIread(FILENAME,SIZE) opens the file FILENAME, and reads the

%number of elements specified by SIZE.

%

%FILENAME is a string containing the name of the file to be opened.

%Valid entries for SIZE are:

%Nread N elements into a column vector.

%infread to the end of the file.

%[M,N]read elements to fill an M-by-N matrix, in column order.

%N can be inf, but M can't.

%

%It returns the image matrix.

fid=fopen(FILENAME,'r');

imMatrix=fread(fid,SIZE,'uint8=>uint8');

fclose(fid);

%image(imMatrix);

這里我們選取了兩張600×600的圖片，文件名為“casitas84”和“casitas86”。運(yùn)行以下代碼讀取圖像矩陣：

% 1. Read the images into the MATLAB

workspace.

base=RTIread('casitas84',[600,600]);

input=RTIread('casitas86',[600,600]);

2．選取匹配點(diǎn)(control points)。

根據(jù)預(yù)定的配準(zhǔn)方法，選定足夠的匹配點(diǎn)對(duì)。運(yùn)行下列代碼：

% 2.Specify control point pairs n the images and

save.

cpselect(input,base);%please

select 15 points for test.

出現(xiàn)GUI界面。

操作很簡(jiǎn)單，只需注意選點(diǎn)要均勻布開，以增加其代表性。選定完畢，File-> Save Points to

Workspace將數(shù)據(jù)保存到工作區(qū)中。Workspace立刻多出兩個(gè)N×2的數(shù)組(其中N為選定的匹配點(diǎn)對(duì)數(shù))，分別為input_points和base_points，如：

input_points =

119.5185193.5926

168.9012242.9753

105.9383140.5062

459.0247131.8642

313.3457257.7901

292.3580165.1975

276.308633.0988

283.7160380.0123

76.3086297.2963

135.567983.7160

360.2593313.3457

94.8272446.6790

70.1358354.0864

181.2469361.4938

381.2469460.2593

252.8519433.0988

3．利用十字相關(guān)法調(diào)整選定了的匹配點(diǎn)。

這步可選。運(yùn)行代碼：

% 3.Fine-tune the control points using

cross-correlation.

input_points_corr =

cpcorr(input_points,base_points,input,base); %optimism the

points

input_points_corr為優(yōu)化后在輸入圖片的對(duì)應(yīng)匹配點(diǎn)。

4．計(jì)算變換公式的參數(shù)。

利用cp2tform，選定變換類型(即配準(zhǔn)方法)，計(jì)算變換參數(shù)。以下只需選定一種即可。

% 4.Specify the type of transformation to be used

and infer its parameters

% (1) not Fine-tune points

Tlinear =

cp2tform(input_points,base_points,'linear conformal');

Taffine =

cp2tform(input_points,base_points,'affine');

Tprojective =

cp2tform(input_points,base_points,'projective');

Tpolynomial2 =

cp2tform(input_points,base_points,'polynomial',2);

Tpolynomial3 =

cp2tform(input_points,base_points,'polynomial',3);

Tpolynomial4 =

cp2tform(input_points,base_points,'polynomial',4);

Tpiecewise =

cp2tform(input_points,base_points,'piecewise linear');

Tlwm =

cp2tform(input_points,base_points,'lwm');

% (2)Fine-tune points

fTlinear =

cp2tform(input_points_corr,base_points,'linear

conformal');

fTaffine =

cp2tform(input_points_corr,base_points,'affine');

fTprojective =

cp2tform(input_points_corr,base_points,'projective');

fTpolynomial2 =

cp2tform(input_points_corr,base_points,'polynomial',2);

fTpolynomial3 =

cp2tform(input_points_corr,base_points,'polynomial',3);

fTpolynomial4 =

cp2tform(input_points_corr,base_points,'polynomial',4);

fTpiecewise =

cp2tform(input_points_corr,base_points,'piecewise

linear');

fTlwm =

cp2tform(input_points_corr,base_points,'lwm');

諸如Tlinear的變量為一個(gè)稱為TFORM的數(shù)據(jù)結(jié)構(gòu)，尚沒做仔細(xì)研究：

Tlinear =

ndims_in:

2

ndims_out:

2

forward_fcn:

@fwd_affine

inverse_fcn:

@inv_affine

tdata:

[1x1 struct]

5．變換圖像。

% 5.Transform the unregistered image to bring it

into alignment.

title('image registration polynomial

method');

subplot(2,2,1);

imshow(base);

title('Base image');

subplot(2,2,2);

imshow(input);

title('Input image');

subplot(2,2,3);

imshow(imtransform(input,Tpolynomial2));

title('registered image');

subplot(2,2,4);

imshow(imtransform(input,fTpolynomial2));

title('registered image(fine-tune

points)');

結(jié)果如下：

總結(jié)

1．image和imshow區(qū)別。前者視base，input此類二維圖片矩陣為索引圖像，在系統(tǒng)的index庫(kù)中選取顏色。

2．選擇適當(dāng)?shù)姆椒▉斫⑥D(zhuǎn)換參數(shù)，并非算法越復(fù)雜越好，應(yīng)參考成像因素(退化因素)。

3．尚沒有看出十字相關(guān)法的好處。

4.

利用cpselect選擇匹配點(diǎn)，cpselect可以返回一個(gè)GUI句柄。欲實(shí)現(xiàn)如下功能：當(dāng)打開cpselect GUI

時(shí)，m文件程序暫停運(yùn)行，關(guān)閉之后繼續(xù)執(zhí)行。因?yàn)閷?duì)GUI編程不懂，?使用了waitfor,pause函數(shù)都沒法實(shí)現(xiàn)。嘗試中……

總結(jié)

以上是生活随笔為你收集整理的matlab 三维图像配准,[转载]Matlab实现多种图像配准(转)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。