图像配准（非刚性/非线性）

Question

图像配准（非刚性/非线性）

imageimage-processingopencvcomputer-visionregistration

4

我正在寻找一些图像对准的算法（最好有源代码）。我认为图像的变形无法用单一的投影矩阵来描述，因为畸变不对称且不均匀。更具体地说，变形可能是桶形畸变、梯形畸变或者图像的旋转等等。我希望能够获得两个图像中像素的对应关系，以便可以得到“变形场”的表示。

我进行了大量的谷歌搜索，并发现一些基于物理学思想的算法，但它们似乎只能收敛到局部极值而不是全局极值。我能够接受程序是半自动的，这意味着需要简单的用户交互。

也许像SIFT（尺度不变特征变换）这样的算法比较适合？但我认为它无法提供足够密集的“变形场”。

如果重要的话，那么没有尺度上的变化。

以下是复杂场的示例： http://www.math.ucla.edu/~yanovsky/Research/ImageRegistration/2DMRI/2DMRI_lambda400_grid_only1.png

- mrgloom

1

两点说明：

SIFT不是一种图像配准算法，而是一种用于计算图像局部特征的算法。在您的情况下，它可以帮助您获取匹配像素对。
您是否有转换的数学模型？

- Tal Darom

我知道SIFT算法，但是我认为如果我有高密度的兴趣点对，我可以插值其他像素。理论上，我有变形之和桶形畸变/枕形畸变 u=x+Const*(xx+yy)x; v=y+Const(xx+yy)y; 梯形畸变 u=(m11x+m12y+m13); v=(m21x+m22y+m23); 旋转 u=xcosa-ysina; v=xsina+y*cosa; - mrgloom

2个回答

0

我发现了一些医学专用软件，但它们很复杂，不能使用简单的图像格式，但似乎它可以满足我的需求。 http://www.csd.uoc.gr/~komod/FastPD/index.html 通过离散优化进行Drop - Deformable Registration

- mrgloom

http://bigwww.epfl.ch/thevenaz/unwarpj/ http://fiji.sc/wiki/index.php/Feature_Extraction http://fiji.sc/wiki/index.php/TrakEM2 http://fiji.sc/wiki/index.php/BUnwarpJ http://fiji.sc/wiki/index.php/Register_Virtual_Stack_Slices - mrgloom

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- sansuiso · Accepted Answer

你要找的是“光流”。搜索这些词将会给你带来众多结果。在OpenCV中，有一个叫做calcOpticalFlowFarneback()（在视频模块中）的函数可以实现你想要的功能。C API仍然实现了Horn＆Schunck（1981年）的经典论文中称为“确定光流”的算法。你也可以看一下我做过的工作以及一些代码（但要小心，opencl内存代码中仍有一些神秘的错误。我将在今年晚些时候发布一个更正的版本）：http://lts2www.epfl.ch/people/dangelo/opticalflow。除了OpenCV的光流（和我的;-），你还可以查看itk.org上的ITK，以获取完整的图像配准链（主要针对医学成像）。此外，还有许多光流代码（matlab、C/C++等）可以通过谷歌找到，例如cs.brown.edu/~dqsun/research/software.html、gpu4vision等。

-- 编辑：关于光流 --

光流分为两类算法：稠密算法和非稠密算法。稠密算法为每个像素提供一个运动向量，而非稠密算法为每个跟踪特征提供一个向量。

稠密族的例子包括Horn-Schunck和Farneback（与OpenCV保持一致），以及更一般地，任何将某些成本函数最小化到整个图像上的算法（各种TV-L1流等）。

非稠密族的一个例子是KLT，在OpenCV中称为Lucas-Kanade。

在稠密族中，由于每个像素的运动几乎是自由的，因此它可以处理尺度变化。然而，请记住，这些算法在大运动/尺度变化的情况下可能会失败，因为它们通常依赖于线性化（运动和图像变化的泰勒展开式）。此外，在变分方法中，每个像素都对总体结果有贡献。因此，在一个图像中不可见的部分很可能会使算法偏离实际解决方案。

无论如何，粗略到细致的实现技术可用于规避这些限制，并且这些问题通常只有很小的影响。某些算法还可以明确处理粗暴的照明变化或大面积遮挡/未遮挡区域，例如这篇论文，它计算光流场旁边的“创新”稀疏图像。