图像配准的基本过程如下:
1.指定用于评估配准效果的相似度或误差测度;
2.指定一个变换模型,如刚体变换、仿射变换、弹性变换(elastic)、流体变换或B-样条等;
3.指定插值策略,如最邻近插值(nearst neighbour)、三线性插值(trilinear)、sinc插值等;
4.寻找变换参数以最大化相似性测度。
如下图所示:
配准框架的基本流程如下:
1.输入待配准的两幅图像,参考图 Fixed Image,浮动图 Moving Image.
2.对参考图的指定区域进行几何坐标变换(Transform) 得到新的区域 ;
3.通过插值方法(Image Interpolator)得到浮动图在上一步新区域的坐标;
4.相似性测度模块计算参考图和插值图之间的相似度,是一个关于几何变换参数的函数;
5.相似度函数输入到优化模块中进行最优化计算得到最终变换参数,这个过程一般通过
迭代来实现,即重复2~4步直到取得最大值;
6.整个配准算法模块输出浮动图在最优变换下的插值图像。
配准过程是一个优化问题,配准过程每进行一次迭代,得到一测度值,将该测度值与
我们所设定的值进行比较,如果达到预期的效果则停止迭代,得到最终配准结果。当然,
迭代可能无限制进行,所以我们还需要设置一迭代上限。
下面以一个简单例子对 ITK 中的配准框架进行说明:
ITK 的配准框架由如下几个组件组成:变换组件、相似性测度组件、插值组件和优化组件;各个组件通过一个称为“配准方法”的组件连接到一起,形成一个一个管道结构。
//代码: