图像配准----NCC

本文介绍了归一化互相关(NCC)匹配算法在图像特征点初始匹配中的应用,包括算法原理、操作步骤以及在图像配准中的作用。此外,还提到了Markdown编辑器的若干新功能,如界面设计、图片拖拽、代码高亮、甘特图等,以提升写作体验。
摘要由CSDN通过智能技术生成

分享一下我老师大神的人工智能教程!零基础,通俗易懂!http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识,造福人民,实现我们中华民族伟大复兴!

               

     在用Harris算子对图像进行角点提取后,两幅图像得到的角点个数不一定相等,这时就要先对它们进行处理,得出一一对应的角点对。

 

归一化互相关(Normalized Cross Correlation method, NCC)匹配算法是一种经典的统计匹配算法,通过计算模板图像和匹配图像的互相关值,来确定匹配的程度。

 

互相关最大时的搜索窗口位置决定了模板图像在待匹配图像中的位置。

它是一个亮度、对比度线性不变量。

 

此算法的缺点是参与运算的特征点比较多,运算速度比较慢。

 

归一化互相关应用在对图像特征点进行初始匹配时执行步骤大体为:

(1)、原图像 - 测试图像经过平均平滑滤波的图像;

(2)、利用(1)中的结果,产生归一化互相关矩阵;

(3)、根据产生的归一化互相关矩阵,得出每行、每列(每幅图像中一点相对于另一幅图像中所有对应点)的最大值及相应索引;

(4)、由(3)结果,如两图像对应点索引一致,则为一对初始匹配点对;

(5)、由(4)循环求出一一匹配的点对。

 

    初始匹配完成。

           

给我老师的人工智能教程打call!http://blog.csdn.net/jiangjunshow
这里写图片描述
你好! 这是你第一次使用 **Markdown编辑器** 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

  1. 全新的界面设计 ,将会带来全新的写作体验;
  2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
  3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
  4. 全新的 KaTeX数学公式 语法;
  5. 增加了支持甘特图的mermaid语法1 功能;
  6. 增加了 多屏幕编辑 Markdown文章功能;
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
  8. 增加了 检查列表 功能。

功能快捷键

撤销:Ctrl/Command + Z
重做:Ctrl/Command + Y
加粗:Ctrl/Command + B
斜体:Ctrl/Command + I
标题:Ctrl/Command + Shift + H
无序列表:Ctrl/Command + Shift + U
有序列表:Ctrl/Command + Shift + O
检查列表:Ctrl/Command + Shift + C
插入代码:Ctrl/Command + Shift + K
插入链接:Ctrl/Command + Shift + L
插入图片:Ctrl/Command + Shift + G

合理的创建标题,有助于目录的生成

直接输入1次#,并按下space后,将生成1级标题。
输入2次#,并按下space后,将生成2级标题。
以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

// An highlighted block var foo = 'bar'; 

生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是基于NCC算法实现MRI图像配准的matlab代码: ```matlab % 读入待配准的两张MRI图像 fixed = imread('fixed_image.tif'); moving = imread('moving_image.tif'); % 灰度化图像 fixed_gray = rgb2gray(fixed); moving_gray = rgb2gray(moving); % 初始化配准参数 max_disp = 10; best_ncc = 0; best_disp = [0, 0]; % 循环搜索位移范围内的最佳匹配 for i = -max_disp:max_disp for j = -max_disp:max_disp % 移动图像 moving_shift = imtranslate(moving_gray, [i, j]); % 计算NCC系数 ncc = sum(sum((fixed_gray - mean2(fixed_gray)) .* (moving_shift - mean2(moving_shift)))) / ... (sqrt(sum(sum((fixed_gray - mean2(fixed_gray)) .^ 2))) * sqrt(sum(sum((moving_shift - mean2(moving_shift)) .^ 2)))); % 如果NCC系数更高,则更新最佳匹配参数 if ncc > best_ncc best_ncc = ncc; best_disp = [i, j]; end end end % 将移动图像按照最佳匹配参数进行位移 moving_aligned = imtranslate(moving, best_disp); % 可视化结果 figure; subplot(1, 3, 1); imshow(fixed); title('Fixed Image'); subplot(1, 3, 2); imshow(moving); title('Moving Image'); subplot(1, 3, 3); imshow(moving_aligned); title('Aligned Moving Image'); ``` 其中,`fixed_image.tif`和`moving_image.tif`分别是待配准的两张MRI图像,可以根据实际情况进行修改。在代码中,我们首先将图像灰度化,然后循环搜索位移范围内的最佳匹配,计算NCC系数,并更新最佳匹配参数。最后,将移动图像按照最佳匹配参数进行位移,得到配准后的图像,并将三张图像可视化展示。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值