【ITK配准】第七期 尺度(Metric)

本文介绍了ITK配准中用于尺度计算的ImageToImageMetric,讨论了其在图像配准中的关键作用。文章详细阐述了不同类型的Metrics,如均方Metric、正则化Metric等,并探讨了它们在不同配准问题中的适用性。同时,提到了Metrics的输入、采样方法以及如何获取倾斜优化值。
摘要由CSDN通过智能技术生成

很高兴在雪易的CSDN遇见你 

VTK技术爱好者 QQ:870202403      公众号:VTK忠粉


前言

本文分享ITK配准中用于尺度计算的接口,希望对各位小伙伴有所帮助!

感谢各位小伙伴的点赞+关注,小易会继续努力分享,一起进步!

你的点赞就是我的动力(^U^)ノ~YO


        在ITK中,itk::ImageToImageMetric对象从数量上通过比较图像亮度的灰度值来估计变换后的待配准图像与参考图像搭配的质量。这些metrics弹性很大,能够同任何变换或插补方法搭配,而且不需要较小提取像边缘等信息的灰度图像。

        Metric的组成成分可能是配准框架中最关键的成分。选择使用哪一个metric,很大程度上依靠需要去解决的配准问题。例如,一些metrics有较大的捕捉范围而另外的需要接近于最优化位置的初始值。另外,一些metrics仅仅适合比较从相同模式下成像的图像而另一些可以比较交互模型。但是,没有很清楚的标准告诉我们如何选择一个metric。

        对一个metric的基本输入是:参考和待配准图像、一个变换函数和一个interpolator。GetValue( )能够用于评估指定的变换参数的数量标准。较典型的,metri

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

打赏作者

雪易

给我来点鼓励吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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