【视觉算法—图像配准】基于ANTs实现自然图像配准

明月下

已于 2025-04-25 09:43:49 修改

阅读量388

点赞数 2

分类专栏：视觉算法文章标签：图像处理

于 2024-09-18 11:37:52 首次发布

本文链接：https://blog.csdn.net/qq_45384162/article/details/142329021

版权

视觉算法专栏收录该内容

7 篇文章

订阅专栏

功能

利用ANTs，将Moving图像配准到Fix图像上

项目：https://antspy.readthedocs.io/en/latest/registration.html

函数库下载

pip install pillow
pip install numpy

Linux安装ants

pip install antspyx

windows安装ants
网址：https://github.com/antsx/antspy/releases 【支持python 3.10及以上，选一个】
在这里插入图片描述
下载下来之后复制文件路径：

pip install D:/download/antspyx-0.5.4-cp311-cp311-win_amd64.whl  # 记得换成自己文件路径

安装成功：

重点函数ants.registration

这点就是这一行代码

registration = ants.registration(fixed_image, moving_image, type_of_transform='Rigid', use_gpu=True)

参数介绍：

type_of_transform主要分为以下几种类型：
1、Translation：
2、Rigid:刚性-旋转和平移
3、Similarity:相似性转换–也可缩放
4、QuickRigid：刚性（快速可视化修复–旋转和平移）
5、DenseRigid:刚性（度量估计期间采用密集采样)
6、BOLDRigid:刚性(互信息)
7、Affine:仿射变换（平移及线性映射/线性变换）–刚性+缩放
8、AffineFast:快
9、BOLDAffine:与BOLD的结合体
10、TRSAA:前三种类型加仿射变换（俩次）–可能有mask
11、ElasticSyN:对称归一化：仿射和可变性转换（以MI做优化度量和elastic正则化）
12、SyN:对称归一化：仿射和可变性转换（以互信息（MI）做优化度量）
13、SyNRA:对称归一化：刚性、仿射和可变性转换（以互信息做优化度量）
14、SyNOnly:对称归一化：无初始变换，以互信息为优化指标。假设图像通过初始转换对齐。如果您想运行未屏蔽仿射，然后运行蒙版可变形配准，这可能很有用。
15、SyNCC:SyN–以互相关（CC）作为优化度量
16、SyNabp:SyN的abpBrainExtraction
17、SyNBold:SyN,对BOLD和T1之间的配准进行优化
18、SyNBoldAff:SyN,对BOLD和T1之间的配准进行优化，加仿射
19、SyNAggro:精细配准和变性，时间长
20、TVMSQ:具有均方度量的时变微分同胚（可以保障处理对象之间的结构相似性，防止产生畸变）
注：对给定的两个光滑流形M与N，若f:M→N为双射，且f与f-1均为光滑映射，则称f为微分同胚。该方法配准精度高
21、TVMSQC:具有均方度量的时变微分同胚，用于非常大的变形

代码

import ants
from PIL import Image
import numpy as np

# 用Image加载 JPG 图像，转为灰度图，计算量会小很多
fixed_image = Image.open('fix.jpg').convert('L')
moving_image = Image.open('moving.jpg').convert('L')

# 将 PIL Image 转换为 ANTs Image
fixed_image = ants.from_numpy(np.array(fixed_image))
moving_image = ants.from_numpy(np.array(moving_image))

# 进行图像配准，Rigid时仿射变换
registration = ants.registration(fixed_image, moving_image, type_of_transform='Rigid', use_gpu=True)

# 获取配准后的图像和变换参数
registered_image = registration['warpedmovout']
transformation = registration['fwdtransforms']

# 将 ANTs Image 转换为 PIL Image 并保存
registered_image = Image.fromarray(registered_image.numpy().astype('uint8'), 'L')
rotated_image = registered_image.rotate(-90) #ant处理前会对图片进行旋转，所以保存的时候要再旋转一下
registered_image.save('registered_image.jpg')