matlab 三维图像配准,[转载]Matlab实现多种图像配准(转)

本文讲述如何利用Matlab Image Processing Toolbox中的图像配准工具实现线性正投影、仿射、投影、多项式、分段线性、局部加权平均配准的过程。

实验平台

X86 PC，Windows XP sp2, Matlab 7.1

资源的获取

matlab工具的使用方法：查看帮助mage Processing Toolbox User's Guide——Image registration。

涉及配准方法简介

该工具箱提供的配准方法均需手工选择图像间的匹配点对(control points pair)，均属于交互配准方法。其基本过程为：读入图像数据－>在两副图像上选择足够匹配点－>选择配准算法，计算变换参数－>变换图像。

假设input image(输入图像)为欲进行配准的图像，base image为配准是的参考图像。以下是我参考matlab帮助给出了简介。

1．线性正投影(linear conformal)：最简单。平面映射成平面。

当输入输入图像与参考图像对比，只是存在全局的平移、旋转、缩放或其三者组合的差别时(正方形仍对应正方形)，选择此配准方法。此方法至少需要2对匹配点。

2．仿射(affine)：将平行线转换成平行线。

当输入图像形状存在切变现象(正方形对应平行四边形)，选此法。至少需3对匹配点。

3．投影(projective)：将直线映射成直线。

如果输入图像呈现倾斜，翘起现象，选此法。至少需4对匹配点。

4．多项式(polynomial)：将直线映射成曲线。

如果输入图像出现不规则曲变，采用此法。Matlab中提供有2、3、4次幂的实现，分别至少需要6，10，10对匹配点。

5．分段线性(piecewise linear)

如果输入图像的各个局部之间的退化模式明显不一样，选此法。至少需要4对匹配点。

6．局部加权平均(local weighted mean)

与分段线性一致，但效果较之好。至少需要6对(推荐12对)匹配点。

实验步骤

1．读取图像数据。

因为源图像以矩阵形式存在一个二进制的文件里，用fread可将其读取到变量矩阵中。将读取文件编制成一个子函数(RTIread.m)，源代码如下：

functio