![2775fbfe8522da1f51018db359335bb6.png](https://img-blog.csdnimg.cn/img_convert/2775fbfe8522da1f51018db359335bb6.png)
版权声明:本文为CSDN博主「鬼 | 刀」的原创文章《图像配准算法大总结》,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/gaoyu1253401563/article/details/80631601
@白小鱼 在原文的基础上有部分修改
————————————————
背景知识
白小鱼:图像配准综述zhuanlan.zhihu.com![3e69b67ceb4436306aedc2f0790b5484.png](https://img-blog.csdnimg.cn/img_convert/3e69b67ceb4436306aedc2f0790b5484.png)
一、图像配准定义
图像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像,例如图像会来自不同的采集设备,取自不同的时间,不同的拍摄视角等等,有时也需要用到针对不同对象的图像配准问题。具体地说,对于一组图像数据集中的两幅图像,通过寻找一种空间变换把一幅图像映射到另一幅图像,使得两图中对应于空间同一位置的点一一对应起来,从而达到信息融合的目的。 该技术在计算机视觉、医学图像处理以及材料力学等领域都具有广泛的应用。根据具体应用的不同,有的侧重于通过变换结果融合两幅图像,有的侧重于研究变换本身以获得对象的一些力学属性。20世纪以来医学成像技术经历了从静态到动态,从形态到功能,从平面到立体的飞速发展。将各种图像结合起来,在同一图像上显示各自的信息,为临床医学诊断提供多数据多信息的图像,这成为极具应用价值的技术,而准确高效的图像配准则又是关键和难点。
二、图像配准方法分类
图像配准的方法大致分为三类:
1. 基于灰度和模板
这类方法直接采用相关运算等方式计算相关值来寻求最佳匹配位置,模板匹配(Blocking Matching)是根据已知模板图像到另一幅图像中寻找与模板图像相似的子图像。基于灰度的匹配算法也称作相关匹配算法,用空间二维滑动模板进行匹配,不同匹配算法主要体现在相关准则的选择方面。
常用算法[1][2][3]
- 平均绝对差算法(MAD)
- 绝对误差和算法(SAD)
- 误差平方和算法(SSD)
- 平均误差平方和算法(MSD)
- 归一化积相关算法(NCC)
- 序贯相似性检测算法(SSDA)
- hadamard变换算法(SATD)
- 局部灰度值编码算法
- PIU
参考博客
2. 基于特征[4][5]
首先提取图像的特征,再生成特征描述子,最后根据描述子的相似程度对两幅图像的特征之间进行匹配。图像的特征主要可以分为点、线(边缘)、区域(面)等特征,也可以分为局部特征和全局特征。区域(面)特征提取比较麻烦,耗时,因此主要用点特征和边缘特征。
点特征:
- Harris
- Moravec
- KLT
- Harr-like
- HOG
- LBP
- SIFT
- SURF
- BRIEF
- SUSAN
- FAST
- CENSUS
- FREAK
- BRISK
- ORB
- 光流法
- A-KAZE[6][7][8]
- ……
边缘特征:
- LoG算子
- Robert算子
- Sobel算子
- Prewitt算子
- Canny算子
- ……
3. 基于域变换
- 采用相位相关(傅里叶-梅林变换) 代码
- 沃尔什变换
- 小波
- ……
在新的域下进行配准。
参考
- ^【图像配准】基于灰度的模板匹配算法(一):MAD、SAD、SSD、MSD、NCC、SSDA、SATD算法 https://blog.csdn.net/hujingshuang/article/details/47759579
- ^【图像配准】基于灰度的模板匹配算法(二):局部灰度值编码 https://blog.csdn.net/hujingshuang/article/details/47803791
- ^【图像配准】基于灰度的模板匹配算法(三):划分强度一致法(PIU) https://blog.csdn.net/hujingshuang/article/details/48140397
- ^【图像特征检测】 https://blog.csdn.net/hujingshuang/article/category/9264206
- ^多种图像配准方法的综合比较(KAZE、SIFT、SURF等) https://blog.csdn.net/zcg1942/article/details/79734089
- ^KAZE论文研读 https://blog.csdn.net/zcg1942/article/details/84068724
- ^A-KAZE论文研读 https://blog.csdn.net/zcg1942/article/details/84570068
- ^OpenCV学习笔记(30)KAZE 算法原理与源码分析(四)KAZE特征的性能分析与比较 https://blog.csdn.net/chenyusiyuan/article/details/8715129