ITK-配准框架

原文地址https://blog.csdn.net/gaoaoysjl/article/details/91541955
医疗图像配准的HelloWorld程序：
https://www.cnblogs.com/fantianliang/p/12079316.html
（1）helloWord
一、配准框架：

（二）输入和输出如下：

//
（二）刚性变换
一、配准方法
采用刚性变换的方法进行全局变换
使用基于均方差的准则来量化变换后图像之间的相似性
优化器选择使用梯度下降法来根据相似性测度中得到的经过量化的测度优化变换参数

二、配准步骤
1、定义待配准图像类型: 维数, 像素类型，并输入待配准的两幅图像，参考图 Fixed Image,浮动图 Moving Image；
2、定义图像转换类型，把参考图像空间映射到待配准图像空间，这里采用的是刚性变换；
3、定义优化器类型及设置优化参数，这里采用梯度下降法，设置初始振幅为4、最小步长为0.001、松弛因子为0.5、最大迭代次数为200；
4、相似性测度模块采用均方差的准则；
5、定义配准方法类型并实例化已经定义的相关类型；
6、初始化配准类型的参数，并将参数传递给配准过程；
7、相似度函数输入到优化模块中进行最优化计算得到最终变换参数，这个过程一般通过
迭代来实现，即重复2~4步直到取得最大值；
8、得到最优化后的各项参数并输出；
9、通过最终得到的参数重采样待配准图像，得到配准结果；
10、比较配准前后和配准过程后的差异。并且输出最后的配准结果以及配准前后的差异结果。
配准过程是一个优化问题，配准过程每进行一次迭代，得到一测度值，将该测度值与
我们所设定的值进行比较，如果达到预期的效果则停止迭代，得到最终配准结果。当然，
迭代可能无限制进行，所以我们还需要设置一迭代上限。