ants.registration

ants.registration(fixed， move， type_of_transform='SyN'， initial_transform=None， outprefix=''， mask=None， grad_step=0.2， flow_sigma=3， total_sigma=0， aff_metric='mattes'， aff_sampling=32， syn_metric='mattes'， syn_sampling=32， reg_iterations=（40， 20， 0）， verbose=False， **kwargs)

ants.registration(fixed， move， type_of_transform='SyN'， initial_transform=None， outprefix=''， mask=None， grad_step=0.2， flow_sigma=3， total_sigma=0， aff_metric='mattes'， aff_sampling=32， syn_metric='mattes'， syn_sampling=32， reg_iterations=（40， 20， 0）， verbose=False， **kwargs)
#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、AffineFase: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
下面用SyN举了一个例子

import ants
 fi = ants.image_read(ants.get_ants_data('r16'))
 mi = ants.image_read(ants.get_ants_data('r64'))
 fi = ants.resample_image(fi, (60,60), 1, 0)
 mi = ants.resample_image(mi, (60,60), 1, 0)
 mytx = ants.registration(fixed=fi, moving=mi, type_of_transform = 'SyN' )

initial_transform（字符串列表（可选））– 转换为前置
outprefix (string) – 输出将使用此前缀命名。
mask (ANTsImage (optional)) – 屏蔽注册。
grad_step (scalar) – 梯度步长（不适用于所有 tx）
flow_sigma (scalar) – 更新字段的平滑
total_sigma (scalar) – 总场的平滑
aff_metric (string) – 仿射部分的度量（GC、遮罩、等值）
aff_sampling (scalar) – syn metric 的 nbins 或 radius 参数
syn_metric (string) – 合成器部分的度量（CC、mattes、meansquares、demons）
syn_sampling (scalar) – syn metric 的 nbins 或 radius 参数
reg_iterations (list/tuple of python:integers) – syn的迭代向量。 我们将根据该向量的长度设置平滑和多分辨率参数。
verbose (boolean) – 请求详细输出（对调试有用）
kwargs (keyword args) – 额外参数